Garuda - Garba Rujukan Digital

AILoan: Aplikasi Peminjaman Barang Sebagai Pencegahan Peluang Kehilangan Barang Unit Dukungan Teknologi Informasi Menggunakan Algoritma YoloV4 Lestari, Mega; Adidrana, Demi; Putro, Zuki Pristiantoro
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.309

Telkom University Jakarta atau yang dikenal dengan nama TelU Jakarta merupakan perguruan tinggi Jakartayang resmi bergabung dengan Telkom University. Adapun salah satu unit yang berada di TelkomUniversityJakarta yaitu Dukungan Teknologi Informasi atau yang dikenal dengan nama DTI. Berdasarkan tujuan utamadari DTI yaitu dapat mendukung perkembangan akademik dan administratif universitas melalui implementasiteknologi modern. Aplikasi pinjaman barang DTI masih bersifat localhost dan tidak ada pemeriksaan barangsecara detail saat peminjam melakukan pengembalian barang, sehingga sering sekali barang yang telah dipinjamtidak dikembalikan secara lengkap. Sehingga dibutuhkan suatu sistem aplikasi dengan menerapkan teknologimodern salah satu teknologi modern tersebut ialah teknologi artificial intelligence dengan menggunakanOpenCV. Tujuan pada penelitian ini yaitu mengimplementasikan aplikasi peminjaman barang AILoan berjalanefisien dan efektif untuk unit DTI. Adapun manfaat pada penelitian ini yaitu aplikasi AILoan sebagaipencegahan peluang kehilangan barang unit DTI. Aplikasi AILoan dibuat dengan menggunakan android studio, bahasa pemrograman java dan aplikasi AILoan memanfaatkan teknologi artificial intelligence OpenCVdenganalgoritma YoloV4. Aplikasi AILoan menerapkan metode waterfall dan uml. Berdasarkan hasil pengujianblackbox aplikasi AILoan menunjukkan 100% berhasil dan pengujian akurasi deteksi barang menghasilkannilai 100% Sehingga menunjukkan kinerja sistem yang sangat baik sehingga layak untuk dioperasionalkan diunit DTI.

AILoan: Aplikasi Peminjaman Barang Sebagai Pencegahan Peluang Kehilangan Barang Unit Dukungan Teknologi Informasi Menggunakan Algoritma YoloV4 Lestari, Mega; Adidrana, Demi; Putro, Zuki Pristiantoro
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.309

Telkom University Jakarta atau yang dikenal dengan nama TelU Jakarta merupakan perguruan tinggi Jakartayang resmi bergabung dengan Telkom University. Adapun salah satu unit yang berada di TelkomUniversityJakarta yaitu Dukungan Teknologi Informasi atau yang dikenal dengan nama DTI. Berdasarkan tujuan utamadari DTI yaitu dapat mendukung perkembangan akademik dan administratif universitas melalui implementasiteknologi modern. Aplikasi pinjaman barang DTI masih bersifat localhost dan tidak ada pemeriksaan barangsecara detail saat peminjam melakukan pengembalian barang, sehingga sering sekali barang yang telah dipinjamtidak dikembalikan secara lengkap. Sehingga dibutuhkan suatu sistem aplikasi dengan menerapkan teknologimodern salah satu teknologi modern tersebut ialah teknologi artificial intelligence dengan menggunakanOpenCV. Tujuan pada penelitian ini yaitu mengimplementasikan aplikasi peminjaman barang AILoan berjalanefisien dan efektif untuk unit DTI. Adapun manfaat pada penelitian ini yaitu aplikasi AILoan sebagaipencegahan peluang kehilangan barang unit DTI. Aplikasi AILoan dibuat dengan menggunakan android studio, bahasa pemrograman java dan aplikasi AILoan memanfaatkan teknologi artificial intelligence OpenCVdenganalgoritma YoloV4. Aplikasi AILoan menerapkan metode waterfall dan uml. Berdasarkan hasil pengujianblackbox aplikasi AILoan menunjukkan 100% berhasil dan pengujian akurasi deteksi barang menghasilkannilai 100% Sehingga menunjukkan kinerja sistem yang sangat baik sehingga layak untuk dioperasionalkan diunit DTI.

