Claim Missing Document
Check
Articles

Found 16 Documents
Search

Implementasi Contents Management System (CMS) Dalam Analisa dan Perancangan Sistem Informasi Kepegawaian Universitas Mulawarman Muhammad Rivani Ibrahim; Bambang Nur Basuki; Agus Soepriyadi; Haviluddin Haviluddin; Dedy Mirwansyah; Anton Prafanto
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 6, No 1 (2022): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v6i1.7659

Abstract

Sistem Informasi berbasis website salah satu teknologi yang terdiri dari teks, gambar, file, dan suara animasi dan dengan kemampuan itu media informasi akan lebih menarik dan dimininati untuk dipergunakan sebagai media penyebaran informasi. Sistem Informasi berbasis website mampu mengolah data menjadi sebuah informasi dengan cara mengidentifikasi, mengumpulkan, mengelola dan menyediakan untuk diakses secara bersama-sama. Sistem informasi website Koordinator Kepegawaian Universitas Mulawarman merupakan sistem yang dipergunakan untuk memberikan kemudahan dalam mendapatkan informasi yang dibutuhkan pengguna dan selain itu, informasi yang di manajemenn oleh website akan tersimpan dengan baik dan tidak mudah hilang pada sistem sehingga memudahkan pegawai dalam mencari informasi. Sistem Informasi Koordinator Kepegawaian menggunakan sistem Content Management System (CMS) dalam implementasinya karena kemampuan dari CMS yang cocok dengan permasalahan sistem yang ada pada Koordinator Kepegawaian dan penelitian ini menggunakan metode waterfall dalam perencangan sistem Koordinator Kepegawaian. Hasil pada penilitan ini yaitu, informasi lebih mudah dicari dan tidak mudah hilang karena sistem CMS ini mampu membuat kategori-kategori berdasarkan kebutuhan Koordinator Kepegawaian.
Pelatihan Pemanfaatan Teknologi Digital Untuk Siswa/I SMAN 1 Marangkayu Muhammad Bambang Firdaus; Herman Santoso Pakpahan; Anton Prafanto; Muh Fathir Fahrezah
J-PEMAS - Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2023): Jurnal Pengabdian Masyarakat J_PEMAS
Publisher : STMIK Amik Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33372/j-pemas.v4i1.842

Abstract

Seiring berkembangnya zaman di era modern ini, Indonesia termasuk salah satu negara yang memiliki masyarakat yang mayoritas aktif dalam menggunakan internet, tetapi perlu di ketahui bahwa 10% masyarakat di Indonesia belum paham dalam menggunakan internet. Masih banyak wilayah di Indonesia yang mengalami keterlambatan masuknya teknologi, contohnya adalah kecamatan Marangkayu yang berada di Kabupaten kutai kartanegara Provinsi Kalimantan Timur. Maka dari itu melalui kegiatan pengabdian masyarakat ini penulis ingin memberikan pelatihan tentang teknologi di era modern seperti saat ini. Khususnya pada Kecamatan Marangkayu Kabupaten Kutai Kartanegara karena menurut kami masih banyak yang belum mengerti tentang teknologi digital contohnya pengoperasian komputer. Disini Penulis ingin berbagi ilmu dan informasi mengenai teknologi digital khususnya bagi siswa dan siswi di SMAN 1 Marangkayu. Pada pelatihan ini, penulis menargetkan 5 pertemuan dengan materi yang akan dibawakan yaitu mulai dari pengoperasian komputer, pemberian materi mengenai penggunaan aplikasi Microsoft Word, Microsoft Excel, Dan Microsoft Power Point. Dengan pelatihan ini diharapkan para siswa dan siswi bisa mengerti tentang pengoperasian komputer, terlebih dalam pengoperasian aplikasi Microsoft Word, Microsoft Excel, Dan Microsoft Power Point
Fuzzy Tsukamoto untuk Memprediksi Estimasi Persediaan Darah NOVIANTI PUSPITASARI; ANTON PRAFANTO; AHMAD ANSYORI; MASNA WATI; ANINDITA SEPTIARINI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 2 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i2.188-203

Abstract

ABSTRAKUnit Transfusi Darah (UTD) Palang Merah Indonesia (PMI) selama ini kesulitan menyediakan jumlah kantong darah yang sesuai dengan permintaan rumah sakit karena jumlah permintaan darah lebih tinggi daripada ketersediaan darah. Kondisi persediaan darah yang tidak selalu tersedia sesuai dengan jumlah permintaan darah menjadi masalah serius bagi UTD PMI dalam pengelolaan ketersediaan darah. Oleh karena itu UTD harus mengetahui persediaan darah dalam satu tahun ke depan. Informasi tentang persediaan darah dimasa yang akan datang dapat dilakukan menggunakan Fuzzy Tsukamoto. Fuzzy Tsukamoto memprediksi estimasi persediaan darah menggunakan data penerimaan dan permintaan darah dari Golongan A+, O+, B+ dan AB+. Berdasarkan hasil perhitungan akurasi menggunakan Mean Absolute Percentage Error (MAPE) didapatkan nilai akurasi rata-rata untuk prediksi estimasi persediaan darah berada dibawah 10%. Hasil tersebut menunjukkan bahwa prediksi persediaan darah menggunakan Fuzzy Tsukamoto memiliki nilai kepercayaan yang sangat baik karena kurang dari 20% berdasarkan ketentuan MAPE.Kata kunci: darah, Fuzzy Tsukamoto, prediksi, MAPE, persediaanABSTRACTThe Indonesian Red Cross Blood (PMI) of Transfusion Unit (UTD) has had difficulty providing the number of blood bags by the hospital's request because the number of requests for blood is higher than the availability of blood. The condition of blood supply that is not always available following the blood demand is a severe problem for UTD PMI in managing blood availability. Therefore the Blood Transfusion Unit must know the blood supply for the next year. Future blood supply information can be done using the Fuzzy Tsukamoto method. Fuzzy Tsukamoto predicts the estimation of blood supply using data on receipts and requests for blood from Groups A+, O+, B+ and AB+. Based on the results of the calculation of accuracy using Mean Absolute Percentage Error (MAPE), the average accuracy value for predicting the estimated blood supply is below 10%. These results indicate that the prediction of blood supply using Fuzzy Tsukamoto has an excellent confidence value because it is less than 20% based on the MAPE.Keywords: blood, Fuzzy Tsukamoto, prediction, MAPE, stock
Pengujian Kesesuaian Fungsional Augmented Reality Pola Batik Dayak Kenyah Muhammad Bambang Firdaus; Anton Prafanto; Joan Angelina Widians; Andi Tejawati; Renol Sulle; Zainal Arifin
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 2 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i2.8737

