Articles
<![CDATA[Pelatihan Desain Grafis Sebagai Usaha Peningkatan Kompetensi Dan Jiwa Wirausaha Bagi Pemuda Gereja Toraja ]]>
<![CDATA[Michael, Aryo]]>;
<![CDATA[Rusman, Juprianus]]>;
<![CDATA[Damayanti, Irene Devi]]>
<![CDATA[ TONGKONAN: JURNAL PENGABDIAN MASYARAKAT Vol 1 No 2 (2022): Vol 1 No 2 (2022): Tongkonan: Jurnal Pengabdian Masyarakat ]]>
Publisher : <![CDATA[FKIP UKI TORAJA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (275.285 KB)
|
DOI: 10.47178/ggkexs73
<![CDATA[Pemuda Gereja sebagai generasi penerus gereja perlu membekali diri dengan berbagai kompetensi sehingga dapat membantu gereja dalam mengemban misi pelayanan. Salah satu upaya yang dapat dilakukan adalah dengan memberikan pelatihan untuk meningkatkan kualitas dan Sumber Daya Manusia (SDM) sehingga diharapkan dapat memberdayakan dan meningkatkan taraf hidup masyarakat. Salah satu bidang keterampilan yang banyak diminati oleh generasi muda saat ini adalah desain grafis, yang dapat memberikan kesempatan bagi para kreatif muda untuk mengembangkan keterampilan mereka dan membangun karir di industri kreatif. Diharapkan bahwa peserta pelatihan desain grafis akan memiliki keterampilan yang memadai untuk mendukung mereka dalam memulai usaha dan bekerja di berbagai sektor industri, pemerintahan, dan organisasi. Hasil PkM menunjukan peningkatan kemampuan para peserta setelah mengikuti pelatihan dimana peserta telah dapat membuat produk-produk desain grafis. Kesimpulan dari kegiatan ini adalah program pelatihan sangat bermanfaat bagi peserta dan semoga kegiatan ini dapat terlaksana di masa yang akan datang]]>
<![CDATA[Komparasi Kombinasi Pre-trained Model dengan SVM pada Klasifikasi Kematangan Kopi Berbasis Citra ]]>
<![CDATA[Michael, Aryo]]>
<![CDATA[ Jurnal Dynamic Saint Vol 7 No 1 (2022): Jurnal Dynamic Saint ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja. ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47178/dynamicsaint.v7i1.1613
<![CDATA[Harga kopi di pasar dunia dilihat dari kualitas kopi itu sendiri. Kualitas kopi sangat dipengaruhi oleh proses pengolahan kopi mulai dari proses taman hingga proses pasca panen. Salah satu proses pada tahapan pasca panen adalah melakukan penyortiran kopi yang matang. Identifikasi kematangan kopi pada dasarnya dilihat dari warna buah kopi. Perkembangan teknologi kecerdasan buatan secara khusus pembelajaran mendalan (deep learning) dapat digunakan untuk menyelesaian permasalahan tersebut melalui klasifikasi. Salah satu metode yang dapat digunakan adalah transfer learning dengan menggunakan model yang telah dilatih sebelumnya untuk menyelesaiakan tugas yang hampir sama. Tujuan penelitian ini adalah membandingkan pre-trained model yaitu VGG16, MobilnetV2 dan Inception yang dikombinasikan dengan support vector machine (SVM) pada lapisan classifier untuk melakukan klasifikasi kematangan buah kopi. Proses pelatihan model menggunakan tuning hyperparameter GridseacrhCV dengan 10 fold cross validation untuk mendapatkan kombinasi parameter terbaik dari SVM. Hasil penelitian memperlihatkan kombinasi model VGG16 dengan SVM dan MobileNetV2 dengan SVM memperlihatkan akurasi sebesar 0,96 atau 96%.]]>
<![CDATA[IT COMMUNITY SERVICE BY UKI TORAJA FOR THE INTERNATIONAL STUDENTS ]]>
<![CDATA[Michael, Aryo]]>;
<![CDATA[Garoga, Melki]]>;
<![CDATA[Maharani, Fanny]]>
<![CDATA[ Jurnal Literasiologi Vol 12 No 3 (2024): Jurnal Literasiologi ]]>
Publisher : <![CDATA[Yayasan Literasi Kita Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47783/literasiologi.v12i3.756