Simultaneous Hydroponic Nutrient Control Automation System Based on Internet of Things Adidrana, Demi; Iskandar, Ade Rahmat; Nurhayati, Ade; Suyatno, -; Ramdhani, Mohamad; Adam, Kharisma Bani; Ardianto, Rizki; Ekaputri, Cahyantari
JOIV : International Journal on Informatics Visualization Vol 6, No 1 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1.865

Hydroponic is one of the solutions of gardening methods using water as a nutrition medium. Usually, maintaining hydroponic plant quality and water nutrients are done manually and require human efforts, such as the degree of acidity or wetness (pH), TDS (Total Dissolved Solids), and nutrient temperature. With the Internet of Things technology, we can automate hydroponic control by measuring the nutrients' TDS, pH, and temperature values and controlling water nutrition by pump nutrition needs for hydroponic plants. This research uses the NFT (Nutrient Film Technique) for the hydroponic system and uses lettuce as the nutrition parameter. The lettuce parameters are pH, TDS, and Water Temperature equal to the sensor we used in the proposed IoT system. The condition has 27 classifications, and we use this classification as a reference in decision-making, using the K-Nearest Neighbor (KNN) algorithm to activate the actuator. We improve the simultaneous actuator from previous research with specified intervals and duration to achieve ideal nutritional conditions. The other improvement is that we collect more data and more testing times. The accuracy was 91.2%, with k = 3. From the evaluation results, the accuracy of KNN is quite high and has an advantage, which has better accuracy than the other algorithms and can activate actuator simultaneously. We conclude that the hydroponic nutrient automation system using the Internet of Things method is ready for real planting use with this improvement.

PENGEMBANGAN WEB-APP PRESENSI GURU SEKOLAH IZZATI BERBASIS GLOBAL POSITIONING SYSTEM (GPS) Hertanto Suryoprayogo; Ilham Roni Yansyah; Demi Adidrana; Arif Rahman Hakim; Muhammad Radja Rizkyana; Dede Rizki
Jurnal Pengabdian Masyarakat FKIP UTP Vol 7 No 1 (2026): PROFICIO : Jurnal Abdimas FKIP UTP
Publisher : FKIP UNIVERSITAS TUNAS PEMBANGUNAN SURAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36728/jpf.v7i1.6067

Sekolah Izzati 1 masih menghadapi permasalahan dalam pencatatan presensi dan perhitungan gaji guru yang dilakukan secara manual, sehingga berpotensi menimbulkan ketidakakuratan data, kesulitan pemantauan jam kerja dan lembur, serta rendahnya transparansi penggajian. Kegiatan pengabdian kepada masyarakat ini bertujuan menerapkan teknologi tepat guna berupa aplikasi presensi berbasis web dengan validasi Global Positioning System (GPS) sebagai solusi atas permasalahan tersebut. Aplikasi dirancang agar presensi hanya dapat dilakukan di area sekolah, sehingga data kehadiran tercatat secara valid dan terintegrasi langsung dengan sistem penggajian. Metode pelaksanaan menggunakan pendekatan partisipatif dengan model Software Development Life Cycle (SDLC) prototyping yang mencakup tahapan identifikasi kebutuhan, perancangan dan pengembangan sistem, implementasi, serta pelatihan pengguna. Hasil kegiatan menunjukkan bahwa penerapan aplikasi presensi berbasis web dan GPS mampu meningkatkan efisiensi administrasi kepegawaian, akurasi dan validitas data kehadiran, serta transparansi proses penggajian. Selain itu, kegiatan ini berdampak positif terhadap peningkatan literasi digital dan kapasitas guru serta tenaga administrasi. Keberlanjutan program didukung melalui pelatihan dan penyediaan panduan operasional, sehingga sekolah memiliki kemandirian dalam mengelola dan mengembangkan sistem secara berkelanjutan.

IMPLEMENTASI AUTOMATIC WATERING PLANT PADA GREENHOUSE SMK NAGRAK BOARDING SCHOOL PURWAKARTA Siti Zahrotul Fajriyah; Sasmi Hidayatul Yulianing Tyas; Hertanto Suryoprayogo; Deny Haryadi; Demi Adidrana; Dwina Satrinia; Ilham Roni Yansyah; Alfarhad Maulana; Irgi Shalby Ramadhani; Maryam Laurannisa Williams; Rania Zamrizq
The Proceeding of Community Service and Engagement (COSECANT) Seminar Vol. 4 No. 1 (2024): The Proceeding of Community Service and Engagement (COSECANT) Seminar
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/cosecant.v6i1.7725

