Claim Missing Document
Check
Articles

Found 29 Documents
Search

Rancang Bangun Sistem Informasi Pemasaran Anchu Store Berbasis Web Mashud, Abd; Irawati, Irawati; Gaffar, Andi Widya Mufila
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2268

Abstract

Perkembangan ilmu pengetahuan teknologi khususnya di bidang komputer disetiap aspek kehidupan dan penggunaan teknologi komputer dan teknologi komunikasi yang menghasilkan sebuah penggabungan sistem informasi yang saat ini mudah untuk di akses tanpa adanya batasan waktu dan jarak dengan menggunakan jaringan internet. Model penjualan atau bisnis teknologi komputer dan teknologi komunikasi ikut terpengaruh dari perkembangan ilmu pengetahuan teknologi tersebut, terlebihnya dengan pesatnya pertumbuhan pengguna internet di berbagai belahan dunia khususnya negara berkembang. ANHCU store merupakan usaha yang bergerak dibidang penjualan tangan berbagai macam merek yang berada di pasar sengggol jln cendrawasih. Penjualan jam tangan ini masih menggunakan secara konvesional mengharuskan pembeli bertemu dengan penjual dalam suatu tempat dan melakukan transaksi jual beli ditempat tersebut. Namun tidak semua orang memiliki waktu untuk datang ke toko untuk membeli jam. Pada perancangan aplikasi penjualan jam menggunakan metode Rapid Application Development (RAD) adapun tiga tahapan tersebut adalah requirements planning (perencanaan), design workshop (perancangan), dan implementation (implementasi). Hasil dari penelitian ini yaitu menunjukkan bahwa berhasil melakukan perancangan sistem pemasaran jam untuk membantu pihak anchu store dalam melakukan pemasaran untuk membantu pihak toko dalam melakukan penjualan secara efektif dengan memesan jam pada sistem serta melakukan pembayaran. Pada sistem pmasaran jam juga terdapat pencatatan pengeluaran dan pendapatan yang didapatkan tiap bulan
Perancangan Alat Pengering Biji Pala Berbasis Arduino Uno Arifin, Muh. Fadhel; Fattah, Farniwati; Gaffar, Andi Widya Mufila
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2266

Abstract

Pala sebagai tanaman rempah dengan nilai ekonomis dan multi guna, memiliki berbagai bagian yang dapat dimanfaatkan dalam industri makanan, minuman,kosmetik, dan minyak atsiri. Hasil utama pada buah pala adalah fuli dan biji pala yang kering, penjemuran biji pala sering terhambat jika curah hujan tinggi, akibatnya kadar air yang terdapat pada biji pala tidak merata sehingga dapat terkontaminasi dengan jamur. Permasalahan yang paling utama terdapat pada proses penjemuran biji pala setelah panen, yang dimana proses pengeringan bertujuan untuk mengurangai kadar air yang terkandung pada biji pala. Proses penjemuran merupakan salah satu cara menurunkan kadar air biji pala hinggai mencapai standar. Saat ini, metode penjemuran di tingkat petani dilakukan secara tradisional di bawah sinar matahari, yang memiliki kelemahan seperti waktu pengeringan yang lama, kurangnya kebersihan, dan rentan terhadap cuaca. Oleh karena itu, makalah ini bertujuan merancang alat pengering biji pala berbasis Arduino Uno dengan pemanas he, kipas, dan sensor DHT22 untuk memastikan stabilitas suhu dan efisiensi proses pengeringan
Vehicle Detection Using YOLOv8 on Low-Resolution Images Nifal; Farniwati Fattah; Andi Widya Mufila Gaffar
Indonesian Journal of Data and Science Vol. 7 No. 1 (2026): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i1.371

