Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer Teknologi Informasi dan Digital (TRIDI)
Iwan Jaya
Universitas Bani Saleh
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Materials Science & Nanotechnology Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
RANCANG BANGUN SISTEM INFORMASI PEMESANAN JASA EVENT ORGANIZER PADA MYER KREATIF VISION VIBE Rudi Budi Agung; Fairuz Dandy Faras Syujaya; Iwan Jaya; Willy Adam; Sabar Hanadwiputra
Jurnal Teknologi Informasi dan Digital Vol. 3 No. 2 (2025): Teknologi Informasi dan Digital
Publisher : LPPM Universitas Bani Saleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65624/tridi.v3i2.228

Abstract

MYER KREATIF VISION VIBE (MKVI) merupakan perusahaan yang bergerak di bidang industri kreatif, menyediakan layanan videografi, fotografi, desain grafis, dan pembuatan Website. Seiring dengan meningkatnya permintaan layanan, MKVI menghadapi tantangan dalam proses pengelolaan pemesanan yang masih dilakukan secara manual. Hal ini berdampak pada ketidakmemudahkanan dalam penjadwalan, pencatatan pemesanan, serta keterbatasan dalam akses informasi secara real-time. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan mengembangkan sistem informasi pemesanan jasa Event Organizer berbasis web dengan menggunakan metode Prototype. Metode ini dipilih karena sifatnya yang iteratif dan memungkinkan pelanggan terlibat langsung dalam proses pengembangan sistem. Sistem yang dibangun mencakup fitur pemesanan layanan, penjadwalan meeting, pelangganan promo, konfirmasi pembayaran, notifikasi otomatis, hingga pelaporan transaksi. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan dapat memudahkan proses pemesanan, memudahkan validasi data, serta memberikan dukungan pengambilan keputusan bagi manajemen. Dengan demikian, sistem ini menjadi solusi efektif untuk menggantikan proses manual dan mendukung digitalisasi layanan di MKVI.
APLIKASI PELAPORAN BERITA OLEH KELOMPOK INFORMASI MASYARAKAT (KIM) BERBASIS WEB Iwan Jaya; Amat Suroso; Abyan Aldi Sutikno; Mami Maryati; Dewi Ayu Puspitawati
Jurnal Teknologi Informasi dan Digital Vol. 4 No. 1 (2026): Teknologi Informasi dan Digital
Publisher : LPPM Universitas Bani Saleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65624/x4cz0k37

Abstract

Kelompok Informasi Masyarakat (KIM) merupakan wadah komunikasi masyarakat yang berperan penting dalam menyebarluaskan informasi di lingkungan sekitar. Namun, proses pelaporan dan distribusi berita yang masih dilakukan secara manual atau melalui media sosial tidak terstruktur sering kali menghambat efektivitas dan akurasi informasi yang disampaikan. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pelaporan berita berbasis web yang dapat digunakan oleh KIM dalam mendokumentasikan dan menyebarkan informasi secara lebih sistematis, cepat, dan akuntabel. Aplikasi ini dikembangkan menggunakan metode pengembangan perangkat lunak berbasis waterfall dengan teknologi PHP dan MySQL sebagai basis data. Fitur utama yang disediakan meliputi pelaporan berita, pengelolaan pengguna, validasi berita oleh admin, serta penyajian berita secara publik melalui antarmuka yang responsif. Hasil pengujian menunjukkan bahwa aplikasi ini mampu meningkatkan efisiensi dalam proses pelaporan serta memperkuat peran KIM sebagai jembatan informasi antara masyarakat dan pemerintah. Dengan adanya aplikasi ini, diharapkan kualitas penyampaian informasi di tingkat lokal dapat meningkat dan mendukung terwujudnya masyarakat yang informatif dan partisipatif.
Komparasi YOLOv8 Nano dan YOLO11 Nano untuk Klasifikasi Penyakit Daun Tomat pada Perangkat Edge Muhammad Nur; Iwan Jaya; Haytsam Adzka Mawla
Progresif: Jurnal Ilmiah Komputer Vol. 22 No. 3 (2026): Juli
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i3.3929

Abstract

Tomato leaf diseases pose a significant threat to horticultural productivity, while field identification methods remain highly dependent on expert observation. This study compared the performance of YOLOv8 Nano and YOLO11 Nano for tomato leaf disease classification on an edge device. A dataset of 7,200 tomato leaf images across six disease classes was used; both models were trained under identical configurations with 20 independent seed replications, exported to ONNX format, and evaluated on a Raspberry Pi 5. YOLOv8 Nano achieved a mean accuracy of 88.32% while YOLO11 Nano achieved 87.81%. The Wilcoxon Signed-Rank test confirmed that the accuracy difference was not statistically significant (W = 75.5; p = 0.2706). Nevertheless, YOLOv8 Nano demonstrated shorter mean inference time (8.430 ms vs 8.502 ms; p = 0.0064), smaller model size (5.531 MB vs 5.895 MB), and lower peak memory usage (72.31 MB vs 72.72 MB). Both models proved comparable in classification accuracy, but YOLOv8 Nano is recommended for edge deployment owing to its statistically verified efficiency advantages. Keywords: YOLOv8 Nano; YOLO11 Nano; tomato leaf disease classification; edge device; Wilcoxon Signed-Rank Abstrak Penyakit daun tomat menjadi ancaman serius bagi produktivitas hortikultura, sementara metode identifikasi visual di lapangan masih sangat bergantung pada keahlian pengamat. Penelitian ini membandingkan performa YOLOv8 Nano dan YOLO11 Nano untuk klasifikasi penyakit daun tomat pada perangkat edge. Dataset yang digunakan terdiri dari 7.200 citra daun tomat yang terbagi dalam enam kelas penyakit; kedua model dilatih menggunakan 20 variasi seed independen dengan konfigurasi identik, kemudian diekspor ke format ONNX dan diuji langsung pada Raspberry Pi 5. YOLOv8 Nano memperoleh akurasi rata-rata 88,32%, sedangkan YOLO11 Nano memperoleh 87,81%. Uji Wilcoxon Signed-Rank mengonfirmasi bahwa selisih akurasi tidak signifikan secara statistik (W = 75,5; p = 0,2706). Meski demikian, YOLOv8 Nano menunjukkan waktu inferensi yang lebih singkat (8,430 ms vs 8,502 ms; p = 0,0064), ukuran model lebih kecil (5,531 MB vs 5,895 MB), dan konsumsi memori lebih rendah (72,31 MB vs 72,72 MB). Kedua model terbukti setara dari sisi akurasi klasifikasi, namun YOLOv8 Nano lebih direkomendasikan untuk implementasi edge berkat keunggulan efisiensinya yang terukur.
Co-Authors Abyan Aldi Sutikno Dewi Ayu Puspitawati Fairuz Dandy Faras Syujaya Haytsam Adzka Mawla Mami Maryati Muhammad Nur Rudi Budi Agung Sabar Hanadwiputra suroso, amat Willy Adam