Claim Missing Document
Check
Articles

Found 26 Documents
Search

IMPLEMENTASI INTERNET AMAN DI FASILITAS UMUM DESA NGRUPIT KABUPATEN PONOROGO MENGGUNAKAN WEB PROXY Fajaryanto, Adi; Zulkarnain, Ismail Abdurrozzaq; Masykur, Fauzan; Litanianda, Yovi
Jurnal Pengabdian Kepada Masyarakat Bersinergi Inovatif Vol. 2 No. 1 (2024): Jurnal Pengabdian Kepada Masyarakat Bersinergi Inovatif
Publisher : PT. Gelora Cipta Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Desa Ngrupit yang berada utara kota ponorogo menjadi gerbang masuk menuju bumi reog dari arah Kota Madiun. Posisinya bisa dikatakan strategis karena tidak jauh dari pusat pemerintahan kecamatan maupun kabupaten. Desa ini dihuni oleh sebanyak 7.361 penduduk dengan mata pencaharian sangat bervariasi. Berdasarkan data tahun 2019 sejumlah besar penduduk desa ini yaitu 37,39% ternyata diketahui tidak mampu menyelesaikan pendidikan sekolah dasar. Tingkat pedidikan penduduk Desa Ngrupit yang rendah menyebabkan adanya buta teknologi. Pengetahuan tentang teknologi yang masih minim menyebabkan penduudk desa ini tidak berani untuk mencoba mengeksplorasi teknologi yang ada lebih jauh. Mereka takut gadget mereka rusak dan tidak tahu bagaimana cara memperbaikinya, apalagi takut resiko kehilangan banyak hal yang tersimpan di gadget tersebut. Oleh karena itu diperlukan adanya bantuan agar mereka mau mencoba dan melakukan hal baru dalam menggunakan teknologi digital. Untuk mengatasi keadaan itu, maka pada kegiatan pengabdian ini dilakukan edukasi dan pengadaan teknologi digital pada masyarakat berupa fasilitas koneksi internet aman yang dipasang pada lokasi fasilitas umum milik desa. Koneksi internet akan dibangun dengan menerapkan proxy server yang mampu mengatur lalulintas data sehinga dapat meningkatkan kualitas dan keamananya. Hasilnya bahwa proxy server telah dapat bekerja dengan baik. Parameter transction mengalami kenaikan hingga 296% dari 4.529,2 hit menjadi 17.922 hit saat proxy server aktif. Parameter response time dan failed transaction secara berurutan mengalami penurunan 18% dan 99% pada saat proxy server aktif.
Implementasi Decision Support System Rekomendasi Beasiswa Pendidikan Menggunakan Metode Simple Additive Weighting Abdurrozzaq, ismail; Litanianda, Yovi; Fajaryanto C, Adi
Jurnal Sains Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Jurnal Sains Komputer dan Sistem Informasi
Publisher : PT. Gelora Cipta Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Upaya meningkatkan kualitas pendidikan di Indonesia dilakukan dengan cara menyediakan beasiswa yang bisa berasal dari pemerintah atau pihak lainnya. Setidaknya ada 10 jenis beasiswa dari pemerintah, yang dikelola oleh kementrian pendidikan kebudayaan riset dan teknologi, kementrian agama, kementrian keuangan, kementrian komunikasi dan informasi hingga dari internal Lembaga Pendidikan seperti sekolah kedinasan. Ragam beasiswa dari pemerintah yang banyak itu menjadi daya tarik yang diperebutkan oleh banyak peserta didik. Setiap beasiswa mengharuskan penerimanya memenuhi kriteria tertentu yang spesifik dan bisa jadi berbeda untuk setiap beasiswa. Banyaknya ragam beasiswa dan kriteria peneriamanya yang berlaian ini pada prakteknya bisa menimbulkan masalah berupa terjadinya pemberian beasiawa yang salah sasaran. Seseorang peserta didik yang memenuhi persyaratan lebih dari 1 macam beasiswa sering keliru didaftarkan pada kriteria yang tepat, kondisi ini bisa jadi menutup peluang peserta didik lain yang hanya bisa didaftarkan di satu beasiswa tapi kuotanya telah habis karena diisi oleh peserta didik yang bisa memilih beasiswa tadi. Belum lagi sering juga terjadi permainan yang mengakibatkan beasiswa salah sasaran dengan kata lain beasiswa diterima oleh peserta dengan kondisi ekonomi yang baik. Kondisi ini semakin mungkin terjadi seiring jumlah siswa yang berminat bertamabah banyak. Untuk mengurangi terjadinya kesalahan penyaluran beasiswa itu maka pihak sekolah bisa dibantu dengan menggunakan sebuah sistam pendukung keputusan atau Decission Support System dalam merekomendasikan peserta dalam penerimaan beasiswa dibidang pendidikan yang ada di SMP MBS Prof Hamka Kota Madiun.
Pengembangan Sistem Pendukung Keputusan Berbasis SAW untuk Rekomendasi Pemilihan Motor Bekas Yoga, Robis Fahma; Litanianda, Yovi; Asrofi Buntoro, Ghulam
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2236