Abstract

Vehicle detection in low-resolution images remains a significant challenge in computer vision, particularly for embedded devices such as ESP32-CAM with limited computational resources and simple image resolution. This study evaluates the performance of YOLOv8 on low-resolution QVGA (320 × 240 pixels) images for vehicle detection and classification. The dataset was independently collected in a controlled laboratory environment using miniature vehicles, covering four vehicle classes (motorcycle, car, bus, and truck) with a total of 4,000 images and a 70:20:10 data split. A pretrained YOLOv8 model was fine tuned for 100 epochs and tested on an ESP32-CAM prototype. The evaluation results demonstrate excellent performance, achieving precision of 0.999, recall of 1.000, mAP@0.5 of 0.995, and mAP@0.5-0.95 of 0.995 on the validation data, as well as real-time detection accuracy of 97% for motorcycles and cars, and 99% for buses and trucks. These findings indicate that YOLOv8 can deliver reliable vehicle detection performance on low-resolution images and is suitable for implementation in embedded device-based systems
Penerapan Algoritma Support Vector Machine untuk Klasifikasi Stunting pada Balita di Kabupaten Enrekang Andi Widya Mufila Gaffar; Andi Muhammad Halis; Purnawansyah; Sitti Rahmah Jabir
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13620

Abstract

Stunting adalah salah satu bentuk gizi yang kurang yang ditandai dengan tinggi badan berdasarkan umur dan diukur dengan standar deviasi referensi WHO yang dapat dilihat pada Indikator TB/U (tinggi badan dengan usia). Salah satu kabupaten dengan jumlah penduduk stunting terbanyak di provinsi Sulawesi Selatan adalah Kabupaten Enrekang. Metode yang digunakan pada penelitian ini yaitu klasifikasi stunting menggunakan algoritma Support Vector Machine (SVM) dengan kernel polynomial yang bertujuan untuk mengelompokkan data anak balita di bawah 60 bulan apakah mengalami stunting atau tidak (normal). Klasifikasi Stunting pada balita memiliki signifikansi penting karena menjadi landasan untuk merancang program pencegahan Stunting. Untuk menilai performa dan cara kerja model Support Vector Machine pada data anak balita di Kabupaten Enrekang, digunakan metode pengujian cross validation. Selain itu, hasil prediksi model dibandingkan dengan fakta aktual menggunakan confusion matrix. Pada pengujian dengan 10 K-Fold Cross Validation menggunakan Support Vector Machine menunjukkan hasil dengan nilai tertinggi berada pada fold ke-4 dengan tingkat accuracy 99.13% precision 99.13% recall 99.13% f1-score 99.13%. sedangkan nilai terendah berada pada fold ke-0 dengan tingkat accuracy 95.63% precision 95.74% recall 95.63% f1-score 95.51%. Untuk rata-rata dari pengujian fold menunjukkan hasil accuracy 96.98% precision 96.99% recall 96.98% f1-score 96.94%. Sedangkan untuk hasil dari Confusion Matrix dengan nilai accuracy sebanyak 98% secara total.
Penerapan Model Investigasi Forensik Komputer Umum dalam Analisis Forensik Video CCTV Adhitya Nugraha; Erick Irawadi Alwi; Andi Widya Mufila Gaffar
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13963

Abstract

Keamanan merupakan salah satu aspek yang harus dijaga dalam kehidupan masyarakat saat ini, semakin meningkatnya kasus kriminal seperti pencurian, perampokan baik di lingkungan rumah, toko, maupun perkantoran diperlukan mekanisme untuk meningkatkan keamanan. Salah satunya dengan memasang kamera pemantau atau yang biasa disebut CCTV (Closed Circuit Television) yang digunakan sebagai alat kamera pengawas.Metode penelitian yang dilakukan pada kasus pencurian pada toko sembako menggunakan metode yang bersifat kualitatif. Pada penelitian ini dilakukan analisis data yang bertujuan untuk mengidentifikasi bukti digital pada kasus rekaman video CCTV kasus pembegalan di Jl. Pahlawan Kelurahan Batangmata dengan menggunakan klasifikasi metode GCFIM, tahapan analisis data tersebut yaitu Pre-Process, Acquisition and Preservation, Analysis, Presentation, dan Post-Process.Hasil dari penelitian ini mendapatkan bukti berupa plat motor yang digunakan pelaku, objek wajah pelaku, dan tulisan pada pakaian pelaku. Dimana rekaman dari CCTV yang dijadikan sebagai barang bukti akan dilakukan proses identifikasi dan analysis menggunakan tools forensic yaitu MediaInfo dan AmpedFive. Proses identifikasi pada rekaman CCTV dalam mengidentifikasi plat motor pelaku beserta objek wajah pelaku berhasil teridentifikasi menggunakan tools AmpedFive. Dimana bukti tersebut sangat membantu penyidik dalam proses pencarian pelaku kejahatan aksi pembegalan yang terjadi di jalan raya tepatnya di Jalan Pahlawan Kelurahan Batangmata. Proses analisis rekaman CCTV kasus pembegalan di jalan raya menerapkan metode GCFIM. Metode ini sangat cocok digunakan dalam proses investigasi terkait video forensic yang dimana memiliki tahapan yang terstruktur sehingga mempermudah penyidik dalam melakukan proses investigasi.
Studi Forensik Digital: Analisis Bukti Video TikTok dengan Metode DFRWS Ahmad Qayyum Ibnu Hidayat; Erick Irawadi Alwi; Andi Widya Mufila Gaffar
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13966