Salah satu misi SMK Nagrak Boarding School Purwakarta adalah membangun sumber daya manusia yang unggul dalam ilmu pengetahuan dan teknologi. Namun dari hasil survei dan analisis masalah pada masyarakat sasar diketahui bahwa salah satu masalah yang ingin diberikan solusi pada kegiatan pengabdian masyarakat ini adalah terkait penurunan kompetensi siswa bisa dikarenakan kurangnya penerapan teknologi terbaru sehingga lulusan kesulitan mendapatkan pekerjaan. Selain itu di SMK Nagrak juga terdapat greenhouse yang masih manual dalam perawatannya. Berdasarkan kedua permasalah tersebut, maka pada pengabdian masyarakat ini dilakukan penerapan teknologi tepat guna Automatic Watering Plant pada greenhouse. Melalui workshop dan implementasi teknologi tersebut diharapkan dapat meningkatkan kompetensi siswa keahlian TKJ dalam hal penerapan teknologi IoT serta siswa dengan keahlian ATPH dalam peningkatan komponen greenhouse. Kegiatan pengabdian masyarakat ini dilakukan melalui tiga tahapan yaitu pra kegiatan, kegiatan workshop, monitoring dan evaluasi. Adapun pelaksanaan workshop dan implementasinya adalah pada tanggal tanggal 31 April dan 1 Mei 2024. Berdasarkan evaluasi melalui instrumen kuesioner, didapatkan bahwa masyarakat sasar memberikan penilaian yang positif terhadap kegiatan ini terutama aspek keberlanjutan dalam implementasi teknologi ini. Melalui kegiatan ini, masyarakat sasar dapat mendapatkan pengalaman dan pengetahui baru terkait IoT serta dapat menyelaraskan IoT dengan bidang keilmuan yang dipelajari di sekolah dengan implementasi yang konkret.

Penerapan Algoritma Resedual Network 50 dan Convusional Block Attention Module untuk Deteksi Citra Deepfake Muhammad Dimas Aulia Putra Riali; Syifa Nurgaida Yutia; Demi Adidrana
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

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

Deepfake merupakan teknologi berbasis kecerdasan buatan dengan teknologi deep learning yang mampu menciptakan atau memanipulasi wajah seseorang secara realistis. Dalam survey terbaru VIDA Where’s The Fraud – Protecting Indonesia Business from AI Generated Fraud, menemukan lonjakan 1540% pada kasus penipuan deepfake di wilayah APAC tahun 2022 hingga 2023, sementara di indonesia terdapat 1550% kasus penipuan. Peningkatan signifikan kasus deepfake ini menunjukkan tantangan baru dalam mendeteksi manipulasi visual menggunakan teknologi Artificial Intelligence (AI). Di samping manfaatnya penggunaan teknologi deep learning ini bisa menjadi ancaman serius dalam kasus penipuan dan pemerasan, diperlukan metode deteksi berbasis kecerdasan buatan untuk mendeteksi deepfake secara efektif dan efisien. Penelitian ini berfokus pada pengembangan dan penerapan metode deteksi deepfake berbasis Convolutional Neural Network (CNN) menggunakan arsitektur Residual Network 50 (ResNet50) yang dimodifikasi dengan Convusion Block Ateention Module (CBAM) untuk meningkatkan akurasi dalam mendeteksi pola-pola artefak yang muncul pada citra deepfake, sebagai kontribusi dalam upaya mitigasi penyalahgunaan teknologi deepfake yang semakin marak. Penelitian ini menggunakan dataset kaggle yang berjumlah 8000 dataset. Dataset yang akan digunakan untuk perbandingan keaslian data melalui tahapan normalisasi, pelatihan model, dan evaluasi performa dengan metrik akurasi yang terdiri dari gambar asli dan gambar yang sudah menggunakan deepfake yang dihasilkan melalui teknologi berbasis AI. Dalam studi terdahulu Penggunaan ResNet50 dalam kelasifikasi menunjukan hasil sebesar 78,87% sedangkan integrasi menggunakan attention mecanism pada ResNet50 dengan Long- Distance Attention Module mencapai akurasi hingga 94.30% dan AUC 98.70%. Hasil dari penelitian ini menunjukan penggunaan CBAM pada 8000 dataset menghasilkan metrix akurasi Accuracy 68.44%, Precision 72,26%, Recall 53,73%, dan F1- score 61,63%, dan dari hasil pengamatan pada 6000 dataset ditemukan Accuracy 75.27%, Precision 67,91%, Recall 95,80%, dan F1- score 79,43%. Dengan pendekatan ini di harapkan mampu menjadi solusi yang efektif untuk meningkatkan keamanan sistem berbasis biometrik, serta mencegah penyalahgunaan teknologi deepfake dalam berbagai sektor. Kata kunci — Deepfake, Convolutional Neural Network, ResNet50, Convolutional Block Attention Module, Rectified Linear Unit, Sigmoid.

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search