Garuda - Garba Rujukan Digital

KLASIFIKASI KEPRIBADIAN MELALUI GAMBAR TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Thomas Aldo; Sandi Tendean; Susana Susana
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10619

Salah satu alasan mengapa teknologi berkembang pesat adalah karena efektivitas dan efisiensi waktu. Masalah yang ditemukan oleh penulis yaitu tentang ilmu psikologis yang tidak banyak dikuasai orang khususnya ilmu pembacaan tulisan tangan sehingga membutuhkan pelatihan dan pembelajaran khusus. Peneliti bertujuan membangun dan mencari nilai parameter paling optimal untuk pengenalan tulisan tangan dengan sebuah gambar berbasis deep learning. Peneliti menggunakan mengumpulkan gambar dengan teknik Simple Random Sampling untuk dijadikan dataset dan metode CNN (Convolutional Neural Network) berbasis AlexNet sebagai metode untuk melakukan pengujian dan percobaan pengenalan gambar tulisan tangan. Penelitian ini menghasilkan nilai-nilai parameter paling optimal berdasarkan pengujian dari beberapa parameter yang ada. Tujuan dari penelitian ini adalah untuk mempermudah para peneliti lain yang ingin membuat aplikasi deep learning pengenalan gambar. Sumber dataset yang dipakai pada penelitian ini didapatkan dari gambar scan atau foto tulisan tangan orang-orang sekitar sebanyak 418 gambar. Pengujian dilakukan dengan aplikasi MatLab dan beberapa parameter yang dilakukan ujicoba yaitu input size, epoch, mini batch size dan learning rate. Pada akhir pengujian peneliti mendapatkan hasil akurasi pengenalan sebesar 94.17 persen dan telah memberikan hasil yang sangat baik dan sesuai harapan. Peneliti menyimpulkan bahwa pembangunan aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti menyimpulkan bahwa aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti lain dapat menjadikan penelitian ini sebagai acuan untuk mengembangkan menjadi lebih baik lagi.

UI/UX Design for New Student Admission Queue System Using the Design Thinking Method Antonius Antonius; Genrawan Hoendarto; Tony Darmanto; Sandi Tendean
International Journal of Multidisciplinary Sciences and Arts Vol. 5 No. 2 (2026): International Journal of Multidisciplinary Sciences and Arts, Article April 202
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/ijmdsa.v5i2.8347

The new student admission process (PMB) often faces queue management issues, as prospective students must wait in line to submit documents, verify data, and consult staff. This study designed a user interface (UI) for a PMB queueing system at Universitas Widya Dharma Pontianak (UWDP) using the Design Thinking approach. The UI was created with Figma as an interactive prototype and later developed into a web-based application. Design Thinking consists of five stages: empathize, define, ideate, prototype, and test to ensure the solution meets user needs. During empathize, interviews and observations were conducted with students and the PMB committee to identify queue-related problems. The findings were turned into user personas and problem statements in the define stage. Next, the ideate stage produced prioritized solution ideas, followed by a user interface prototype in Figma. The resulting prototype visualizes the queueing process from registration to student call-outs, featuring remote queue number retrieval, and the real-time queue display. The prototype was tested using the System Usability Scale (SUS) questionnaire with 30 prospective students. The average SUS score was 78.5, classified as "acceptable" with a grade B (Good). This indicates that the prototype has good acceptance and meets user needs in terms of ease of use and clarity of queue information. This research contributes to the development of digital queueing systems in higher education and enriches the literature on applying Design Thinking to new student admissions.

Rancang Bangun Sistem Informasi Administrasi Pada Dadung Gym Hendra Wijaya; Tony Darmanto; Sandi Tendean
INTEKSIS Vol 12 No 2: November 2025
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v12i2.10589

The rapid development of fitness centers has prompted the need for efficient administrative systems. Dadung Gym in Pontianak faces challenges in managing member data and transactions due to reliance on traditional administrative methods. This study aims to design a mobile-based information system to reduce data processing errors, enhance service quality, and support strategic decision-making. Using an object-oriented approach with UML modeling, the system is developed with Flutter for the application framework, Firebaseas the database, and Visual Studio Code as the development tool. The new system automates data recording and offers features such as membership management, GPS-based attendance, and integrated reporting. Implementation of this mobile-based system is expected to improve service quality, simplify administrative processes, and provide a foundation for future business development at Dadung Gym Pontianak.

