Claim Missing Document
Check
Articles

Found 13 Documents
Search

PERANCANGAN SISTEM FACE RECOGNITION BERBASIS DEEP LEARNING MENGGUNAKAN PRE-TRAINED MODEL ARCFACE Latif Hilmi Romadhoni; Farida Ardiani
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2415

Abstract

Sistem presensi dan manajemen identitas di institusi pendidikan masih menghadapi tantangan berupa inefisiensi dan kerentanan terhadap manipulasi. Penelitian ini bertujuan untuk merancang dan menguji efektivitas sistem face recognition berbasis Deep Learning untuk identifikasi guru dan staf SMP N 1 Sukorejo. Metodologi yang digunakan mengintegrasikan model ArcFace sebagai ekstraktor fitur dan Linear Support Vector Classification (LinearSVC) sebagai pengklasifikasi identitas. Dataset yang digunakan adalah citra wajah real-world dari seluruh guru dan staf, yang mencakup variasi pose, pencahayaan, dan ekspresi. Citra di-preprocessing menggunakan Face Alignment dan kemudian dipetakan oleh ArcFace menjadi vektor embedding berdimensi 512 yang sangat diskriminatif, berkat optimalisasi dari Additive Angular Margin Loss. Vektor embedding ini kemudian digunakan untuk melatih LinearSVC. Hasil evaluasi pada Data Uji 20% menunjukkan kinerja yang sangat tinggi, Akurasi: 99.40%, Presisi: 99,52%. Kinerja superior ini memvalidasi hipotesis bahwa kombinasi ekstraksi fitur ArcFace yang robust dengan efisiensi klasifikasi LinearSVC efektif untuk mengatasi tantangan face recognition di lingkungan yang tidak terkontrol.
RANCANG BANGUN SISTEM PREDIKSI KELAYAKAN PINJAMAN MENGGUNAKAN DECISION TREE Laila Nova Rahmadhani; Farida Ardiani
Journal of Information System Management (JOISM) Vol. 7 No. 2 (2026): Januari
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/joism.2026v7i2.2423

Abstract

Proses penilaian kelayakan pinjaman di KSU Raja masih terkendala karena tidak tersedianya sistem digital, sehingga kecepatan, konsistensi, dan ketepatan analisis belum optimal dalam pengambilan keputusan. Penelitian ini merancang sistem prediksi kelayakan pinjaman berbasis machine learning menggunakan algoritma Decision Tree karena kemampuannya menangani data numerik dan kategorikal serta mudah diinterpretasikan. Data yang digunakan merupakan data histori nasabah dengan atribut seperti pendapatan, pengalaman kerja, jumlah pinjaman, kepemilikan rumah, dan riwayat pinjaman. Tahap praproses meliputi imputasi missing value, transformasi label, dan encoding variabel kategorikal, kemudian data dibagi menjadi data latih (80%) dan data uji (20%). Model dilatih menggunakan Grid Search Cross Validation dan menghasilkan akurasi 92%, menunjukkan performa yang baik dalam mengklasifikasikan nasabah ke kategori “Layak” atau “Tidak Layak.” Model kemudian diintegrasikan ke aplikasi web berbasis Flask yang menyediakan prediksi real-time, histori otomatis, filterisasi, ekspor data, dan notifikasi untuk mendukung digitalisasi layanan koperasi.
Implementasi Sistem Informasi Manajemen Nilai Berbasis Web dan Mobile Pada SMP NEGERI 2 Bulu Temanggung Ragil Wahyu Saputro; Farida Ardiani
Journal of Creative Student Research Vol. 4 No. 5 (2026): Oktober: Journal of Creative Student Research
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jcsr-politama.v4i5.7097

Abstract

SMP Negeri 2 Bulu Reban, Temanggung Regency, previously managed academic grades, schedules, and school information through semi-manual processes using spreadsheets and separated documents. This condition increased the risk of recording errors, duplicated data, delayed updates, and limited access to students’ academic information. This study aims to implement a Grade Management Information System (SIMANI) that integrates web-based academic management with a mobile information service. The development used the System Development Life Cycle (SDLC) with a Waterfall approach consisting of requirements analysis, system design, implementation, and testing. The web application was implemented using Laravel and PHP with MySQL as the centralized database, while the mobile application was developed with Flutter and Dart. The system provides student and teacher data management, grade input and automatic report calculation, lesson schedules, announcements, reporting and export, and role-based access control. Functional evaluation used Black Box Testing on 50 scenarios across ten test modules, including two-factor authentication (2FA) and parent access, while user acceptance was measured through User Acceptance Testing (UAT). The original 44 scenarios had a 100% success rate, while six additional scenarios were added for 2FA and parent access and should be recorded after execution. UAT results from the existing Admin/Guru and Student respondents were complemented by additional UAT items for the 2FA and parent-access features. The implementation provides a centralized academic data source and a mobile channel for timely access to grades, schedules, announcements, and student profiles.