Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Prosiding SNATIF Eduvest - Journal of Universal Studies
Martin Saputra, Martin
Universitas Bunda Mulia
Aerospace Engineering Computer Science & IT Education Health Professions Neuroscience Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENGOLAHAN DATA TERINTEGRASI BIDAN PRAKTEK MANDIRI BERBASIS E-KMS (KARTU MENUJU SEHAT) Hakim, Lukman; Saputra, Martin
Prosiding SNATIF 2015: Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

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

Abstract

Abstrak Perlu adanya peningkatan mekanisme data dan informasi yang terintegrasi untuk pengolahan data balita pada bidan praktek mandiri yang dibawah naungan puskesmas sebagai pihak pemerintah, pelaporan dan pendataan pasien balita serta gizi yang dilakukan oleh BPM (Bidan Praktek Mandiri) kepada pihak Puskesmas bermanfaat untuk mengetahui secara pasti data balita dan perkembangannya, perancangan prototype e-KMS (Kartu Menuju Sehat) menggunakan pemodelan UML (Unified Modeling Language) dengan desain penelitian Case Study Research pada lokasi Kecamatan Kalideres. Adanya e-KMS memberikan informasi kondisi balita secara akurat yang terdiri dari data gizi, data lengkap balita, data Imunisasi, dan grafik pertumbuhan berat badan . E-KMS pada BPM dan Puskesmas memberikan nilai tambah untuk pemantauan data balita dan kondisi gizi secara lebih baik, dan terintegrasinya informasi antar BPM dengan Puskesmas, Sistem prototype E-KMS sepenuhnya belum dapat dijalankan pada BPM, selain perlu adanya penambahan Infrastruktur Hardware Puskesmas dan BPM. Kata Kunci: e-KMS, Bidan Praktek Mandiri, Case Study Research
PENGOLAHAN DATA TERINTEGRASI BIDAN PRAKTEK MANDIRI BERBASIS E-KMS (KARTU MENUJU SEHAT) Hakim, Lukman; Saputra, Martin
Prosiding SNATIF 2015: Prosiding Seminar Nasional Teknologi dan Informatika
Publisher : Prosiding SNATIF

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

Abstract

Abstrak Perlu adanya peningkatan mekanisme data dan informasi yang terintegrasi untuk pengolahan data balita pada bidan praktek mandiri yang dibawah naungan puskesmas sebagai pihak pemerintah, pelaporan dan pendataan pasien balita serta gizi yang dilakukan oleh BPM (Bidan Praktek Mandiri) kepada pihak Puskesmas bermanfaat untuk mengetahui secara pasti data balita dan perkembangannya, perancangan prototype e-KMS (Kartu Menuju Sehat) menggunakan pemodelan UML (Unified Modeling Language) dengan desain penelitian Case Study Research pada lokasi Kecamatan Kalideres. Adanya e-KMS memberikan informasi kondisi balita secara akurat yang terdiri dari data gizi, data lengkap balita, data Imunisasi, dan grafik pertumbuhan berat badan . E-KMS pada BPM dan Puskesmas memberikan nilai tambah untuk pemantauan data balita dan kondisi gizi secara lebih baik, dan terintegrasinya informasi antar BPM dengan Puskesmas, Sistem prototype E-KMS sepenuhnya belum dapat dijalankan pada BPM, selain perlu adanya penambahan Infrastruktur Hardware Puskesmas dan BPM. Kata Kunci: e-KMS, Bidan Praktek Mandiri, Case Study Research
Implementation of YOLOv5 Algorithm for Exam Cheating Movement detection Suardana, Made Aka; Akbar, Habibullah; Saputra, Martin; Widodo, Agung Mulyo; Tjahjono, Budi
Eduvest - Journal of Universal Studies Vol. 5 No. 6 (2025): Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v5i6.51480

Abstract

The decline in academic integrity due to cheating during exams has become increasingly relevant, particularly following the shift to online learning systems. The absence of direct supervision in online exams creates opportunities for cheating practices that evade detection by the naked eye. This study addresses this challenge by developing an object detection model for cheating behavior using a deep learning approach based on the YOLOv5 algorithm. The dataset comprised 60 ten-second videos, extracted into 1,200 images representing four suspicious head movement patterns. Each image was manually annotated before training five YOLOv5 variants. Models were evaluated using object detection metrics (precision, recall, and mAP at IoU thresholds 0.5–0.95) and analyzed via confusion matrices. Results indicate that the YOLOv5x variant achieved peak performance, with mAP@0.5:0.95 of 83.06% and perfect classification accuracy across all classes. This demonstrates that an object detection–based approach provides a reliable preliminary solution for monitoring cheating during online exams.
Co-Authors Akbar, Habibullah BUDI TJAHJONO Lukman Hakim Suardana, Made Aka Widodo, Agung Mulyo