Abstract

Doyok Motor, sebuah showroom motor bekas di Madiun, Jawa Timur, menghadapi tantangan dalam membantu pelanggan memilih motor bekas yang sesuai dengan preferensi dan kebutuhan mereka. Pemilihan motor bekas sering kali subjektif, sehingga diperlukan sistem yang mampu memberikan rekomendasi yang lebih objektif dan akurat. Penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi berbobot dalam pemilihan motor bekas berdasarkan kriteria utama, yaitu kondisi mesin, usia kendaraan, dan harga. Sistem ini berbasis web untuk meningkatkan kemudahan akses dan efisiensi dalam pengambilan keputusan bagi calon pembeli. Metodologi yang digunakan meliputi normalisasi nilai alternatif, perhitungan skor akhir berbobot, dan perangkingan untuk menghasilkan rekomendasi terbaik. Pengujian blackbox memastikan bahwa fitur utama seperti registrasi, login, input data, normalisasi, perangkingan, dan pencetakan laporan berfungsi sesuai spesifikasi. Selain itu, pengujian whitebox dengan Flowgraph Form alternatif digunakan untuk menghitung kompleksitas siklomatis, memastikan efisiensi algoritma serta cakupan pengujian optimal. Hasil penelitian menunjukkan bahwa sistem ini mampu meningkatkan keandalan, objektivitas, serta transparansi dalam pemilihan motor bekas, memberikan rekomendasi yang lebih akurat dan dapat dipertanggungjawabkan. Implementasi sistem ini diharapkan dapat membantu showroom dalam meningkatkan pelayanan serta kepuasan pelanggan. Pengembangan lebih lanjut dapat dilakukan dengan mengintegrasikan sistem ini ke dalam platform marketplace serta mengadopsi kecerdasan buatan (AI) untuk analisis preferensi pengguna yang lebih mendalam.
Pemanfaatan Website Stunting Sebagai Upaya Pencegahan Dan Deteksi Stunting Pada Balita Di Desa Krisik, Ponorogo Rizki, Rizki Dwi Ardika; Sugianti; Litanianda, Yovi; Fikrotul Ulya As Siddieq, Muhammad; Asmaul Khusna, Zakia Access; Wijayanti, Zahrotul Ilmi; Tama, Okti Liksyan Nita; Alfiansyah, Nanda Safiq; Ishaq; Arifqi, Miftahul; Hidayatulloh, Muhammad Ridwan
Jurnal SOLMA Vol. 14 No. 1 (2025)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v14i1.17073

