Claim Missing Document
Check
Articles

Found 22 Documents
Search

Pengembangan Sistem Informasi Geografis untuk Digitalisasi Pemetaan Tanah Letter C Desa Menggunakan Framework Laravel dan Mapbox Untuk Meningkatkan Efisiensi Layanan Publik di Tingkat Desa Hilga Satria Pambudi; Indyah Hartami Santi; Saiful Nur Budiman
Riau Jurnal Teknik Informatika Vol. 4 No. 3 (2025): November 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i3.3868

Abstract

Latar Belakang: Perkembangan teknologi informasi di era digital telah mendorong transformasi signifikan menuju konsep desa digital yang bertujuan memperbaiki kualitas layanan publik sekaligus mendukung pembangunan masyarakat berkelanjutan. Salah satu aspek krusial dalam digitalisasi desa adalah penerapan Sistem Informasi Geografis (SIG) untuk mengelola arsip pertanahan, khususnya dokumen Letter C yang merupakan bukti kepemilikan tanah turun-temurun. Tujuan: Penelitian ini bertujuan mengembangkan sistem informasi geografis untuk mendukung digitalisasi Letter C di Desa Pandanarum menggunakan framework  Laravel dan Mapbox dengan metode Rapid Application Development (RAD). Metode: Penelitian menggunakan pendekatan kuantitatif dengan jenis Research and Development (R&D). Populasi terdiri dari tiga kategori: ahli IT untuk validasi teknis (3 ahli), perangkat desa yang terlibat dalam administrasi tanah (4 staf), dan masyarakat desa sebagai pengguna akhir (2 warga), dipilih melalui purposive sampling. Instrumen pengumpulan data meliputi kuesioner terstruktur untuk penilaian ahli dan User Acceptance Testing (UAT), serta protokol Blackbox Testing untuk evaluasi fungsional sistem. Teknik analisis data menggunakan mixed methods yang menggabungkan analisis kuantitatif dan kualitatif. Hasil: Sistem mencapai tingkat keberhasilan fungsional 98,15% dari Blackbox Testing, skor penilaian ahli 76,67%, dan tingkat penerimaan pengguna 83,33% melalui UAT. Sistem berhasil mengintegrasikan 5 blok pemetaan dengan 100 sampel data pemilik tanah dalam satu platform terpadu. Kesimpulan: Sistem SIPROSA berhasil mengintegrasikan lima blok pemetaan dengan 100 sampel data kepemilikan tanah, mencapai tingkat keberhasilan fungsional 98,15% dan penerimaan pengguna 83,33%, sekaligus mentransformasi proses pencarian data dari jam menjadi menit untuk mendukung program digitalisasi desa nasional.
IMPLEMENTASI MEL-FREQUENCY CEPSTRAL COEFFICIENTS DAN CONVOLUTIONAL NEURAL NETWORK UNTUK PENGENALAN HURUF HIRAGANA Muhammad Yusuf Ibrahim Ramadhani; Saiful Nur Budiman; Udkhiati Mawaddah
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 9 No 1 (2026): Jurnal SKANIKA Januari 2026
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v9i1.3600

Abstract

Japanese language learning has gained increasing interest in Indonesia; however, learners often experience difficulties in mastering Hiragana characters due to their large number and phonetic similarities. Speech recognition technology can be utilized as a supportive learning medium, particularly for improving pronunciation and enhancing learners’ understanding of Hiragana characters. This study aims to develop a Hiragana speech recognition system based on Mel-Frequency Cepstral Coefficients (MFCC) for feature extraction and Convolutional Neural Networks (CNN) for classification. The dataset consists of 46 Hiragana characters, with each character recorded 20 times by four speakers, resulting in a total of 3,680 audio samples. The research stages include audio signal preprocessing, MFCC feature extraction, data augmentation, CNN model training, and performance evaluation using classification metrics. Experimental results indicate that the proposed model achieves an accuracy of 95% on the test data, with most Hiragana characters being correctly recognized. Misclassifications mainly occur among characters with similar phonetic characteristics. These results demonstrate that the MFCC-based CNN approach is effective for Hiragana speech recognition and has potential to be applied as an interactive digital learning medium for Japanese language education.