Claim Missing Document
Check
Articles

Found 14 Documents
Search

Sistem Informasi Data Induk Dosen Pada Universitas Dipa Makassar Muhardi, Muhardi; Natsir, Muh. Syahlan
JUKI : Jurnal Komputer dan Informatika Vol. 6 No. 1 (2024): JUKI : Jurnal Komputer dan Informatika, Edisi Mei 2024
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v6i1.450

Abstract

Penelitian ini bertujuan untuk merancang dan membuat suatu Sistem Informasi yang dapat digunakan oleh dosen maupun jurusan dalam megelola data induk dosen berupa biodata dosen, dokumen surat keputusan, dokumen surat tugas, dokumen sertifikat, dokumen personal dosen, dokumen laporan hasil kegiatan dosen dan berbagi dokumen. Objek yang menjadi fokus utama dalam penelitian ini adalah dosen dan dokumen data induk dosen. Hasil penelitian ini menunjukkan bahwa: (1) Sistem Informasi dapat mempengaruhi efektivitas tata kelola dokumen; (2) Sistem Informasi dapat memberikan dampak positif pada kemudahan dalam berbagi dokumen; (3) Sistem Informasi dapa membantu staf jurusan dalam menyajikan informasi dokumen surat-surat dosen kepada dosen yang bersangkutan dengan cepat. Berdasarkan hasil penilitian yang telah dilakukan secara umum untuk pengaplikasian sistem informasi pada Universitas Dipa Makassar sudah cukup baik. Namun masih ada bagian-bagian tertentu yang masih perlu dirancang dan dibuat untuk memenuhi permintaan akan layanan yang berbasis teknologi informasi. Seperti kemampuan dari karyawan, staf dalam pengoperasian software aplikasi sistem yang digunakan, penyediaan komputer khusus untuk bagian tertentu agar pemanfaatan teknologi informasi dapat diterapkan secara penuh.
DESIGN INTERACTIVE QUR’AN LEARNING FOR KINDERGARTEN BASED ON ANDROID R Thabrani; Muh. Syahlan Natsir
Journal of Information Technology and Its Utilization Vol 1 No 1 (2018)
Publisher : Sekolah Tinggi Multi Media

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30818/jitu.1.1.1647

Abstract

The Institute for the Development and Development of Al Qur'an Kindergarten (LPPTKA) in Sidrap city is an organization of the Indonesian Youth Mosque Youth Communication Agency (BKPRMI). LPPTKA BKPRMI Sidrap city is an educational institution that seeks to foster and develop the reading, writing, understanding and practicing the Qur'an through TKA / TPA units. As is known, basic religious education for early childhood is very important, where basic religious education special attention to children. The Qur'an Education Park (TPA) has become a forum for debriefing the basics of religion for children such as learning iqro ', prayer, ablution and many more. The learning method used in most TPAs in Sidrap Regency still uses a general learning system such as using prayer books or iqra books so that students easily feel bored, especially when learning is very limited so that the knowledge gained is not maximal if they do not repeat home. By using an Android-based interactive learning application, it will provide a new way of learning and know technology to students so that it can increase the interest and quality of TK/TPA students in Sidrap district.
Pengaruh Konten Visual Instagram Dalam Meningkatkan Intensitas Kunjungan Konsumen Di Lidi Coffee Makassar Emi Saptaria; Muh. Syahlan Natsir; Fachriyahtul Jannah
JED : Journal Entrepreneurship Digital Vol. 3 No. 1 (2026): JED (Journal Entreupreneur Digital)
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Universitas Dipa Makassar

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

Abstract

Media sosial, khususnya Instagram, kini menjadi salah satu sarana utama promosi bisnis di sektor kuliner. Konten visual yang menarik berperan penting dalam membangun citra merek dan memengaruhi perilaku konsumen, termasuk keputusan untuk melakukan kunjungan langsung. Penelitian ini bertujuan untuk menganalisis pengaruh konten visual Instagram terhadap intensitas kunjungan konsumen di Lidi Coffee Makassar. Metode penelitian yang digunakan adalah kuantitatif dengan penyebaran kuesioner kepada 95 responden yang merupakan pengunjung Lidi Coffee Makassar. Data dianalisis menggunakan regresi linear sederhana melalui aplikasi SPSS. Hasil penelitian menunjukkan bahwa konten visual Instagram berpengaruh positif dan signifikan terhadap intensitas kunjungan konsumen dengan nilai signifikansi < 0,05. Uji koefisien determinasi (R^2) menghasilkan nilai sebesar 0,517, yang berarti 51,7% variasi intensitas kunjungan dapat dijelaskan oleh konten visual Instagram, sementara sisanya 48,3% dipengaruhi oleh faktor lain diluar penelitian ini. Dengan demikian, dapat disimpulkan bahwa konten visual Instagram berperan penting dalam meningktakan minat dan intensitas kunjungan konsumen di Lidi Coffee Makassar.
An OCR–LSTM-Based Framework for Hazardous Cosmetic Ingredient Detection and Skin-Type Classification Using Ingredient Analysis Natsir, Muh. Syahlan; Mustafa, M. Syukri
Indonesian Journal of Enterprise Architecture Vol. 3 No. 2 (2026): Indonesian Journal of Enterprise Architecture
Publisher : Global Research and Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66314/ijea.v3i2.433

Abstract

This study proposes an OCR–LSTM-based framework for hazardous cosmetic ingredient detection and skin-type classification using ingredient analysis. The increasing use of skincare products has raised significant safety concerns, particularly regarding the presence of harmful substances in products distributed through online platforms. To address this issue, the proposed framework integrates Optical Character Recognition (OCR) for extracting ingredient text from cosmetic labels with a Long Short-Term Memory (LSTM) model for classification and analysis.Two primary datasets were utilized: a hazardous ingredient list obtained from the Indonesian Food and Drug Authority (BPOM) and a skincare ingredient dataset categorized based on compatibility with different skin types, including oily, dry, normal, and combination. The extracted text was processed through preprocessing and normalization stages before being used as input for the LSTM model to classify ingredient safety and determine skin-type suitability. Experimental results show that the proposed framework achieved a training accuracy of 97.59% and a validation accuracy of 96.68%, with strong classification performance, particularly for Combination, Normal, and Dry skin categories. These results demonstrate that the integration of OCR and deep learning provides an effective approach for automated ingredient analysis, enabling accurate detection of hazardous substances and supporting safer skincare product selection.