Article Per Year (5 Year)
p-Index From 2021 - 2026
3.207
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Abdi Insani Journal of Intelligent Decision Support System (IDSS) JOINTER : Journal of Informatics Engineering Jurnal Informatika dan Rekayasa Perangkat Lunak Bisnis Net : Jurnal Ekonomi dan Bisnis Djtechno: Jurnal Teknologi Informasi Indonesian Journal of Innovation Studies Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Matematika Dan Ilmu Pengetahuan Alam LLDikti Wilayah 1 (JUMPA) Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi ENGINTECH: Journal of Engineering and Technological Sciences
Medi Hermanto Tinambunan
Universitas Negeri Manado
Aerospace Engineering Agriculture, Biological Sciences & Forestry Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Neuroscience Physics Social Sciences Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
IMPLEMENTASI METODE AGILE DALAM PENGEMBANGAN APLIKASI ABSENSI BERBASIS QRCODE PADA SMP NEGERI 7 PERCUT SEI TUAN Medi Hermanto Tinambunan; Sri Wahyuni; Amru Yasir; Marthin Yohannes Simanjuntak; Amir Hamzah Siregar
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4812

Abstract

Perkembangan teknologi saat ini sangat cepat, hampir seluruh elemen pekerjaan sudah menggunakan teknologi, hal ini juga yang menjadi perhatian penting oleh kepala sekolah SMP Negeri 7 Percut Sei Tuan, tentunya sangat dibutuhkan sebuah sistem absensi yang dapat memberikan informasi dan rekapitulasi data dengan cepat, saat ini SMP Negeri 7 Percut Sei Tuan hanya menggunakan absensi secara manual, yang dimaksud dengan manual adalah menggunakan cetakan absensi dan melakukan tanda tangan langsung pada cetakan dan guru memanggil nama siswa, hal ini tentunya memakan waktu yang lama serta tidak efisien dalam menjalankan proses belajar mengajar. Berdasarkan informasi yang didapatkan dari wawancara dengan para guru, dibutuhkan waktu sekitar 10 sampai dengan 20 menit hanya untuk melakukan absensi sehingga waktu untuk pembelajaran terpotong cukup banyak. Berdasarkan permasalahan tersebut perlu dilakukan penyelesaian terkait waktu yang lumayan banyak termakan oleh absensi, salah satu cara yang dapat dilakukan adalah dengan membangun sebuah aplikasi dengan menerapkan metode Agile Software Development yang dapat membantu siswa dan guru untuk melakukan absensi dengan cepat, cukup hanya dengan guru mengingatkan kembali siswa untuk melakukan absensi dengan aplikasi absensi berbasis qrcode pada saat pembelajaran berakhir atau sebelum mata pelajaran terakhir selesai. Saat pengujian sistem tentunya sangat membantu para guru dan orangtua dalam melakukan pemantauan kehadiran siswa disekolah, karena fitur aplikasi ini dapat memberikan informasi melalui email ketika siswa melakukan absensi disekolah, sehingga orang tua dapat mengetahui apakah anak mereka sudah hadir disekolah. Berdasarkan hasil pengujian blackbox didapatkan tingkat kepuasan pengguna baik orangtua dan guru sangat terbantu dalam pemantuan absensi serta memberikan penilaian positif.
Sistem Pendeteksi Dini dan Rekomendasi Penanggulangan Penyakit Tanaman Cabai dengan Arsitektur EfficientNet Ronauli Siregar; Audy Aldrin Kenap; Medi Hermanto Tinambunan
Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Vol. 6 No. 4 (2026): EduTIK : Agustus 2026
Publisher : Jurusan PTIK Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67142/edutik.v6i4.520

Abstract

ABSTRAK  Produktivitas cabai merah di Matani Satu terhambat oleh serangan patogen, diagnosis manual yang subjektif, serta infrastruktur internet perkebunan yang tidak stabil. Penelitian ini bertujuan membangun model Deep Learning berarsitektur EfficientNet-B0 untuk deteksi dini penyakit daun cabai merah dan merancang sistem rekomendasi penanggulangan cerdas berbasis Progressive Web App (PWA). Metodologi penelitian menggunakan 2.141 dataset hibrida dengan tahapan akuisisi data, pra-pemrosesan, pemodelan transfer learning, penalaan parameter menggunakan bobot kelas (Class Weights) untuk memitigasi ketidakseimbangan data, perancangan basis pengetahuan, hingga implementasi sistem. Hasil evaluasi menunjukkan model mencapai akurasi validasi sebesar 94,39% dengan tingkat loss 0,21. Pendekatan Cost-Sensitive Learning terbukti efektif mengenali kelas penyakit minoritas secara sempurna. Fitur Explainable AI berupa Grad-CAM juga berhasil diimplementasikan guna memberikan transparansi visual pada area infeksi daun. Kesimpulannya, integrasi inferensi AI di sisi klien (client-side) melalui PWA menjadi solusi yang efektif, memungkinkan para petani mandiri untuk mendiagnosis penyakit dan memperoleh rekomendasi tindakan agronomis secara real-time meskipun dalam kondisi tanpa koneksi internet (offline).   ABSTRACT  Red chili productivity in Matani Satu is hindered by pathogen attacks, subjective manual diagnosis, and unstable plantation internet infrastructure. This study aims to build a Deep Learning model with an EfficientNet-B0 architecture for early detection of red chili leaf diseases and design an intelligent treatment recommendation system based on a Progressive Web App (PWA). The research methodology utilizes 2,141 hybrid datasets involving data acquisition, preprocessing, transfer learning modeling, parameter tuning using Class Weights to mitigate data imbalance, knowledge base design, and system implementation. Evaluation results indicate the model achieved a validation accuracy of 94.39% with a loss rate of 0.21. The Cost-Sensitive Learning approach proved effective in perfectly recognizing minority disease classes. The Explainable AI feature, Grad-CAM, was also successfully implemented to provide visual transparency of leaf infection areas. In conclusion, the integration of client-side AI inference through PWA provides an effective solution, enabling independent farmers to diagnose diseases and obtain agronomic action recommendations in real-time even without an internet connection (offline). 
Co-Authors Alfiansyah Hasibuan Amir Hamzah Siregar Arif Sobirin Wibowo Audy Aldrin Kenap Christine Takarina Meitty Manoppo Dea Nanda Paseru Demi Mardian Gladly Caren Rorimpandey I Gede Budi Mahendra Ida Bagus Weda Wigena Kawengian, Argentino Michaelovic Kembuan, Djubir Ruslan Edy Kristofel Santa Lanamey Praisy Indiana Rawung Lestari, Ira Widarti Setu Marthin Yohannes Simanjuntak Neneng Neneng parabelem tinno dolf rompas Perangin-angin, Laura Ivo Pither, Claudia Putra, Purwa Hasan Rafael Jansen Darrel Sorongan Rapar, Pedro Vincensius Ronauli Siregar Sinta Tumbo Sondy Campvid Kumajas Sri Wahyuni Sumakul, Novia Tesalonika Tameo, Vito Ernesto Yasir, Amru Zefanya Pehi