Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Informatics for Educators and Professional : Journal of Informatics Journal of Students‘ Research in Computer Science (JSRCS)
Retno Nugroho Whidhiasih
Teknik Komputer Universitas Islam 45
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Identifikasi Mutu Telur Ayam Berdasarkan Kebersihan Kerabang Menggunakan Jaringan Syaraf Tiruan Maimunah Maimunah; Retno Nugroho Whidhiasih
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 2 No 1 (2017): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 201
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (319.915 KB)

Abstract

Abstrak: Telur ayam memiliki protein yang bermutu tinggi sehingga banyak dijadikan sebagai bahan olahan makanan. Namun tidak semua telur memiliki mutu atau kualitas dan kesegaran yang baik. Berdasarkan SNI 3926:2008 mutu telur terbagi menjadi tiga yaitu mutu I,mutu II dan mutu III. Identifikasi telur digunakan untuk menentukan mutu telur ayam yang meliputi mutu internal dan mutu eksternal. Salah satu aspek mutu eksternal telur ayam ditinjau dari kebersihan kerabang telur yaitu ada tidaknya kotoran yang menempel pada kerabang telur ayam. Telur yang bersih mempunyai tekstur kerabang telur yang berbeda dengan telur yang kotor. Dalam penelitian ini dilakukan identifikasi mutu telur ayam ras berdasarkan kebersihan kerabang telur ayam ras menggunakan jaringan syaraf tiruan. Tekstur citra telur diekstrak menggunakan ciri statistik orde dua meliputi angular second moment, contrast, correlation variance, inverse different moment, entropy. Nilai hasil ekstraksi selanjutnya digunakan untuk pelatihan dengan data latih sebanyak 25 telur mutu I, 25 telur mutu II dan 25 telur mutu III. Hasil penelitian diperoleh akurasi 93,33% yang menyatakan bahwa jaringan syaraf tiruan dapat melakukan identifikasi mutu telur berdasarkan kebersihan kerabang telur dengan baik. Kata kunci: klasifikasi,tekstur kerabang telur,akurasi, Abstract: Chicken eggs have a high-quality protein so there are many kinds of food using it as processed food ingredients. But not all eggs have a quality or good quality and freshness. Based on SNI 3926: 2008 the quality of eggs is divided into three namely quality I, quality II and quality III. Egg identification is used to determine the quality of chicken eggs that include internal quality and external quality. One aspect of the external quality of chicken eggs in terms of cleanliness of eggshell is the presence or absence of dirt on the chicken eggshell. A clean egg has a different eggshell texture with a dirty egg. In this study, the identification of the quality of chicken eggs based on the hygiene of chicken eggs using the artificial neural network. The texture of egg image extracted using second order statistics include second moment angular, contrast, correlation variance, inverse different moment, entropy. The value of the extraction results is then used for training with the training data of 25 eggs of quality I, 25 eggs of quality II and 25 eggs of quality III. The result of this research is 93,33% accuracy which states that artificial neural network can identify egg quality based on egg hygiene well. Keywords: classification, eggshell texture, accuracy
Adaptif Neuro Fuzzy Inference System (ANFIS) dalam Pengidentifikasi Kualitas Telur Ayam Ras Berdasarkan Warna Kerabang Dede Rosadi; Rahmadya Trias Handayanto; Maimunah Maimunah; Retno Nugroho Whidhiasih
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 3 No 1 (2018): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember 201
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (898.368 KB)