Abstract

Batik Indonesia telah ditetapkan sebagai Warisan Kemanusiaan Budaya Lisan dan Nonbendawi oleh UNESCO sejak 2 Oktober 2009. Saat ini, pengenalan media mengikuti perkembangan teknologi yang ada. Salah satunya adalah pengenalan media melalui pemanfaatan teknologi AR. Kami menghadirkan motif batik Dayak Kalimantan Timur menggunakan teknologi augmented reality dan diharapkan dapat menjadi media alternatif yang lebih interaktif untuk menampilkan budaya Indonesia, khususnya di Kalimantan Timur. Pengujian black-box dan usability diperlukan untuk mengetahui seberapa baik kinerja sistem saat digunakan sebagai bahan baku kerajinan di Kalimantan Timur. dimana hasil pengujian black box merupakan hasil pengujian yang baik untuk 6 fungsi dan standar. Dengan hasil klasifikasi yang baik, usability mencapai 76%
Seleksi Fitur Information Gain dan Teknik Pruning Untuk Memperbaiki Akurasi Algoritma C4.5 dalam Kasus Keterlambatan Biaya Kuliah Taghfirul Azhima Yoga Siswa; Gubtha Mahendra Putra; Anton Prafanto
Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer Vol 17, No 2 (2022): Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jim.v17i2.11794

Abstract

Penerapan biaya kuliah memiliki peranan yang sangat penting di suatu universitas untuk dapat meningkatkan mutu dan infrastruktur pendidikan khususnya di Universitas Muhammadiyah Kalimantan Timur (UMKT). Namun, dalam pelaksanaannya masih banyak mahasiswa yang terlambat dalam melakukan pembayaran biaya kuliah. Hal ini dapat mengganggu UMKT dalam sisi operasional dan pelaksanaan peningkatan mutu serta infrastruktur. Pada penelitian ini akan dilakukan penentuan fitur, penerapan algoritma C4.5, dan evaluasi kinerja algoritma C4.5 dengan menggunakan confusion matrix pada pembagian data 90% data training dan 10% data testing. Untuk mengoptimasi kinerja algoritma C4.5, pada penelitian ini akan diterapkan seleksi fitur menggunakan metode information gain dan pruning. Penelitian ini menggunakan data yang diperoleh dari Biro Administrasi Keuangan dan Biro Administrasi Akademik UMKT dengan jumlah data sebanyak 12.408. Hasil pengujian kinerja algoritma C4.5 tanpa menggunakan seleksi fitur information gain dan teknik pruning memperoleh nilai akurasi sebesar 61,40%. Adapun hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning memperoleh hasil sebesar 64,86%. Hasil pengujian kinerja algoritma C4.5 dengan menggunakan seleksi fitur information gain dan teknik pruning terbukti mampu meningkatkan kinerja algoritma sebesar 3,45% pada kasus keterlambatan biaya kuliah.
Comparison of YOLOv5 for Classifying Mangrove Leaf Species using CNN-Based Anindita Septiarini; Rita Diana; Rahmat Kamara; Novianti Puspitasari; Anton Prafanto
Journal of Innovation Information Technology and Application (JINITA) Vol 7 No 1 (2025): JINITA, June 2025
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v7i1.2676

Abstract

Indonesia has many species of mangrove plants scattered throughout the coast to the river's edge. Species of mangrove plants can be distinguished based on root type, stem size, leaf shape, flower color, and fruit. Although each type of mangrove plant has different characteristics, several types look similar, especially on the leaves. Therefore, a model was needed to classify mangrove plant species by applying current technology to make it easier to recognize the type of mangrove plant. This research aims to implement the Convolutional Neural Network (CNN) method in classifying mangrove plant species. The algorithm used is the 5th version of You Only Look Once (YOLO) with 3 different variants (YOLOv5s, YOLOv5m, and YOLOv5l). The three variants have various processing times and numbers of layers. This study uses mangrove leaf images with a total image dataset of 400 images consisting of 4 types of mangrove plants: Avicennia alba, Bruguiera gymnorhiza, Rhizopora apiculata, and Sonneratia alba. The model performance achieved 82.50%, 88.75%, and 93.75% accuracy using YOLOv5s, YOLOv5m, and YOLOv5l, respectively.