<![CDATA[Connecting Cultures: IT Community Service by UKI Toraja for International Students. This was achieved through the use of cutting edge science and technology, enabling smooth communication could take place between the UKI Toraja community with international students. The project was approached using diverse techniques, adopting digital communication and collaboration tools as an ad hoc solution to interactive learning platforms, multimedia content creation resources along with data visualization of large corpora. Over the four months of community members participating in this program, 21 international school students participated with many noting improved levels and that they felt like a part of their new local home. This work shows innovation is successful in using technology-based solutions to create inclusive, supportive environments for our diverse students.]]>
<![CDATA[Prediksi Persediaan Sepeda Motor Pada Dealer Yamaha Jaya Baru Motor Mengunakan Metode Frequent Pattern (FF-Growth) ]]>
<![CDATA[Salu, Nerwan]]>;
<![CDATA[Michael, Aryo]]>;
<![CDATA[Padang, Samuel Yakobus]]>;
<![CDATA[Adda, Muhammad Sofwan]]>
<![CDATA[ INFINITY : UKI Toraja Journal of Information Technology Vol 2 No 1 (2022): INFINITY : UKI Toraja Journal of Information Tecnology ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (393.299 KB)
|
DOI: 10.47178/infinity.v2i1.1690
<![CDATA[Perkembangan teknologi yang begitu cepat dapat menangani permasalahan-permasalahan yang ada dengan cara memprediksi dengan berbagai teknik. Maka pentingnya teknologi untuk memprediksi dalam persediaan sepeda motor merupakan keseimbangan antara investasi sehingga apa yang direncanakan dan ditargetkan dapat tercapai tanpa kendala yang disebabkan oleh suatu barang. Bagaimana kinerja model prediksi persediaan sepeda motor menggunakan algoritma Frequent Pattern Growth (FP-Growth). Salah satu data mining yang digunakan dalam penelitian ini adalah association rule dengan menerapkan algoritma Frequent Pattern Growth (FP-Growth) dan diimplementasikan pada aplikasi Microsoft Excel. Hasil penelitian yang telah dilakukan dengan adanya penerapan algoritma FP-Growth pada perhitungan manual dengan syarat batasan nilai support>30% dan nilai Confidence70%. Kemudian disimpulkan bahwa telah dilakukan penerapan algoritma FP-Growth untuk penentuan pada pola pembelian di dealer Yamaha Jaya baru motor. Dari dataset 15 transaksi penjualan produk barang yang menjadi frequent itemset merupakan kombinasi itemset yang terdapat 24 rules pola asosiasi dengan memenuhi nilai syarat batasan tersebut. Hasil association rules diperoleh terdapat 17 rules yang telah memenuhi nilai syarat.]]>
<![CDATA[Analisis Keamanan Jaringan Wireless menggunakan Metode Penetration Testing di SMK Xyz Tana Toraja ]]>
<![CDATA[Pongdatu, Gidion Aryo Nugraha]]>;
<![CDATA[Michael, Aryo]]>;
<![CDATA[Patalo, Enohk Eightry]]>
<![CDATA[ INFINITY : UKI Toraja Journal of Information Technology Vol 2 No 2 (2022): INFINITY : UKI Toraja Journal of Information Tecnology ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47178/wwmg3484
