Claim Missing Document
Check
Articles

Found 2 Documents
Search

DIGITALISASI LAYANAN MINIMUN DESA SEBAGAI UPAYA PENINGKATAN LAYANAN DESA BINAAN Nur Lukman; Fatimah Umar; Yana Aditia Gerhana
Al-Khidmat Vol 5, No 1 (2022): Jurnal Al-Khidmat : Jurnal Ilmiah Pengabdian Kepada Masyarakat
Publisher : Pusat Pengabdian kepada Masyarakat LP2M UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/jak.v5i1.17431

Abstract

Perkembangan teknologi informasi dan munculnya industry 4.0 merupakan tantangan besar bagi seluruh masyarakat Indonesia termasuk Desa Sindangsuka Kecamatan Cibatu Garut, yang harus menyesuaikan dengan perkembangan ini, tahun 2019 merupakan awal dari Desa Sindangsuka munculnya komitmen untuk mengikuti perkembangan teknologi dengan mendigitalisaasi layanan minimum desa, karena pada tahun ini lahir covid-19 yang membuat layanan desa yang tadinya berjalan normal menjadi tehambat, karena protocol harus diterapkan dan pelayanan desapun tidak berjalan dengan semestinyam, sehingga pemanfaatan teknologi menjadi pilihan sebagai solusi untuk masalah tersebut. Terdapat dua kegiatan besar dalam pengabdian ini, diantaranya adalah perancangan dan pembuatan sistem sesuai dengan analisis kebutuhan pengguna dilihat dari urgensi desa terkait, dan yang kedua adalah pelatihan aplikasi layanan minimun desa yang telah dibangun melalui beberapa tahap, tahap pertama merupakan tahap pelatihan terhadap admin sistem, yaitu aparat desa yang ditugasi sebagai admin aplikasi, pelatihan terhadap perwakilan wagra yang diwakili oleh Ketua RW, untuk rekomendasi kedepannya sesuai dengan roadmap yang telah dibuat sebelumnya, yaitu pelatihan yang dilakukan oleh desa dengan instruktur setiap ketua RW yang telah melakukan pelatihan sebelumnya dan dijadwalkan oleh pihak desa.
Implementation of Convolutional Neural Network CNN Algorithm to Detect Coffe Fruit Maturity Yana Aditia Gerhana; Rafi Rai Heryanto; Undang Syaripudin; Deden Suparman
ISTEK Vol. 13 No. 2 (2024): Desember 2024
Publisher : Fakultas Sains dan Teknologi UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/istek.v13i2.1247

Abstract

Fruit ripeness detection is important in the agriculture and food processing industries to ensure optimal product quality. Proper fruit ripeness can affect flavour, texture and nutrition, making it a key focus in production process monitoring and control. The fruit ripeness detection process still needs to be done manually, which can be inefficient and inaccurate. This research aims to address these challenges by implementing the CNN algorithm with VGG-19 architecture to detect coffee fruit ripeness automatically. The process involves collecting datasets of fruit images with various ripeness levels, image pre-processing including cropping and resizing, training the CNN VGG-19 model with feature learning and hyperparameter optimisation and evaluating model performance using a confusion matrix. This experiment aims to evaluate the model's performance in detecting fruit ripeness and measure the speed and efficiency of the CNN-based detection system with VGG-19 architecture. The results of this research are expected to help develop a better system for identifying fruit ripeness.