Abstract

Abstrak: Kerabang telur merupakan lapisan luar telur yang melindungi telur dari penurunan kualitas baik disebabkan oleh kontaminasi mikroba, kerusakan fisik, maupun penguapan. Salah satu yang mempengaruhi kualitas kerabang telur adalah umur ayam, semakin meningkat umur ayam kualitas kerabang semakin menurun, kerabang telur semakin tipis, warna kerabang semakin memudar dan berat telur semakin besar. Telur yang lebih besar memiliki pigmen warna lebih sedikit dan warnanya lebih terang jika dibandingkan dengan telur yang lebih kecil. Telur dengan warna lebih coklat tua lebih kuat dan tebal dibanding telur yang berwarna coklat terang. Permasalahan yang dirumuskan dalam penelitian ini adalah bagaimana membangun aplikasi yang dapat mengidentifikasi telur ayam ras ke dalam 3 kelas (kualitas 1, 2 dan 3) berdasarkan citra RGB dari warna kerabang telur ayam ras menggunakan metode ANFIS. Dengan Metode ANFIS (Adaptive Neuro Fuzzy Inference System) menunjukkan hasil penelitian ini dapat mempermudah pembeli dalam menentukan mutu telur dengan cara melihat warna kerabang dan menghemat waktu pembeli dalam menentukan mutu telur di pasar. Kata Kunci: Adaptive Neuro Fuzzy Inference System, ANFIS, Kerabang Telur, RGB. Abstract: Eggshell is an outer layer of eggs that protects the egg from deterioration in quality caused by microbial contamination, physical damage or evaporation. One that affects eggshell quality is the age of chickens, the increasing age of chickens the quality of the eggshell decreases, the eggshell gets thinner, the color of the eggshell fades and the weight of the egg increases. Larger eggs have fewer color pigments and lighter colors compared to smaller eggs. More dark brown eggs are stronger and thicker than light brown eggs. The problem formulated in this study is how to build an application that can identify race chicken eggs into 3 classes (quality 1, 2 and 3) based on the RGB image of race chicken eggshell using the ANFIS method. The ANFIS (Adaptive Neuro Fuzzy Inference System) method shows the results of this study can facilitate buyers in determining egg quality by looking at the color of the egg and saving the buyer's time in determining the quality of eggs in the market. Keywords: Adaptive Neuro Fuzzy Inference System, ANFIS, Egg Shell, RGB.
Identifikasi Butir Beras Utuh Dan Butir Beras Patah Berdasarkan Perimeter Menggunakan Jaringan Syaraf Tiruan Muhamad Rifqi; Retno Nugroho Whidhiasih
Journal of Students‘ Research in Computer Science Vol. 1 No. 1 (2020): Mei 2020
Publisher : Program Studi Informatika Fakultas Ilmu Komputer Universitas Bhayangkara Jakarta Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31599/jsrcs.v1i1.77

