Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pelatihan Pemanfaatan Teknologi Informasi Sebagai Media Pemasaran Dan Manajemen Keuangan Pada IRT Keripik Bawang I Made Budi Adnyana; Ni Wayan Deriani; I Made Pasek Pradnyana Wijaya; Rara Febyan Damayanti; Nyoman Setiawan Jordy Wiguna Sujana
WIDYABHAKTI Jurnal Ilmiah Populer Vol. 3 No. 3 (2021): Juli
Publisher : STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30864/widyabhakti.v3i3.273

Abstract

Industri Rumah Tangga (IRT) Keripik Bawang yang dikelola oleh Ibu Sintya Sumartini berdiri sejak tahun 2018 dan terletak di Banjar Anyar, Desa Ubung Kaja, Kecamatan Denpasar Utara. Pemasaran produk masih dilakukan secara lokal dengan menawarkan langsung ke warung dan toko sekitar, belum memanfaatkan teknologi media sosial sehingga sulit untuk memperluas pasar. Produk mitra juga belum memiliki logo atau label kemasan sehingga kurang menarik dan kurang diingat oleh masyarakat. Manajemen keuangan yang dilakukan oleh mitra pun masih tidak terstruktur dengan baik dan belum memanfaatkan teknologi informasi sehingga seringkali mitra menemui kendala dalam pencatatan penjualan, pengeluaran, dan laba rugi tiap bulannya. Adapun tahapan yang dilakukan dalam menyelesaikan permasalahan mitra yaitu dengan memberikan pelatihan pemasaran menggunakan media sosial Instagram, pelatihan desain label kemasan sederhana, serta memberikan pelatihan manajemen keuangan menggunakan aplikasi Microsoft Excel. Tahap berikutnya adalah evaluasi dimana pada tahap ini akan dilakukan perbandingan antara kondisi sebelum dan sesudah dilakukan kegiatan pengabdian kepada masyarakat ini pada IRT Keripik Bawang. Hasil evaluasi ini akan dapat dijadikan perbaikan untuk kegiatan selanjutnya.
Analisis Perbandingan Metode Bags of Visual Words dan Convolutional Neural Network pada Deteksi Masker Wajah Berbasis Video Komang Budiarta; I Made Budi Adnyana; Gede Herdian Setiawan; Rosalia Hadi; Ni Komang Sri Juliantari
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 3 (2025): Juni 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i3.9089

Abstract

Abstrak - Masker merupakan salah satu penerapan protokol kesehatan. Pemeriksaan penggunaan masker tentunya membutuhkan tenaga manusia dalam melakukan pemeriksaan satu per satu. Prosedur pemeriksaan ini memiliki beberapa keterbatasan yaitu tidak dapat dilakukan setiap waktu. Pos pemeriksaan juga terbatas dan tidak bisa dilakukan di semua tempat secara detail karena terbatasnya petugas yang standby atau pengecekan keliling menggunakan masker. Penelitian ini bermaksud untuk mengusulkan penerapan metode Bags of Visual Word dan Convolutional Neural Network dalam mendeteksi masker pada wajah secara real time sehingga dapat mempermudah pengecekan masker di tempat umum. Dalam proses pelatihan digunakan 1600 sampel yang terdiri dari 800 sampel menggunakan masker dan 800 sampel tidak menggunakan masker. Hasil dari proses pelatihan mendapatkan tingkat akurasi sebesar 94% pada metode BoVW dan 100% pada metode CNN. Proses pengujian dilakukan dengan mendeteksi masker lebih dari 1 wajah dengan nilai predictive rate sebesar 75% pada metode BoVW dan 62.5% pada metode Convolutional Neural Network.Kata Kunci: Deteksi Masker; Bags of Visual Words; Convolutional Neural Network. Abstract - Masks are one of the implementation of health protocols. Inspection of the use of masks certainly requires human labor in carrying out inspections one by one. This inspection procedure has several limitations, namely that it cannot be carried out every time. Checkpoints are also limited and cannot be carried out in all places in detail due to the limited number of officers who are on standby or around checking the use of masks. This study intends to propose the application of the Bag of Visual Word and Convolutional Neural Network methods in detecting masks on the face in real time so that it can make it easier to check masks in public places. In the training process, 1600 samples were used, consisting of 800 samples using masks and 800 samples not wearing masks. The results of the training process get an accuracy rate of 94% on the BoVW method and 100% on the CNN method. The testing process is carried out by detecting masks of more than 1 face having a predictive rate value of 75% on the BoVW method and 62.5% on the CNN methodKeywords: Mask Detection; Bag of Visual Words; Convolutional Neural Network.