Abstract

Perkembangan teknologi informasi telah memberikan dampak yang signifikan terhadap kehidupan manusia, baik dalam peningkatan kesejahteraan maupun sebagai medan untuk tindakan kriminal seperti penyebaran berita bohong. Di Indonesia, penanganan masalah ini melibatkan berbagai upaya hukum, termasuk pemblokiran situs web yang dianggap sebagai sumber informasi palsu berdasarkan isi kontennya. Data dari Kementerian Komunikasi dan Informatika menunjukkan peningkatan jumlah hoaks yang diidentifikasi dari tahun ke tahun, mencerminkan tantangan besar dalam mengelola komunikasi publik melalui media sosial.Penelitian ini bertujuan untuk menganalisis penyebaran konten video hoax yang terjadi di platform TikTok menggunakan metode Digital Forensic Research Workshop (DFRWS). Dalam penelitian ini, bukti digital yang dihapus berhasil direkonstruksi dari smartphone pelaku menggunakan alat forensik seperti wondershare dr.fone dan oxygen forensic. Hasil analisis menunjukkan bahwa bukti digital yang ditemukan termasuk video konten, pesan langsung, dan komentar yang ditinggalkan oleh pelaku. Proses analisis menggunakan metode DFRWS, yang terdiri dari enam tahapan, memberikan kerangka kerja yang sistematis untuk memeriksa bukti digital secara menyeluruh. Penelitian ini memberikan kontribusi dalam pemahaman tentang pentingnya bukti digital dalam proses hukum terkait penyebaran hoaks melalui media sosial, serta memperkuat metode analisis forensik yang diterapkan untuk memastikan keabsahan bukti dalam persidangan. Dengan demikian, penelitian ini menyoroti perlunya pendekatan yang efektif dalam penegakan hukum untuk mengatasi fenomena penyebaran hoaks yang semakin meresahkan masyarakat modern.
Sistem Rekomendasi Pemilihan Hardware Komputer Menggunakan Metode Item-Based Collaborative Filtering Sugiarti Sugiarti; Andi Widya Mufila Gaffar; Suallis Suallis; Sri Wulandari Samsul
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14713

Abstract

Personal Computer (PC) atau komputer pribadi banyak dimanfaatkan untuk menyelesaikan berbagai macam permasalahan yang berkaitan dengan pengolahan data. Manfaat dan fungsi komputer yang begitu besar sehingga banyak orang yang menginginkan sebuah komputer yang bagus. Komputer dapat berfungsi dengan baik jika komponen yang ada di dalamnya memiliki spesifikasi yang sesuai. Komponen sistem komputer terdiri atas perangkat keras (hardware), perangkat lunak (software) dan orang atau pengguna (brainware). Komponen utama perangkat keras terdiri dari processor, motherboard, RAM, VGA, SSD, PSU dan perangkat pendukung lainnya. Kendala dalam membeli komponen komputer sering muncul karena kurangnya pengetahuan tentang spesifikasi optimal dan kompatibilitas antar komponen dan banyaknya pilihan sering menyebabkan hasil yang tidak sesuai harapan. Penelitian ini bertujuan membuat sistem rekomendasi pemilihan komponen komputer dengan menerapkan metode Item-Based Collaborative Filtering. Sistem dapat memberikan rekomendasi kepada pengguna tentang komponen hardware yang dapat dipilih sesuai kebutuhan. Hasil penelitian diperoleh bahwa metode Item-Based Collaborative Filtering dapat memberikan rekomendasi dengan melalui beberapa tahap yaitu pemberian rating, hitung rata-rata rating, menghitung nilai similarity kemudian menghitung nilai prediksi. Berdasarkan pemberian nilai rating pengguna dengan 6 komponen processor, diperoleh nilai rating prediksi 4 komponen E (AMD Processor Ryzen 5 3600Xt) dan nilai rating 3 komponen F (AMD Processor Ryzen 5 3500 Box 3.6Ghz 6 Cores Socket Am4). Sistem ini dapat dikembangkan dan bandingkan menggunakan metode user-based collaborative filtering sertadilakukan pengujian menggunakan Black Box agar dapat diketahui manfaat sistem dari sisi pengguna
Deteksi dan Klasifikasi Jenis Kacang-Kacangan Menggunakan CNN Berbasis ESP32-Cam Andi Widya Mufila Gaffar; Dewi Widyawati; Fahmi Fahmi; Sri Ulfiani
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15359