Abstract

Abstract Rice is a staple food for most Indonesian people. The prediction of rice production in 2016-2019 is estimated to reach 80.43 million tons, an increase of 2.57% over the next 4 years. The cause of broken rice occurs when separating rice grains from the grain, the grain is put into a scourer to remove the layer of aleuron that attaches to the rice. During rubbing, there is an emphasis on rice grains resulting in broken grains. Visual testing of rice so far is still using the manual method so there is concern that an error will still occur because of the limited human vision. Based on the above background the authors intend to develop research on identification of whole grain and broken rice grains based on the perimeter using artificial neural networks as a form of digital technology development (image processing) based on the quality of the Indonesian National Standard number (SNI 6128: 2015). Keywords: Identification, Rice, Perimeter, Sobel, Artificial Neural Networks. Abstrak Beras merupakan makanan pokok bagi sebagian besar masyarakat Indonesia. Prediksi produksi padi pada tahun 2016-2019 diperkirakan akan mencapai 80,43 juta ton atau meningkat sebesar 2,57% dari selama periode 4 tahun kedepan. Penyebab beras patah terjadi pada saat pemisahan butir beras dari gabah, gabah tersebut dimasukkan ke dalam alat penyosoh untuk membuang lapisan aleuron yang menempel pada beras. Selama penyosohan terjadi penekanan terhadap butir beras sehingga terjadi butir patah. Pengujian beras secara visual selama ini masih menggunakan cara manual sehingga dikhawatirkan masih terjadi kesalahan karena terbatasnya pengelihatan manusia. Berdasarkan latar belakang diatas penulis bermaksud mengembangkan penelitian identifikasi butir beras utuh dan butir beras patah berdasarkan perimeter menggunakan jaringan syaraf tiruan sebagai bentuk dari pengembangan teknologi digital (pengolahan citra) berdasarkan mutu dari Standard Nasional Indonesia nomer (SNI 6128:2015). Kata Kunci: Identifikasi, Beras, Perimeter, Sobel, Jaringan Syaraf Tiruan.
IDENTIFIKASI TINGKAT MANIS BUAH BELIMBING BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN FUZZY NEURAL NETWORK Retno Nugroho Whidhiasih
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 3 No. 2 (2015): September 2015
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACT Fuzzy Neural Network (FNN) has a capability to classify a pattern within two different classes which a classical Neural Network (NN) is failed to do so. The fuzzy pattern classification use membership degree on output of neuron as learning target. This research aim is to develop an artificial intelligence system model for non-destructive classification of starfruit using Fuzzy Neural Network. The input parameter is the estimator parameter of starfruit sweet level of red, green and blue index color obtained from image processing. The best result of starfruit sweet level identification using FNN with three classification class target (sour, medium and sweet) is achieved with 25 neurons in hidden layer and 14th epoch with 100% accuracy. Keyword : classification, fuzzy neural network, starfruit, non-destructive grading, pattern recognition. ABSTRAK Fuzzy Neural Network (FNN) memiliki kemampuan untuk mengklasifikasikan pola dalam dua kelas yang tidak bisa dilakukan oleh Neural Network (NN). FNN merupakan klasifikasi fuzzy yang mengubah target dari pembelajaran menjadi derajat keanggotaan. Tujuan penelitian ini adalah untuk mengembangkan model sistem kecerdasan buatan untuk klasifikasi non-destruktif dari belimbing menggunakan Fuzzy Neural Network. Parameter input yang digunakan adalah indeks warna red, green dan blue yang diperoleh dari pengolahan citra. Hasil terbaik dari identifikasi belimbing tingkat manis buah belimbing menggunakan FNN ke dalam tiga target kelas klasifikasi, yaitu asam, sedang dan manis dicapai dengan 25 neuron pada lapisan tersembunyi pada epoch ke 14 dengan akurasi 100%. Keyword : identifikasi, fuzzy neural network, belimbing, identifikasi non destruktif
IDENTIFIKASI RASA BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN JARINGAN SYARAF TIRUAN Upi Yuliana; Retno Nugroho Whidhiasih; Maimunah Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 4 No. 2 (2016): September 2016
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACT This study aims to identify the image of Gedong Gincu mango based RGB image using Backpropagation ANN. Data used are 90 images of Gedong Gincu Mango. Then the image of Gedong Gincu Mango were split into two groups of data which unkwon to each other, the training data and data testing. Data training is 75 consist of 25 acid class data, 25 medium class data and the remaining is 25 sweet data. Data testing is 15 which consist of 5 acid class data, 5 medium class data and 5 sweet class data. In this study, the parameters used are the learning rate of 0.1, with a number of epoch as many as 2500, the value of MSE (error) is 0.0001 and with variations in the number of hidden layers that will be tested as much as 2, 5, 10, 15, 20, and 25 neurons. With these parameters will be able to identify a class of Gedong Gincu mango with a success rate of 66.6% in 2500 with a variation epoch, neuron number is 2, the value of MSE (error) of 0,269 and at the 35th second. Keyword : Identification,Neural Network, Gedong Gincu Mango ABSTRAK Penelitian ini bertujuan untuk mengidentifikasi citra buah mangga gedong gincu berdasarkan citra RGB menggunakan JST Backpropagation. Data yang digunakan berjumlah 90 citra buah mangga gedong gincu. Lalu citra buah mangga gedong gincu tersebut