Claim Missing Document
Check
Articles

Found 2 Documents
Search

Penerapan Framework Laravel Pada Desain Sistem Informasi Akademik SMK Fajar Sentosa Popong Setiawati; Pas Mahyu Akhirianto; Made Aka Suardana
ICIT Journal Vol 9 No 1 (2023): Februari 2023
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (696.094 KB) | DOI: 10.33050/icit.v9i1.2638

Abstract

Inovasi teknologi telah merambah ke seluruh dunia mempengaruhi kemajuan di bidang akademik. Karena inovasi berkembang pesat, peran teknologi sangat penting untuk pembelajaranyang merata di Indonesia, dengan kapasitasnya untuk melakukan pembelajaran tanpa terisolir oleh ruang, jarak, dan waktu. Sekolah Menengah Kejuruan Fajar Sentosa merupakan salah satu sekolah yang ada di wilayah Kab. Bogor, memiliki jumlah 13 tenaga pendidik dan 307 siswa. Dalam proses kegiatan akademis, sekolah ini melakukan kegiatan seperti belajar dan mendidik serta meringkas nilai ke dalam rapot. Dalam prosesnya, SMK Fajar Sentosa belum memiliki sistem yang dapat memberikan informasi akademik, misalnya jadwal mengajar, jadwal belajar, mengisi nilai ulangan, mengisi raport, melihat hasil ulangan, dan melihat hasil raport. Selain itu, sekolah belum memiliki situs halaman sekolah yang dapat memberikan data sekolah kepada masyarakat luas. Maka di perlukan sebuah sistem yang dapat mengelola informasi akademik dan halaman website profil sekolah menggunakan bahasa PHP dengan framework Laravel dan manajemen database menggunakan MySQL.Teknik pengembangan sistem menggunakan Waterfall. Hasil yang diharapkan dapat membantu pihak sekolah mengelola informasi akademik dan mengelola halaman profil website kepada masyarakat. Kata Kunci—Sistem Informasi Akademik, Website Sekolah, Laravel, Waterfall, Mysql
Implementation of YOLOv5 Algorithm for Exam Cheating Movement detection Made Aka Suardana; Habibullah Akbar; Martin Saputra; Agung Mulyo Widodo; Budi Tjahjono
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.