APLIKASI PENCATATAN LAYANAN KESEHATAN BERBASIS WEB PADA POSYANDU FAMILY Happy Natalin; Sandi Tendean; Hendro Hendro
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10613

Posyandu Family yang terletak di Jalan K.H.W Hasyim, Gang Family, Kelurahan Mariana, Kecamatan Pontianak Kota, merupakan salah satu posyandu aktif di wilayah kerja UPT Puskesmas Kampung Bali. Posyandu ini memberikan layanan kesehatan yang meliputi penimbangan dan pemantauan tumbuh kembang balita. Selama ini pencatatan data masih dilakukan secara manual, termasuk pencatatan tumbuh kembang dan laporan kegiatan, sehingga menimbulkan kendala seperti kesalahan pencatatan dan rendahnya efisiensi akibat belum adanya sistem digital. Oleh karena itu, diperlukan sistem informasi berbasis website untuk menunjang pelayanan kesehatan di Posyandu Family. Sistem ini dirancang untuk mengelola data, memantau kesehatan balita, serta menyediakan akses informasi seperti jadwal kegiatan, riwayat layanan, dan informasi kesehatan lainnya. Pengumpulan data dilakukan melalui wawancara, observasi, dan studi literatur, sedangkan perancangan sistem menggunakan Unified Modeling Language (UML). Sistem diimplementasikan menggunakan Visual Studio Code dan MySQL sebagai database. Aplikasi pendukung untuk merancang sistem yaitu Xampp, Laravel, HTML, PHP, dan CSS. Hasil yang diharapkan adalah sistem yang efektif, interaktif, serta memudahkan kader dan orang tua dalam mengakses informasi secara online.

KLASIFIKASI KEPRIBADIAN MELALUI GAMBAR TULISAN TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Thomas Aldo; Sandi Tendean; Susana Susana
INTEKSIS Vol 13 No 1: Mei 2026
Publisher : LPPM Universitas Widya Dharma Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66003/inteksis.v13i1.10619

Salah satu alasan mengapa teknologi berkembang pesat adalah karena efektivitas dan efisiensi waktu. Masalah yang ditemukan oleh penulis yaitu tentang ilmu psikologis yang tidak banyak dikuasai orang khususnya ilmu pembacaan tulisan tangan sehingga membutuhkan pelatihan dan pembelajaran khusus. Peneliti bertujuan membangun dan mencari nilai parameter paling optimal untuk pengenalan tulisan tangan dengan sebuah gambar berbasis deep learning. Peneliti menggunakan mengumpulkan gambar dengan teknik Simple Random Sampling untuk dijadikan dataset dan metode CNN (Convolutional Neural Network) berbasis AlexNet sebagai metode untuk melakukan pengujian dan percobaan pengenalan gambar tulisan tangan. Penelitian ini menghasilkan nilai-nilai parameter paling optimal berdasarkan pengujian dari beberapa parameter yang ada. Tujuan dari penelitian ini adalah untuk mempermudah para peneliti lain yang ingin membuat aplikasi deep learning pengenalan gambar. Sumber dataset yang dipakai pada penelitian ini didapatkan dari gambar scan atau foto tulisan tangan orang-orang sekitar sebanyak 418 gambar. Pengujian dilakukan dengan aplikasi MatLab dan beberapa parameter yang dilakukan ujicoba yaitu input size, epoch, mini batch size dan learning rate. Pada akhir pengujian peneliti mendapatkan hasil akurasi pengenalan sebesar 94.17 persen dan telah memberikan hasil yang sangat baik dan sesuai harapan. Peneliti menyimpulkan bahwa pembangunan aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti menyimpulkan bahwa aplikasi deep learning pengenalan tulisan tangan ini berjalan dengan baik. Peneliti lain dapat menjadikan penelitian ini sebagai acuan untuk mengembangkan menjadi lebih baik lagi.

Modularisasi Perangkat Lunak dengan Integrasi Multi-Fitur Menggunakan Pembelajaran Representasi Graf Kenrick Ortonsius; Sandi Tendean
METIK Jurnal Vol. 10 No. 1 (2026): METIK Jurnal Issue Published
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/zwpwrk85

Software modularization remains an issue until this day. As software grows over time, software becomes more complex and difficult to maintain. To address this issue, software module clustering was used by grouping software components such as classes, objects and files. Many approaches have been conducted by using single-feature clustering and multi-features clustering. The result shows that multi-features clustering performs better than single-feature clustering. The application of GNN also gains significant attention for software modularization and proven to produce better performance. In this study, we analyze how integrating structural features, semantic features and graph relations using Attention-drive Graph Clustering Network (AGCN) affects the quality of software clustering. We use four input combinations which are structural features with graph, semantic features with graph, identity matrix with graph, and the fusion of graph, semantic and structural features across all three java projects (JavaCC, Dom4J, and JEdit). The result shows that by using the structural feature only the model could predict the total cluster that is closest to the original total cluster and multi-feature fusion achieves the best NMI score across all input variants.

Title

Found 26 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 26 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 26 Documents
Search