dibagi menjadi dua kelompok data yang saling asing, yaitu data training dan data testing. Data training berjumlah 75 data yang terdiri dari 25 data kelas asam, 25 data kelas sedang dan 25 data kelas manis. Data testing berjumlah 15 data yang terdiri dari 5 data kelas asam, 5 data kelas sedang dan 5 data kelas manis. Pada penelitian ini parameter yang digunakan yaitu dengan laju pembelajaran sebesar 0.1, dengan jumlah epoch sebanyak 2500, nilai MSE (error) sebesar 0.0001 dan dengan variasi jumlah lapisan tersembunyi yang akan dicobakan sebanyak 2, 5, 10, 15, 20, dan 25 neuron. Dengan parameter tersebut mampu mengidentifikasi kelas buah mangga gedong gincu dengan tingkat keberhasilan sebesar 66,6% pada epoch 2500 dengan variasi jumlah neuron 2, nilai MSE(error) sebesar 0.269 dan pada detik ke 35. Keywords: Identifikasi, Jaringan Syaraf Tiruan, Mangga Gedong Gincu
IDENTIFIKASI JENIS DAUN TANAMAN OBAT HIPERTENSI BERDASARKAN CITRA RGB MENGGUNAKAN JARINGAN SYARAF TIRUAN Imma Jamaliah; Retno Nugroho Whidhiasih; Maimunah Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 5 No. 1 (2017): Maret 2017
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACT Identify the type of plant leaves hypertension drug necessary to distinguish between types of leaves that are still difficult to distinguish from the cloud or do not understand the herbal medicine. How to distinguish the types of leaves there is one way for people to understand first by using direct eye. This study aims to make identification of the type of plant leaves hypertension drug based RGB image using Artificial Neural Networks. The first extraction into RGB image data, further training to the training data. Weights obtained were tested using the test data. The experiment resulted in recognition capabilities of each leaf that leaves 100%, 80% cat whiskers leaves, celery leaves 100%, 40% avocado leaves, soursop leaves 60%. Keyword : identifiy, type of plant leaves hypertension medicine, rgb, neural network. ABSTRAK Identifikasi daun tanaman obat hipertensi diperlukan untuk membedakan jenis daun yang masih menjadi kesulitan bagi m dibedakan orang awan atau tidak mengerti obat herbal. Cara membedakan jenis daun pada umumnya dilakukan dengan cara pengamatan visual secara langsung. Penelitian ini bertujuan untuk melakukan identifikasi jenis daun tanaman obat hipertensi berdasarkan citra RGB menggunakan jaringan syaraf tiruan. Jenis daun yang digunakan adalah daun salam,daun kumis kucing,daun seledri,daun alpukat dan daun sirsak. Pertama kali dilakukan ekstraksi data citra menjadi RGB, selanjutnya dilakukan training terhadap data training. Bobot yang didapatkan diuji menggunakan data uji. Percobaan menghasilkan kemampuan pengenalan dari masing-masing daun yaitu daun salam 100%, daun kumis kucing 80%, daun seledri 100%, daun alpukat 40%, daun sirsak 60%. Keyword :identifikasi,daun tanaman obat hipertensi, citra rgb, jaringan syaraf tiruan
IDENTIFIKASI BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM Nur Saqinah Hodijah; Retno Nugroho Whidhiasih; Dadan Irwan
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 5 No. 1 (2017): Maret 2017
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRACT Mangifera indica (Mangga Gedong Gincu Cirebon) has good prospects for development because it has characteristics in accordance with market demand, which has the mango skin is red, fiber component in the flesh is quite a lot and have a very pungent aroma. This research aims to create a system of identification of Mangifera indica Cirebon based RGB image using adaptive neuro fuzzy inference system (ANFIS). Data used were 90 images of Mangifera indica will be divided into training data amounted to 75 data consisting of 25 acid class data, class data 25 and 25 class data being sweet. Data testing amounted to 15 data consisted of 5 acid class data, class data 5 medium and 5 class data sweet. In ANFIS training algorithm using hybrid methods Recursive Least Square Estimator (RLSE), and the number of epoch 1000, the error value 0.5220 and is able to identify the class of fruit Mangifera indica with an accuracy rate of 66.6%. Keyword : identification of Mangifera indica, rgb, adaptive neuro fuzzy inference system ABSTRAK Mangga Gedong Gincu Cirebon mempunyai prospek baik untuk dikembangkan karena mempunyai karakteristik yang sesuai dengan permintaan pasar, yaitu mempunyai kulit mangga berwarna merah, komponen serat pada daging buah cukup banyak dan mempunyai aroma sangat tajam. Penelitian ini bertujuan untuk membuat sistem identifikasi buah mangga gedong gincu cirebon berdasarkan citra RGB menggunakan adaptif neuro fuzzy inference system (ANFIS). Data yang digunakan berjumlah 90 citra buah mangga gedong gincu akan dibagi menjadi data training berjumlah 75 data yang terdiri dari 25 data kelas asam, 25 data kelas sedang dan 25 data kelas manis. Data testing berjumlah 15 data yang terdiri dari 5 data kelas asam, 5 data kelas sedang dan 5 data kelas manis. Pada pelatihan ANFIS menggunakan algoritma hybrid dengan metode Recursive Least Square Estimator ( RLSE), dan jumlah epoch sebanyak 1000, nilai error 0.5220 dan mampu mengidentifikasi kelas buah Mangga Gedong Gincu dengan tingkat akurasi sebesar 66,6%. Keyword :identifikasi buah mangga gedong gincu, rgb, adaptif neuro fuzzy inference system
Identifikasi Beras Berdasarkan Warna Menggunakan Adaptive Neuro Fuzzy Inference System Muhammad Gilang Alfianto; Retno Nugroho Whidhiasih; Maimunah Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 5 No. 2 (2017): September 2017
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v5i2.267