Abstract

Latar Belakang: Stunting adalah masalah serius yang perlu penanganan khusus karena dapat mempengaruhi pertumbuhan anak balita akibat kurang gizi. Kuliah Kerja Nyata di Desa Krisik selain pengabdian kepada masyarakat juga membawa misi untuk mengatasi stunting yang masih jadi tantangan. Metode: Pengabdian masyarakat oleh tim Tematik Fakultas Teknik Universitas Muhammadiyah Ponorogo menciptakan website untuk mendeteksi stunting menggunakan algoritma K-Nearest Neighbor. Algoritma ini mengklasifikasikan status gizi berdasarkan data antropometri. Prosesnya termasuk pengumpulan data, analisis menggunakan KDD dan pengembangan website. Hasil: Hasil kegiatan ini adalah sebuah website informasi deteksi stunting di desa krisik yang dapat menampilkan data stunting, artikel yang berupa foto dan informasi, layanan konsultasi dan cek gizi yang ditampilkan untuk masyarakat luas. Kesimpulan: Algoritma KNN mencapai akurasi 99,90% dalam memprediksi status gizi balita. Website ini membantu tenaga medis dan masyarakat mendeteksi risiko stunting secara dini dan memberikan informasi edukatif. Semoga sistem ini meningkatkan kesadaran masyarakat dan mengurangi stunting di Desa Krisik
PENGARUH CONVOLUTIONAL NEURAL NETWORK UNTUK PROSES DETEKSI PENYAKIT PADA DAUN TOMAT Renaldy, Aldi; Litanianda, Yovi; Zulkarnain, Ismail Abdurrazzaq
MULTITEK INDONESIA Vol 18, No 2 (2024): Desember
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i2.11816

Abstract

Tomato plants are one of the plants that are often planted by farmers and are the main food requirement insociety. Tomato cultivation is often faced with disease problems that can attack the leaves, stems and fruit.However, many farmers often face difficulties in overcoming this problem. To solve this problem, researcherswill use a web-based system that is able to classify images of tomato leaves. The system will process the imagefirst before training the CNN model. The resulting model will be used to classify images entered through thewebsite. Apart from that, this design also has several useful benefits. The results of the analysis of the modelshow that there are challenges in distinguishing the characteristics of diseases in tomato plants, so that thedevelopment of the CNN model experiences difficulties. Despite these difficulties, the CNN algorithm providesan accuracy score of 0.9091. This number reflects the model's level of accuracy in classifying images into thecorrect categories. From these results, it can be concluded that disease detection in tomato plants using theCNN algorithm requires special effort and attention, especially in collecting representative datasets andmodeling optimal CNN architecture. A deeper understanding of the characteristics of diseases in tomato plantsalso needs to be considered to increase the accuracy of model predictions. Although there is still room forimprovement, these results provide a basis for continuing to develop and improve disease detection models intomato plants using CNN approaches.
PEMANFAATAN CONVOLUTIONAL NEURAL NETWORK UNTUK MONITORING MOTORIK HALUS MENULIS HURUF HIJAIYAH DI TPA MASJID AL-FALAH TONATAN PONOROGO Prasetyo, Angga; Litanianda, Yovi; Yusuf, Arief Rahman; Abdurrozzaq, Ismail; Sugianti, Sugianti; Astuti, Arin Yuli
GANESHA: Jurnal Pengabdian Masyarakat Vol 5 No 2 (2025): Juli 2025
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Tunas Pembangunan Surakarta (UTP)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36728/ganesha.v5i2.5123