<![CDATA[Perkembangan teknologi informasi pada era modern seperti sekarang ini memudahkan masyarakat untuk mengakses informasi dengan mudah melalui media internet. Salah satu teknologi yang digunakan untuk mengakses informasi adalah teknologi media transmisi nirkabel atau wireless. Teknologi wireless berkembang sangat pesat saat ini karena akses dan perawatannya lebih mudah dan fleksibel. Namun, akses mudah terhadap jaringan wireless memerlukan perhatian khusus pada segi keamanan data, terutama di dalam instansi atau lembaga. SMK Xyz Tana Toraja adalah salah satu instansi pendidikan yang menggunakan jaringan wireless sebagai fasilitas penunjang proses pembelajaran dan administrasi. Jaringan wireless yang digunakan oleh SMK Xyz Tana Toraja terhubung langsung ke server yang berisi data siswa, data guru dan pegawai, serta data keuangan. Oleh karena itu, keamanan pada jaringan wireless sangat penting untuk melindungi data dari ancaman dari luar. Metode yang digunakan untuk pengujian sistem keamanan jaringan Wireless LAN (WLAN) adalah dengan metode penetration testing yang dilakukan pada jaringan instansi terkait untuk menemukan kelemahan yang ada pada jaringan tersebut. Hasil dari pengujian penetration testing menunjukkan bahwa kualitas keamanan jaringan pada SMK Xyz Tana Toraja masih lemah. Hal ini tampak dari hasil pengujian jaringan wireless menggunakan metode penetration testing, seperti sniffing pada komputer target yang berhasil jika website yang diakses menggunakan protokol http, enkripsi yang digunakan pada access point yang masih dapat ditembus menggunakan dictionary attack. Oleh karena itu, perlu dilakukan peningkatan pada sistem keamanan jaringan wireless di SMK Xyz Tana Toraja untuk mengamankan data yang disimpan di dalamnya]]>
<![CDATA[Prediksi Jumlah Kunjungan Wisatawan Di Toraja Utara Menggunakan Metode Long Short Term Memory ]]>
<![CDATA[Saladan, Fidryani]]>;
<![CDATA[Michael, Aryo]]>;
<![CDATA[Damayanti, Irene Devi]]>;
<![CDATA[Marchelin]]>
<![CDATA[ INFINITY : UKI Toraja Journal of Information Technology Vol 3 No 1 (2023): INFINITY : UKI Toraja Journal of Information Tecnology ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47178/infinity.v3i1.2189
<![CDATA[Wisatawan mampu memberikan dampak positif dalam peningkatan kesejahteraan dan perekonomian masyarakat pada suatu daerah tertentu. Terlebih di Toraja Utara merupakan salah satu destinasi daerah yang terkenal akan tradisi adat budaya dan keindahan alam yang masih alami menjadi daya tarik tersendiri bagi wisatawan yang berkunjung ke Toraja Utara. Di dalam dunia pariwisata, memprediksi jumlah kunjungan wisatawan merupakan hal yang perlu dilakukan untuk mengetahui nilai prediksi kunjungn wisatawan dimasa mendatang. Metode Long Short Term Memory (LSTM) adalah salah satu metode untuk memprediksi data jumlah kunjungan wisatawan di Toraja Utara. Penelitian ini menggunakan data jumlah kunjungan wisatawan dari bulan Januari 2015 sampai bulan Desember 2021. Tujuan dari penelitian ini adalah untuk menentukan model terbaik dan kinerja model dengan parameter Jumlah Layer (32, 64, 128), Sliding Window dengan size window (3, 6, 9), Dropout (0.01, 0.1, 0.2 dan 0.5) dengan Max Epoch 100. Dari hasil training didapatkan model terbaik dengan MSE terendah pada jumlah layer 32 dropout 0.01 epoch 100 menghasilkan Mean Square Error (MSE) sebesar 0.070323934. Model terbaik yang didapatkan pada proses training digunakan untuk pengujian data testing pada jumlah layer 32, dropout 0.01 dan epoch 100 menunjukkan Mean Square Error (MSE) sebesar 110198720. Sehingga dapat dikatakan bahwa hasil training dan pengujian model tersebut memiliki kemampuan prediksi yang baik.]]>
<![CDATA[Optimisasi Hiperparameter Tuning pada Metode Support Vector Machine untuk Klasifikasi Tingkat Kematangan Buah Kopi ]]>
<![CDATA[Rusman, Juprianus]]>;
<![CDATA[Haryati, Berlian Zetikarya]]>;
<![CDATA[Michael, Aryo]]>
<![CDATA[ J-Icon : Jurnal Komputer dan Informatika Vol 11 No 2 (2023): Oktober 2023 ]]>
Publisher : <![CDATA[Universitas Nusa Cendana ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35508/jicon.v11i2.12571
