Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknik Informatika UNIKA Santo Thomas

Perancangan Sistem Informasi Pelacakan Keluhan Pelanggan Berbasis Customer Relationship Management PDAM Bengkulu Mahdalena, Desi; Yulianti, Liza; Sedduantara, Sedduantara
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 8 No. 1 : Tahun 2023
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to create an information system for tracking customer complaint through Customer Relationship Management in PDAM Bengkulu city to facilitate to track customer complaints submitted, see the progress of complaints whether it has not been processed, has been processed and completed in the process, and make it easy for the company to manage customer complaints and improve the relationships with customers. Data collection methods used were observation, interview and literature study. From the results of the research, the Customer Relationship Management information system in PDAM Bengkulu City can facilitate the customers to track complaints submitted, see the progress of complaints whether they have not been processed, have been processed and finished in the process, and make it easy for the company to manage customer complaints and improve relationships with customers. The results of testing the black box, 94% of customer complaint tracking information system can provide functions and benefits for the customers of PDAM Bengkulu city
Penerapan Teknik Masking dan Augmentasi pada Arsitektur CNN dan MobileNetV2 untuk Klasifikasi Fase Pertumbuhan Tomat Irvai, Muhammad; Mahdalena, Desi
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tanaman tomat mengalami beberapa fase pertumbuhan yang menentukan kualitas dan hasil panen. Pengenalan fase-fase secara visual sangat penting untuk membantu petani mengambil keputusan budidaya yang tepat waktu. Penelitian ini membandingkan 2 (dua) metode deep learning yakni CNN konvensional dan MobileNetV2 berbasis Transfer Learning dalam klasifikasi dua tahap pertemuan tomat dari citra RGB. Sebelum menggunakan citra, citra dilakukan teknik masking sederhana berbasis threshold untuk menonjolkan objek utama tanaman dan meminimalkan background citra. Selanjutnya dilakukan augmentasi lanjutan guna menambah variasi data pelatihan. Data dibagi menjadi data latih dan data uji dengan rasio 80:20. Hasil pengujian menunjukkan bahwa model CNN menghasilkan akurasi 91,01 %, sedangkan MobileNetV2 memberikan akurasi lebih tinggi sebesar 93,26 %. Hasil ini menunjukkan bahwa pendekatan transfer learning mampu melakukan generalisasi pada dataset yang terbatas. Secara keseluruhan integrasi masking dan augmentasi terbukti efektif dalam meningkatkan akurasi dalam klasifikasi fase pertumbuhan tanaman tomat. Dalam hal ini berpotensi diterapkannya sistem monitoring tanaman berbasis citra untuk membantu pengembalian keputusan dalam pertanian digital.