Abstract

Ketrampilan Menulis Huruf Hijaiyah memerlukan penguasaan gerakan motorik halus yang baik. Penguasaan motorik halus tidak hanya berdampak pada kemampuan kognitif anak dalam mengenal dan menghafal huruf, tetapi Juga berfungsi agar otot kecil seperti jari tangan saling berinteraksi. Permasalahan yang dialami mitra TPA yaitu, proses Pemantauan secara langsung ini memerlukan perhatian yang intensif, sehingga sulit bagi ustadz/ustadzah untuk secara efektif memantau seluruh anak–anak sekaligus. ini menyebabkan proses pembelajaran menjadi kurang optimal, karena perhatian ustadz/ustadzah cenderung terfokus pada beberapa santri saja, sehingga santri-santri lain tidak memperoleh pengawasan dan bimbingan yang cukup. Tim pengabdian membuat solusi menerapkan sistem dengan memanfaatkan algoritma Convolutional Neural Network (CNN). CNN terbukti efektif dalam menangkap pola dari citra tulisan hijaiyah serta mampu mendeteksi kemampuan motorik anak secara otomatis melalui analisis tulisan mereka dengan menggunakan pemrosesan citra huruf hijaiyah penilaian berdasarkan empat tingkat perkembangan motorik halus, yaitu Belum Berkembang (BB), Mulai Berkembang (MB), Berkembang Sesuai Harapan (BSH), dan Berkembang Sangat Baik (BSB). Metode pelaksanaan yaitu anak-anak diminta menulis huruf Hijaiyah menggunakan alat tulis pada kertas yang telah disediakan. Tulisan tangan dipindai atau difoto untuk menghasilkan data berupa gambar digital. Gambar-gambar tersebut diklasifikasikan berdasarkan kategori kemampuan motorik (BB, MB, BSH, BSB). Hasil Model CNN melalui testing validation accuracy mengalami peningkatan selama proses pelatihan kondisi akurasi yang awalnya rendah diangka 0,7 kemudian mengalami kenaikan mendekati 1,0 seiring penambahan epoch pada rentan 5 iterasi sampai 40 iterasi menggambarkan pelatihan dan akurasi tinggi dengan pola model mampu melakukan pembelajaran tanpa overfitting.
PENGARUH CONVOLUTIONAL NEURAL NETWORK UNTUK PROSES DETEKSI PENYAKIT PADA DAUN TOMAT Renaldy, Aldi; Litanianda, Yovi; Zulkarnain, Ismail Abdurrazzaq
MULTITEK INDONESIA Vol 18 No 2 (2024): Desember
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i2.11816

Abstract

Tomato plants are one of the plants that are often planted by farmers and are the main food requirement insociety. Tomato cultivation is often faced with disease problems that can attack the leaves, stems and fruit.However, many farmers often face difficulties in overcoming this problem. To solve this problem, researcherswill use a web-based system that is able to classify images of tomato leaves. The system will process the imagefirst before training the CNN model. The resulting model will be used to classify images entered through thewebsite. Apart from that, this design also has several useful benefits. The results of the analysis of the modelshow that there are challenges in distinguishing the characteristics of diseases in tomato plants, so that thedevelopment of the CNN model experiences difficulties. Despite these difficulties, the CNN algorithm providesan accuracy score of 0.9091. This number reflects the model's level of accuracy in classifying images into thecorrect categories. From these results, it can be concluded that disease detection in tomato plants using theCNN algorithm requires special effort and attention, especially in collecting representative datasets andmodeling optimal CNN architecture. A deeper understanding of the characteristics of diseases in tomato plantsalso needs to be considered to increase the accuracy of model predictions. Although there is still room forimprovement, these results provide a basis for continuing to develop and improve disease detection models intomato plants using CNN approaches.
IMPLEMENTASI API RESTFUL DENGAN JSON WEB TOKEN (JWT) PADA APLIKASI E-COMMERCE THRIFTY SHOP UNTUK OTENTIKASI DAN OTORISASI PENGGUNA Nashikhuddin, Ahmad Yahya; Karaman, Jamilah; Litanianda, Yovi
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp239-246

Abstract

User authentication and authorization play a vital role in securing sensitive data within applications. E-commerce applications, in particular, require robust authentication and authorization methods to safeguard the confidentiality and integrity of exchanged data. JSON Web Token (JWT) has emerged as a popular authentication mechanism for securing data transmission over networks. This paper explores the implementation of JWT in a RESTful API to achieve user authentication and authorization in an E-commerce application. The objective of this study is to analyze the implementation of JWT in a RESTful API for user authentication and authorization within an E-commerce context. The detailed implementation of JWT in the Thrifty Shop application is discussed, encompassing its utilization for user authentication and authorization. Additionally, the benefits derived from employing JWT in the Thrifty Shop E-commerce application are explored. In conclusion, the implementation of JSON Web Token (JWT) in a RESTful API proves to be an effective approach for user authentication and authorization in E-commerce applications. The use of JWT ensures that only authenticated users gain access to sensitive data, thus enhancing the security of the Thrifty Shop E-commerce application. This implementation can serve as a model for other E-commerce applications seeking to bolster their security measures.
Sistem Pendukung Keputusan Siswa terbaik MAN 2 Ponorogo berbasis Website menggunakan Metode Simple Additive Weight (SAW) Bimantoro, Alfin Dien; Bhanu Setyawan, Mohammad; Litanianda, Yovi
KOMPUTEK Vol. 9 No. 2 (2025): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v9i2.2868

