Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pemanfaatan Robotic Process Automation Dan Optical Character Recognition Dalam Otomatisasi Proses Rekrutmen Karyawan Muhammad Raihan; Kris Sujatmoko; Iwan Iwut Tritoasmoro
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

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

Abstract

Abstrak—Digitalisasi proses merupakan sebuah trend yang sedang marak dilakukan oleh sebagian besar industri saat ini. Banyak solusi instan untuk dalam implemdntasi digitalisasi proses, salah satunya adalah dengan memanfaatkan program Robotic Process Automation (RPA) dan Optical Character Recognition (OCR). Kedua program tersebut dapat digunakan untuk proses digitalisasi pada tahap penerimaan karyawan oleh Divisi HR. Tahapan yang akan dilalui pada sistem ini, yaitu : seorang karyawan yang telah lolos seleksi mengirim data KTP melalui email, selanjutnya diunduh menggunakan RPA. Data KTP akan diekstrasi dan dilakukan validasi. Setelah itu, data KTP disimpan ke dalam file Excel dan robot akan mensubstitusi data yang telah didapatkan kedalam template dokumen PKWT / PKWTT. Tahapan terakhir adalah mengunggah file ke dalam Google Drive. Terdapat dua parameter utama yang diuji, yaitu durasi pembuatan dokumen serta akurasi mesin OCR. Dari hasil yang diperoleh, dapat diketahui bahwa implementasi dari RPA dan OCR dalam proses rekrutmen karyawan ini dapat memangkas durasi sebesar 48.69% dibandingkan dengan proses manual. Selain itu, tingkat akurasi yang dihasilkan oleh sebuah mesin OCR tanpa dilakukan validasi dapat mencapai 95.95%. Dengan demikian, dapat disimpulkan bahwa pemanfaatan RPA dan OCR cukup efektif untuk diimplementasikan pada proses rekrutmen karyawan. Kata kunci—optical character recognition (ocr), robotic process automation (rpa), digitalisasi, otomatisasi, penerimaan karyawan
Pembuatan Aplikasi Sistem Informasi Pembelajaran Minat Bakat dan Pengembangan Produktivitas Serta Mencari Perkerjaan Muhammad Raihan; Nadhila Mizaya Asriel; Nadhif Pratama Subagyo; Moch Fathan Nurrahman; Rahmadi Wijaya; Mia Rosmiati
INTECH Vol. 5 No. 1 (2024): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v5i1.1957

Abstract

Suatu negara dikatakan maju bila kesejahteraan masyarakatnya tergolong tinggi. Menurut Human Development Index (HDI) yang disusun PBB menunjukkan Indonesia negara berkembang. Ilmu pengetahuan menjadi faktor terpenting yang menentukan kemajuan suatu negara. Semakin tinggi ilmu pengetahuan masyarakat akan menghasilkan sumber daya manusia yang berkualitas sehingga mempengaruhi kemajuan bidang kehidupan dalam bernegara. Dengan ini, teknologi menjadi peran yang dapat membantu menyelesaikan permasalahan dan membangun pendidikan untuk produktivitas di negara Indonesia meningkat. Tujuan penelitian ini adalah membuat daftar sumber belajar gratis dan membantu pengguna menemukan pekerjaan. Metode yang digunakan dalam pembuatan aplikasi ada 4 , diantaranya flowchart, use case, tabel kebutuhan aplikasi, dan erd. Masing-masing memiliki tujuan kegunaan untuk menentukan rancangan dalam pembangunan aplikasi tersebut agar sesuai dengan rencana yang diinginkan.
TUD-BISINDO: A new dataset and its recognition system using YOLO Muhammad Raihan; Aulia Ayu Dyah Lestari; Suci Aulia; Yuli Sun Hariyani; Devira Anggi Maharani
International Journal of Advances in Intelligent Informatics Vol 12, No 1 (2026): February 2026
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v12i1.2329

Abstract

This study addresses the urgent need for digital inclusivity by developing a high-precision, real-time recognition system for Bahasa Isyarat Indonesia (BISINDO). The main new idea in this study is the creation of the Telkom University Database (TUD)-BISINDO, which is a strong and varied collection of data designed to fix the problems of current sign language databases, like not having enough different environments and camera angles. The TUD-BISINDO was created using 1,040 original images and added 780 more images to fix problems like differences in lighting, angles, and hand features that were often found in earlier datasets. The YOLOv8l model, improved with the AdamW optimizer and a flexible learning rate, performed exceptionally well with a mAP50 of 99.30% mAP50-95 of 85.40%, 99.80% precision, and 99.70% recall. These results demonstrate that the model significantly outperforms the previous YOLOv5 baseline across all primary metrics. The model has outstanding precision in recognizing real-time finger movements. However, complicated gestures, including the G and Z letters, require additional improvement. This research enhances sign language recognition technology, encouraging inclusion and improving accessibility for real-time communication. Future studies should focus on diversifying the dataset and maximizing performance in challenging conditions.