<![CDATA[This study aims to develop an optimal classification model to identify the maturity level of coffee fruit based on color features of coffee fruit images. The color features red, green and blue in RGB color space and hue, saturation and value in HSV color space are extracted from the coffee fruit image and used as input for the support vector machine (SVM) classification model. In order to optimize the performance of SVM, hyperparameter tuning is used with the grid search method to determine the best parameters in the classification model built. By using 180 training images in determining the optimum parameters, the hyperparameter tuning results of the grid search method are obtained at cross validation (cv) = 6, cost (C) = 1000, gamma (γ) = 0.001, and kernel = linear. Then the optimum parameters are used as an SVM model to classify 45 test images into three different classes, namely ripe, half ripe and raw. Based on the evaluation with confusion matrix, it can be concluded that the built model has good performance with 98% accuracy. This indicates that the model is able to distinguish the three classes with a low error rate. With this ability, the model built has great potential in the agricultural industry to support the use of technology in agriculture, especially coffee farming such as post-harvest fruit processing. This model can be developed on a maturity level sorting machine.]]>
<![CDATA[Sistem Informasi Cuti ASN Berbasis Web Pada Badan Kepegawaian, Pendidikan, dan PelatihanKabupaten Toraja Utara ]]>
<![CDATA[Tumanan, Reynaldi Ary]]>;
<![CDATA[Michael, Aryo]]>;
<![CDATA[Padang, Semuel Yakobus]]>
<![CDATA[ INFINITY : UKI Toraja Journal of Information Technology Vol 3 No 2 (2023): INFINITY : UKI Toraja Journal of Information Tecnology ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47178/8e9d1603
<![CDATA[Dalam pengurusan cuti ASN, instansi yang yang bertanggung jawab dalam mengurus urusan kepegawaian lingkungan Pemerintahan Kabupaten Toraja Utara yakni Badan Kepegawaian, Pendidikan, dan Pelatihan (BKPP) Kabupaten Toraja Utara. Masalah yang terjadi pada BKPP Kabupaten Toraja Utara mengenai masalah cuti pegawai yang akan diajukan ASN. Terkadang masih ada ASN yang belum memahami aturan cuti sehingga pada saat ASN datang ke kantor BKPP membawa berkas permohonan cutinya, pengajuannya tidak dapat diproses lebih lanjut disebabkan karena permohonan cutinya yang tidak sesuai dengan aturan cuti yang berlaku. Ketika ASN ingin mengajukan cuti tahunan, BKPP Bidang Diklat harus mencari satu persatu arsip cuti pegawai dalam bentuk buku agenda untuk mengetahui sisa cuti pegawai tersebut, kemudian BKPP membuatkan surat pengantar pengajuan cuti ASN, yang mana itu membutuhkan waktu yang lama dan cukup ribet sehingga pengurusan pengajuan cuti pegawai menjadi lebih lama. Oleh karena itu, dibutuhkan pembuatan suatu sistem informasi cuti ASN sehingga pemrosesan pemberian cuti ASN lebih cepat dan tepat dilakukan. Metode yang digunakan dalam pengembangan sistem ini adalah metode waterfall yang memiliki tahapan mulai dari analisis, perancangan, implementasi dan pengujian. Hasil pengujian blackbox yang telah dilakukan semuanya berhasil atau tidak adanya kesalahan (error) dan hasil pengujian implementasi sistem menggunakan User Acceptance Test (UAT) sudah sangat baik digunakan oleh ASN dalam mengajukan cuti dengan memperoleh nilai persentase 87,99%.]]>
<![CDATA[Klasifikasi Cacat Biji Kopi Menggunakan Metode Transfer Learning dengan Hyperparameter Tuning Gridsearch ]]>
<![CDATA[Michael, Aryo]]>;
