Claim Missing Document
Check
Articles

Found 3 Documents
Search

Sistem Informasi Pemesanan Makanan Muliti-Tenant Berbasis Website (Studi Kasus: NJenggrik Coffee) Hafiz Kalam Abdillah; Hendra Pradibta; Muhammad Afif Hendrawan
Jurnal Teknik Ilmu dan Aplikasi Vol. 5 No. 1 (2024): Jurnal Teknik Ilmu dan Aplikasi
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtia.v5i1.4056

Abstract

Perkembangan teknologi merupakan proses yang terus berlangsung dan mengalami perubahan yang cepat dari waktu ke waktu. Perkembangan teknologi juga mempengaruhi dalam berbagai bidang, seperti komunikasi, transportasi, energi, kesehatan, dan hiburan. Teknologi juga membantu dalam meningkatkan efisiensi, efektivitas, dan produktivitas dalam berbagai industri dan sektor ekonomi. Bisnis yang populer saat ini adalah bisnis kuliner seperti rumah makan, cafe dan pujasera. Pada Njenggrik Coffee sistem pelayanan pemesanan makanan dan minuman masih dilakukan dengan cara customer mendatangi tenant satu-persatu untuk melihat menu makanan dan minuman, serta mencatat pesanan. Berdasarkan permasalahan tersebut maka perlu adanya pembuatan sebuah sistem informasi pemesanan makanan multi-tenant berbasis website menggunakan teknlogi payment gateway agar mempermudah customer dalam proses pemesanan dan pembayaran tanpa harus mendatangi setiap tenant. Metode penelitian yang digunakan pada penelitian ini adalah observasi, wawancara, studi pustaka, analisis sistem, perancangan sistem, implementasi sistem, dan uji coba sistem. Hasil pengujian sistem menggunakan pengujian blackbox adalah semua hasil uji coba adalah valid. Hasil kuesioner yang diberikan kepada customer adalah 71% dan hasil kuesioner yang diberikan kepada admin adalah 89% yang artinya website ini sudah berjalan sebagaimana mestinya.
Tingkat Kerawanan Desa Berdasakan Dampak Bencana Kab.Bojonegoro Dengan Metode Clustering Algoritma K-Means Fahrur Rozi, Imam; Muhammad Afif Hendrawan; Thalia Amira Rifda
MULTINETICS Vol. 10 No. 2 (2024): MULTINETICS Nopember (2024)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v10i2.6686

Abstract

The Bojonegoro Regency is a region that is quite prone to disasters, especially floods, landslides, and extreme weather. There have been 2,162 recorded incidents in the past three years, causing significant material and moral losses totaling IDR 1,986,210,000. In an effort to reduce future losses, early prevention measures can be taken by conducting research on the potential disaster-prone areas based on the impact of disasters that have occurred in the region. This study utilized data from 430 villages (2019-2022), considering 6 disaster impact parameters, including the number of disaster events, casualties, affected houses, affected land, material losses, and facility damage. The objective was to identify the vulnerability level of villages using the K-Means Clustering method. The optimal number of clusters was validated using the Davies Bouldin Index (DBI), and the data mining process followed the CRISP-DM standard. The trial results indicated that the optimal number of clusters is k=3. Cluster analysis revealed that Cluster 1 (3 villages) experienced more significant disasters, causing more damage to houses and land; Cluster 2 (17 villages) faced disasters with significant casualties, while Cluster 3 (410 villages) experienced disasters with the lowest impact.
Identifikasi Material Jatuh Melalui Perangkat Mobile Yudistira Fiandra Putra, Bagaseto; Muhammad Afif Hendrawan; Vipkas Al Hadid Firdaus
Jurnal Teknik Ilmu dan Aplikasi Vol. 6 No. 1 (2025): Jurnal Teknik Ilmu dan Aplikasi
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jtia.v6i1.6253

Abstract

Identifikasi material jatuh di gudang secara manual memakan waktu dan rentan terhadap kesalahan, dengan beberapa langkah seperti mengambil material secara fisik, mengidentifikasi material secara manual, memasukkan kode material ke sistem komputer, dan memverifikasi kecocokan. Untuk mengatasi ketidakefisienan ini, kami mengusulkan sebuah aplikasi Android yang menggunakan klasifikasi gambar berbasis TensorFlow untuk mengidentifikasi material jatuh secara real-time melalui kamera perangkat. Sistem ini mengintegrasikan program web berbasis Laravel untuk menambahkan data ke model, program Python untuk pelatihan model dan transfer learning, serta aplikasi Android untuk identifikasi real-time. Hasil uji coba menunjukkan bahwa model dengan minimal 50 gambar per material dapat mencapai akurasi lebih dari 90%. Solusi ini secara signifikan meningkatkan efisiensi operasional dan keselamatan di lingkungan gudang dengan mengotomatisasi proses identifikasi material. Penelitian selanjutnya akan mengeksplorasi peningkatan akurasi di berbagai kondisi lingkungan dan memperluas jenis material yang dapat diidentifikasi.