Claim Missing Document
Check
Articles

Pelatihan Aplikasi SLiMS pada SMA Negeri 18 Palembang Elizabeth, Triana; Tinaliah, Tinaliah; Wijaya, Novan
FORDICATE Vol 2 No 1 (2022): November 2022
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v2i1.3457

Abstract

SMA Negeri 18 Palembang adalah Sekolah Menengah Atas yang berlokasi di Kota Palembang, Provinsi Sumatera Selatan. Hingga saat ini SMA Negeri 18 Palembang terus maju dan berkembang pesat serta menghasilkan lulusan yang terbaik di bidangnya. Demi tercapainya visi, misi, tujuannya SMA Negeri 18 Palembang terus memberikan pelatihan kepada guru – guru yang ada. SMA 18 Palembang juga berkerja sama dengan berbagai organisasi baik yang bergerak di bidang pendidikan dan industri dalam memberikan pelatihan. Pada kesempatan kali ini, tim diundang untuk memberikan materi pelatihan terkait dengan Digitalisasi Perpustakaan dengan menggunakan aplikasi SLiMS (Senayan Library Management System) pada tenaga kependidikan dan pustakawan. Kegiatan ini telah terlaksana dengan baik dan bermanfaat bagi SMA Negeri 18 Palembang dalam mengimplementasikan digitalisasi perpustakaan.
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK MENGGUNAKAN METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) PADA PT SABA INDOMEDIKA JAYA Iffah mahira; Triana Elizabeth
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 3 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/scientica.v2i3.1135

Abstract

PT Saba Indomedika Jaya adalah perusahaan yang bergerak dibidang distribusi alat-alat kesehatan untuk rumah sakit, laboratorium klinik dan fasilitas kesehatan. Perusahaan selama ini melakukan penilaian karyawan tebaik setiap satu tahun sekali yang bertujuan untuk memotivasi karyawan dalam bekerja agar menghasilkan pelayanan yang berkualitas serta mendapatkan reward yang telah ditetapkan perusahaan. Permasalahan yang ada pada perusahaan yaitu proses perhitungan penilaian pemilihan karyawan terbaik yang digunakan masih sistem manual sehingga membutuhkan waktul lama dalam proses perhitungan, perekapanl dan pengambilanl keputusan yang tepat, serta penilaian karyawan masih berdasarkanl penilaian subjektif sehingga dapat menimbulkan ketidak tepatan dalam memberikan penilaian kepada karyawan. Dalam mempermudah penilaian maka dari itu dikembangkan sebuah sistem pendukung keputusan menggunakan metode Simple Multi Attribute Rating Techniquel (Smart) dengan beberapa kriteria yang telah ditentukan perusahaan. Pada sistem pendukung keputusan ini digunakan beberapa tools untuk pembuatan yaitu visual studio code sebagai code editor dengan bahasa pemrograman PHP dan database yang digunakan adalah MySQL. Hasil yang diperoleh dari sistem ini adalah dapat membantu dan mempermudah perusahaan dalam pengambilan keputusan untuk pemilihan karyawan terbaik.
Klasifikasi Lesi Benign Dan Malignant Pada Rongga Mulut Menggunakan Arsitektur ResNet50 Tinaliah, Tinaliah; Elizabeth, Triana
JATISI Vol 10 No 4 (2023): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v10i4.6947

Abstract

It is very important to protect the human oral cavity to avoid various oral problems, one of which is tumors and oral cancer. Cell growth in the oral cavity is divided into benign oral cavity tumors (benign), precancerous lesions, and oral cavity cancer (malignant). Image classification of benign and malignant lesions can help to determine whether cells in the oral cavity are benign or malignant. CNN is a type of neural network that can be used to extract features from an image. In this research, image classification of benign and malignant lesions will be carried out by applying the ResNet50 architecture to the CNN method. The dataset used is the Oral Image Dataset, which has two classes, namely the benign class and the malignant class. Testing is carried out using testing data from each class using the Adam and SGD optimizers. Based on the test results, it can be concluded that ResNet50 can classify images of benign and malignant lesions well using the Adam optimizer with an accuracy value of 94%.