Abstract

ABSTRACT Rice is the main food ingredient for Indonesian people. Through the National Standardization Agency, The Government has established a general requirement of rice, that is good quality rice which has a white color of whitewashed and low-quality rice which has a yellowish color (SNI 6128: 2015). To determine the different color of good quality rice and the low-quality one it often happens of wrong identification caused by different perception on the color. This problem can be solved by creating the system to identify good quality rice of IR64 and the low-quality one. The data used are primary data, in the form of good quality rice with grain image of 50 and the low-quality one is 50. The observation data used for trial is La * b * and Sa * b * using Adaptive Neuro-Fuzzy Inference Systems ( ANFIS). The observation variable Sa * b * produce higher identification compared to La*b*, with accuracy value is 90%. Keyword : rice, quality,color,classification ABSTRAK Beras merupakan bahan pangan utama masyarakat Indonesia. Pemerintah melalui badan Standarisasi Nasional telah menetapkan syarat umum beras, yaitu beras berkualitas baik yang mempunyai warna putih mengapur dan beras berkualitas rusak yang mempunyai warna kekuningan (SNI 6128:2015). Untuk menentukan perbedaan warna beras berkualitas baik dan rusak seringkali terjadi kesalahan identifikasi yang dikarenakan perbedaan persepsi warna. Hal tersebut dapat diatasi dengan membuat sistem untuk mengidentifikasi butir beras IR 64 yang berkualitas baik dan rusak. Data yang digunakan adalah data primer, yang berupa gambar butir beras berkualitas baik sebanyak 50 dan butir beras beras berkualitas rusak sebanyak 50. Variabel penduga yang dicobakan adalah La*b* dan Sa*b* dengan menggunakan metode Adaptive Neuro Fuzzy Inference Systems (ANFIS). Variabel penduga Sa*b* menghasilkan identifikasi yang lebih tinggi dibandingakan La*b* dengan nilai akurasi sebesar 90%. Kata kunci : beras, kualitas,warna,klasifikasi
Klasifikasi Tahap Kematangan Pisang Ambon Berdasarkan Warna Menggunakan Naive Bayes Dwi Yulianto; Retno Nugroho Whidhiasih; Maimunah Maimunah
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 5 No. 2 (2017): September 2017
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v5i2.268

Abstract

ABSTRACT Banana fruit is a commodity that contributes a great value to both national and international fruit production achievement. The government through the National Standardization Agency establishes standards to maintain the quality of bananas. The purpose of this Project is to classify the stages of maturity of Ambon banana base on the color index using Naïve Bayes method in accordance with the regulations of SNI 7422:2009. Naive Bayes is used as a method in the classification process by comparing the probability values generated from the variable value of each model to determine the stage of Ambon banana maturity. The data used is the primary data image of 105 pieces of Ambon banana. By using 3 models which consists of different variables obtained the same greatest average accuracy by using the 2nd model which has 9 variable values (r, g, b, v, * a, * b, entropy, energy, and homogeneity) and the 3rd model has 7 variable values (r, g, b, v , * a, entropy and homogeneity) that is 90.48%. Keywords: banana maturity, classification, image processing ABSTRAK Buah pisang merupakan komoditas yang memberikan kontribusi besar terhadap angka produksi buah nasional maupun internasional. Pemerintah melalui Badan Standarisasi Nasional menetapkan standar untuk buah pisang, menjaga mutu buah pisang. Tujuan dari penelitian ini adalah klasifikasi tahapan kematangan dari buah pisang ambon berdasarkan indeks warna menggunakan metode Naïve Bayes sesuai dengan SNI 7422:2009. Naive bayes digunakan sebagai metode dalam proses pengklasifikasian dengan cara membandingkan nilai probabilitas yang dihasilkan dari nilai variabel penduga setiap model untuk menentukan tahap kematangan pisang ambon. Data yang digunakan adalah data primer citra pisang ambon sebanyak 105. Dengan menggunakan 3 buah model yang terdiri dari variabel penduga yang berbeda didapatkan akurasi rata-rata terbesar yang sama yaitu dengan menggunakan model ke-2 yang mempunyai 9 nilai variabel (r, g, b, v, *a, *b, entropi, energi, dan homogenitas) dan model ke-3 yang mempunyai 7 nilai variabel (r, g, b, v, *a, entropi dan homogenitas) yaitu sebesar 90.48%. Kata Kunci : kematangan pisang, klasifikasi, pengolahan citra
Rancang Bangun Document Management System Universitas “45” Bekasi Malikus Sumadyo; Retno Nugroho Whidhiasih
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 1 No. 1 (2013): Januari 2013
Publisher : LPPM Universitas Islam 45 Bekasi