<![CDATA[Rusman, Juprianus]]>
<![CDATA[ Jurnal Teknologi dan Manajemen Informatika Vol. 9 No. 1 (2023): Juni 2023 ]]>
Publisher : <![CDATA[Universitas Merdeka Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26905/jtmi.v9i1.10035
<![CDATA[Defects in coffee beans can significantly impact the quality of coffee production, which can lead to a decrease in the price of coffee beans in the global coffee market. Currently, coffee bean sorting is still conventionally done to separate defective and non-defective coffee beans, which is a time-consuming process and subject to subjective selection, potentially leading to a decline in the quality of the resulting coffee beans. The objective of this research is to design and measure the performance of deep learning algorithms, CNN MobilNetV2 and DenseNet201, using transfer learning methods where hyperparameter tuning grid search is employed to select the optimal combination of hyperparameters for the defective coffee bean classification model. The study began by collecting a dataset of images of abnormal and defective coffee beans, building a classification model using transfer learning methods that utilized pre-trained models and selecting the best hyperparameters, training the model, and finally testing the created classification model. The research results indicate that the pre-trained MobileNetV2 model with hyperparameter tuning achieved an accuracy of 90%, and the pre-trained DenseNet201 model achieved an accuracy of 93%. The research results indicate that this approach enables the model to achieve excellent performance in recognizing and classifying defective coffee beans with high accuracy]]>
<![CDATA[Penerapan Ensemble CNN untuk Klasifikasi Biji Kopi: ResNet50, Inception V3, dan EfficientNet B7 ]]>
<![CDATA[K, Gabriel]]>;
<![CDATA[P, William]]>;
<![CDATA[Michael, Aryo]]>
<![CDATA[ INFINITY : UKI Toraja Journal of Information Technology Vol 4 No 2 (2024) ]]>
Publisher : <![CDATA[Publikasi dan UKI Press UKI Toraja ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.47178/m7528h92
<![CDATA[Indonesia, sebagai salah satu produsen dan eksportir kopi terbesar dunia, menghadapi tantangan dalam memenuhi standar kualitas global yang berpengaruh signifikan terhadap harga pasar. Proses penjaminan mutu dari budidaya hingga pascapanen memerlukan inovasi teknologi untuk meningkatkan efisiensi. Penelitian ini mengusulkan penerapan ensemble learning berbasis Convolutional Neural Network (CNN) dengan metode simple averaging yang mengkombinasikan tiga arsitektur pra-terlatih: ResNet-50, InceptionV3, dan EfficientNetB7. Dataset USK Coffee—terdiri dari 6.400 citra biji kopi berukuran 112×112 piksel—dibagi menjadi 4.800 sampel pelatihan dan 1.600 sampel pengujian untuk mengevaluasi kinerja model. Hasil eksperimen menunjukkan bahwa model ensemble mencapai akurasi 83%, mengungguli kinerja masing-masing model tunggal (ResNet-50: 77%, InceptionV3: 71%, EfficientNetB7: 82%). Analisis metrik precision, recall, dan F1-score mengonfirmasi peningkatan signifikan dalam konsistensi klasifikasi, khususnya pada kelas defect (precision 0.90) dan longberry (F1-score 0.91). Namun, disparitas kinerja pada kelas peaberry (precision 0.74 vs. recall 0.93) mengindikasikan perlunya optimasi tambahan melalui augmentasi data atau penyesuaian threshold. Temuan ini menegaskan potensi teknik ensemble dalam sistem klasifikasi biji kopi berbasis deep learning, sekaligus menyoroti kebutuhan penanganan kompleksitas komputasi dan ambiguitas fitur visual untuk aplikasi industri skala besar.]]>
