Claim Missing Document
Check
Articles

Found 12 Documents
Search

PERANCANGAN GAME APLIKASI MENYUSUN KATA PADA ANAK KELAS 1 DI SDN KOPI MENGGUNAKAN CONSTRUCT 2 Nana Suryana; Nurhasan Nugroho; Ahmad Munawir
INFOTECH journal Vol. 11 No. 2 (2025)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v11i2.15277

Abstract

Skripsi ini membahas perancangan dan pengembangan aplikasi Game Menyusun kata untuk di gunakan di SDN KOPI. Aplikasi ini bertujuan untuk memberikan metode belajar yang interaktif dan menarik. Metode pengembangan yang digunakan dalam proyek ini adalah Multimedia Development life cycle (MDLC) yang terdiri dari enam tahapan: konsep, desain, pengumpulan material, perakitan, pengujian, dan distribusi. Aplikasi ini dikembangkan menggunakan CONSTRUCT 2. Perkembangan teknologi dalam dunia pendidikan mendorong inovasi dalam metode pembelajaran, salah satunya dengan penggunaan game edukasi. Penelitian ini bertujuan untuk merancang aplikasi game menyusun kata menggunakan Construct 2 sebagai media pembelajaran interaktif.Aplikasi ini dikembangkan dengan konsep permainan yang menarik dan interaktif agar siswa lebih semangat dalam belajar menysusun kata . Hasil pengujian menunjukkan bahwa aplikasi ini dapat meningkatkan minat serta pemahaman siswa terhadap menysun kata. Dengan demikian, game edukasi ini diharapkan dapat menjadi salah satu alternatif media pembelajaran yang inovatif dan efektif bagi siswa sekolah dasar
Perancangan Aplikasi Pintar Monitoring Dan Deteksi Anomali BBM Menggunakan Machine Learning Di PT. BDR Solehudin Solehudin; Ahmad Munawir; Wahyu Amaldi
BETRIK Vol. 16 No. 02 (2025): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/cfdvkr55

Abstract

In the digital era, the need for technology-based monitoring systems is increasing, especially in the transportation and logistics industry. PT BDR faces challenges in reporting and monitoring fuel consumption for operational vehicles due to the manual recording process, making it difficult to detect anomalous data and making monitoring less efficient. This study aims to develop a web-based application capable of automatically monitoring and detecting fuel consumption anomalies by utilizing machine learning and deep learning technologies. The system development method uses the CRISP-DM approach, which includes the stages of business understanding, data understanding, data preparation, modeling, evaluation, and implementation. The Isolation Forest algorithm is used to detect anomalies based on fuel volume data, mileage, and vehicle consumption ratio, while the MobileNetV2-based Content-Based Image Retrieval (CBIR) method is applied to validate the suitability of gas station photos. The trained model is then integrated into the API using the Flask framework, with testing conducted through blackbox and whitebox testing. The test results show that the system is able to detect anomalies with a good level of accuracy and can be used practically by users. The implementation of this application is expected to improve the company's operational efficiency, reduce potential losses due to fuel misappropriation, and support the digitalization of the fuel monitoring process to be more accurate, effective, and integrated.