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

Abstract

ABSTRAK Sistem Manajemen Dokumen atau Document Management System (DMS) adalah sistem pengelolaan dokumen secara elektronik yang diterapkan pada suatu organisasi yang besar. DMS dapat mengurangi resiko kehilangan dokumen dan besarnya biaya penyimpanan. DMS mempunyai berbagai kelebihan sehingga dokumen akan mudah dikelola, mudah dicari letaknya, dapat dicetak kembali dan berbagai manfaat lainnya yang dapat mendukung proses bisnis suatu perusahaan ataupun institusi pendidikan yang membutuhkan pelayanan dokumen secara cepat dan akurat meskipun jumlah dokumen yang dikelola sangat banyak. Siklus hidup DMS dimulai dari proses digitalisasi dokumen, penerimaan dokumen, pengolahan dokumen yang mencakup duplikasi, distribusi, indexing, penyimpanan dan pemeliharaan sampai pada jadual retensi dan pemusnahan dokumen. DMS yang dibangun diimplementasikan pada Universitas Islam “45” Bekasi. Admin yang berada di pusat (Rektorat) mengelola data seluruh fakultas, dibantu oleh manajer (admin fakultas) untuk menverifikasi data di setiap fakultas. User (pengguna, dosen maupun karyawan) dapat menginput dan mengelola data akademik serta data individu, sehingga data yang terkelola dengan baik tersebut menghasilkan knowledge yang dapat mendukung penentu kebijakan dalam pengambilan keputusan di tingkat program studi, fakultas maupun universitas. Secara khusus DMS tersebut mendukung evaluasi program studi dan pengurusan kepangkatan fungsional dosen. DMS Unisma dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL dengan tujuan agar dapat diakses melalui jaringan intranet yang sudah terpasang di seluruh fakultas. Kata kunci : DMS, Document Management System, knowledge, sistem berbasis web, dokumen elektronik ABSTRACT Document Management Systems DMS is an electronic document management system to be applied to a great organization like the Islamic University '45 '(Unisma) Bekasi which requires service of documents quickly and accurately even though the number of documents that are managed very much. The main feature of this system is the storage and retrieval of documents, for which the system is built with a database structure in such a way in order to optimally serve the data needs of the faculty and staff. Central Admin (rector office) manage data across faculties, aided by the Manager (admin faculty) to verify the data in each faculty. User (lecture and staff) can enter and manage personal academic data each individual, so that the results can help any academic activity in the study program, the faculty and the university as a self-evaluation study program or the maintenance of lecture functional rank. Unisma DMS was developed using the PHP programming language and MySQL database in order to be accessible via the intranet network already installed in all faculties. Keyword : DMS, Document Management System, SDLC, Web base system
Co-Authors Anita Setyowati Srie Gunarti Dadan Irwan Dede Rosadi Dwi Yulianto Imma Jamaliah Maimunah Maimunah Maimunah Maimunah Malikus Sumadyo Muhamad Rifqi Muhammad Gilang Alfianto Nur Saqinah Hodijah Nursinta Adi Wahanani Rahmadya Trias Handayanto Rahmadya Trias Handayanto Supriyanto Supriyanto Upi Yuliana