Abstract

Proses seleksi siswa terbaik di MAN 2 Ponorogo merupakan tahap kritis dalam mempertahankan kualitas pendidikan dan reputasi Madrasah. Namun, dalam beberapa kasus, proses seleksi tersebut masih dilakukan secara manual dan kurang terstruktur, menyebabkan potensi terjadinya ketidakpastian dan ketidakadilan dalam penentuan siswa terbaik, maka dibutuhkan sebuah sistem yang bisa mengakomodir kebutuhan tersebut. Penggunaan metode Simple Additive Weighting (SAW) merupakan alternatif jalan keluar dalam membantu sekolah dalam memilih siswa terbaik. Metode pengembangan aplikasi untuk membuat sistem pendukung keputusan siswa terbaik  menggunakan metode waterfall dan pada pengujian akhir sistem menggunakan pengujian blackbox. Hasil akhir dari penelitian ini Pengujian fungsionalitas aplikasi dengan uji blackbox tidak ditemukan kesalahan dan berjalan sesuai dengan rancangan yang di inginkan serta sistem bisa memberikan rekomendasi  siswa terbaik dengan tingkat akurasi dan efisiensi yang baik.
Analisis Deteksi Citra Mata Ikan Nila dengan Metode Convolutional Neural Network Arsitektur Alexnet Prasetyo, Angga; Masykur , Fauzan; Rahman Yusuf, Arief; Yuli Astuti , Arin; Sugianti, Sugianti; Litanianda, Yovi; Abdurrozzaq, Ismail
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.995

Abstract

Kualitas kesegaran ikan nila terletak pada proses pembekuan. ikan nila memiliki lapisan sisik yang tebal di seluruh permukaan tubuhnya, yang dapat menghambat proses pembekuan secara merata. Ketidakteraturan dalam proses ini berpotensi menurunkan kualitas dan kesegaran ikan selama penyimpanan. Kondisi ini merugikan dan menyulitkan konsumen dalam menilai tingkat kesegaran ikan hanya melalui pengamatan penglihatan secara manual, seperti memeriksa kondisi mata ikan. Oleh karena itu, tujuan utama riset yaitu, membangun sistem deteksi citra mata ikan dengan metode penilaian kesegaran yang cepat, akurat, dan objektif untuk membantu konsumen menjadikanya opsi utama yang harus dilakukan. Model CNN memiliki keunggulan dalam akurasi serta klasifikasi citra, selain itu model CNN dapat ditingkatkan melalui penambahan arsitektur salah satunya arsitektur alexnet. Proses tahapan metodologi klasifikasi dataset yaitu diperoleh dari kaggle berdasarkan citra mata ikan Nila dengan membaginya ke dalam dua kelas, yaitu kelas 'mata ikan nila segar' dan kelas 'mata ikan nila kurang segar' dan preprocessing menghasilkan modeling cnn untuk deteksi citra mata ikan. Hasil analisis diperoleh Gambar ikan nila digunakan sebagai data uji dan diberikan sebagai input ke dalam model yang telah dilatih dengan hanya memerlukan waktu sekitar 68 milidetik per langkah (68 ms/step). Berdasarkan analisis terhadap pola visual, seperti warna mata, tekstur kulit, serta ciri fisik lainnya, model mengkategorikan ikan tersebut dikondisi tidak segar. Untuk kelanjutan riset perlu dilakukan keseimbangan dataset citra dengan menggunakan Bayesian hyperparameter.