Abstract

Kacang-kacangan merupakan sumber pangan padat energi yang kaya nutrisi bioaktif, berperan penting dalam menjaga kesehatan serta menurunkan risiko penyakit kronis yang dimana kacang-kacangan memiliki jenis dan varietas yang sangat beragam dengan ciri-ciri seperti warna, bantuk dan karateristik yang berbeda beda. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis jenis kacang-kacangan menggunakan metode Convolutional Neural Network (CNN) berbasis arsitektur Faster Objects, More Objects (FOMO) yang diintegrasikan dengan perangkat berbiaya rendah ESP32-Cam melalui platform Edge Impulse. Empat jenis kacang yang digunakan sebagai objek penelitian meliputi kacang hijau, kacang kedelai, kacang merah, dan kacang tanah, dengan total 530 citra hasil akuisisi data. Proses penelitian meliputi tahapan akuisisi data, pre-processing berupa pelabelan, normalisasi, dan resize, pembagian dataset, pelatihan model dengan 60 epoch dan learning rate 0,001, hingga evaluasi kinerja model. Hasil evaluasi menunjukkan bahwa model mencapai F1 Score rata-rata 90,4%, yang termasuk kategori sangat baik, dengan keseimbangan optimal antara precision dan recall. Pada tingkat per kelas, kacang merah berhasil dikenali sempurna dengan akurasi 100%, kacang hijau memperoleh akurasi 94,4%, sedangkan kacang kedelai dan kacang tanah masing-masing mencapai 88% dan 88,9%. Analisis feature explorer menunjukkan adanya tumpang tindih pada distribusi kacang kedelai dan kacang tanah akibat kemiripan tekstur dan morfologi, sehingga berpotensi menimbulkan kesalahan klasifikasi. Secara keseluruhan, hasil penelitian ini membuktikan bahwa CNN dengan menggunakan ESP32-Cam mampu mendeteksi jenis kacang-kacangan dengan akurasi yang sangat baik.
Implementasi Model MobileNetV2 pada ESP-32 CAM untuk Klasifikasi Botol Plastik Edo Ranov Anjasmara; Farniwati Fattah; Andi Widya Mufila Gaffar
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16197

Abstract

Waste management, particularly in sorting plastic bottle and non-bottle waste, remains a challenge in supporting effective recycling systems. This study aims to implement the MobileNetV2 model on the ESP32-CAM device using the Edge Impulse platform and to evaluate the model’s performance in real-time object classification. The dataset consists of 200 images containing bottle and non-bottle objects with variations in lighting conditions, shooting angles, and backgrounds. The model was trained using Edge Impulse and then converted into TensorFlow Lite format for deployment on the ESP32-CAM device.The training results show that the model achieved high performance with an accuracy of 92.50%, supported by an AUC of 0.97, precision of 0.98, recall of 0.97, and F1-score of 0.97. Based on the simplified confusion matrix with visual verification, the model achieved 100% accuracy in detecting bottle objects and 95% accuracy for non-bottle objects, with a 5% misclassification rate. However, during real-world implementation on the ESP32-CAM device, the model’s performance decreased to 65.7% accuracy due to differences between training and real-world conditions as well as hardware limitations.Despite this, the system successfully performed real-time image classification on an embedded device. This study demonstrates that the edge artificial intelligence approach using MobileNetV2 and Edge Impulse can be effectively applied to resource-constrained devices, although improvements are still needed in terms of model generalization and dataset diversity.