Article Per Year (5 Year)
p-Index From 2021 - 2026
2.085
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Sistemasi: Jurnal Sistem Informasi Jurnal Teknik Komputer AMIK BSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal REKA ELKOMIKA: Jurnal Pengabdian kepada Masyarakat Abditeknika - Jurnal Pengabdian Kepada Masyarakat Jurnal Info Sains : Informatika dan Sains Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Instink: Inovasi Pendidikan, Teknologi Informasi dan Komputer Infact: Jurnal Sains dan Komputer Jurnal Pengabdian Masyarakat Indonesia (JPMI) Tanggap Masyarakat untuk Aksi dan Sinergi
Mira
Institut Shanti Bhuana
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Penguatan Deep Learning Approach Berbasis Teknologi di SMAN 03 Bengkayang Candra Gudiato; Mira; Kusnanto
Tanggap Masyarakat untuk Aksi dan Sinergi Vol 2 No 02 (2026): Volume 02 Nomor 02 - Juni 2026
Publisher : TAM Global Insights

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

Abstract

Perkembangan teknologi Artificial Intelligence (AI) yang pedat menuntut dunia pendidikan untuk beradaptasi, tidak hanya dalam penggunaan teknologi, tetapi juga dalam membangun kemampuan berpikir kritis siswa. Kegiatan pengabdian masyarakat ini bertujuan untuk menguatkan deep learning approach berbasis teknologi di SMA Negeri 03 Bengkayang. Deep learning dalam konteks pendidikan diimplementasikan melalui tiga prinsip dasar, yaitu mindful (berkesadaran), meaningful (bermakna), dan joyful (menyenangkan) yang mendorong siswa untuk tidak sekadar menghafal, melainkan mampu menganalisis, mengevaluasi dan mengkonstruksi pengetahuan secara mandiri. Kegiatan ini diaktualisasikan dengan sosialisasi Artificial Intelligence. Dalam sesi diskusi sosialisasi ini, siswa mengeksplorasi dan membandingkan jawaban dari tiga platform AI, yaitu ChatGPT, Meta AI dan Google Gemini, terhadap pertanyaan yang sama, kemudian mengevaluasi keakuratan, kedalaman dan relevansi masing – masing jawaban. Hasil kegiatan menunjukkan bahwa siswa mampu mengidentifikasi perbedaan karakteristik setiap platform, di mana Chat GPT unggul dalam kedalaman dan struktur jawaban, Meta AI lebih ringkas, sementars Google Gemini lebih terintegrasi dengan sumber informasi terkini. Kegiatan ini menegaskan bahwa guru tetap memegang peran sentral sebagai pembimbing yang mengarahkan siswa untuk menyaraing informasi secara kritis dan bertanggung jawab. Diharapkan model pembelajaran ini dapat diadaptasi secara berkelanjutan oleh sekolah – sekolah di Kabupaten Bengkayang dalam menyiapkan generasi yang melek teknologi, sekaligus berpikir kritis di era digital.
Implementasi Metode CNN Berbasis Transfer Learning dengan Arsitektur MobileNetV2 dalam Klasifikasi dan Pemetaan Tempat Wisata Mira; Christian Cahyaningtyas; Maya Sari; Yuliana
Jurnal Ilmiah Informatika Komputer Vol. 30 No. 3 (2025)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2025.v30i3.56

Abstract

The growth of tourism in the digital era encourages the use of social media as a source of visual data for destination analysis. This study aims to classify and map tourist attractions in West Kalimantan using a transfer learning-based Convolutional Neural Network (CNN) method with the MobileNetV2 architecture. A total of 454 images were collected through web scraping from the Instagram account @enjoykalbar, then through a process of elimination, augmentation, normalization, and manual labeling based on the West Kalimantan Disporapar tourism categories, namely Hills, Beaches, Cascades, Culture, Lakes, Rivers, Caves, and Forests. The dataset was divided into training data (70%), validation (20%), and test (10%). The model was built by freezing the initial layers of MobileNetV2 and adding a classification head, then drilled for 20 epochs using the Adam Optimizer and EarlyStopping and ReduceLROnPlateau callbacks. The training results showed a training accuracy of 95.8%, validation accuracy of 88.1%, and test accuracy of 80%. Further evaluation using the classification report yielded an overall accuracy of 89%, with an average precision of 0.93, a recall of 0.86, and an F1-score of 0.88. The model was then integrated into a category- and coordinate-based interactive mapping system to display the distribution of tourist attractions across 12 districts and 2 cities. The results demonstrate that the CNN transfer learning approach is effective for tourism image classification and supports spatial visualization in tourism promotion and planning.
Pengembangan Sistem Lampu Otomatis Berbasis Internet Of Things (Iot) Menggunakan Esp8266 dan Algoritma K-Nearest Neighbor Revaldo Tesso; Mira
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1479

Abstract

Penerangan merupakan salah satu kebutuhan penting dalam mendukung aktivitas penghuni asrama. Namun, masih sering terjadi pemborosan energi listrik akibat lampu yang dibiarkan menyala ketika kondisi lingkungan sudah terang atau tidak terdapat aktivitas di sekitar area tertentu. Penelitian ini bertujuan mengembangkan sistem lampu otomatis berbasis Internet of Things (IoT) menggunakan ESP8266 dan algoritma K-Nearest Neighbor (KNN) untuk meningkatkan efisiensi penggunaan energi listrik serta mempermudah proses pemantauan sistem secara real-time. Penelitian ini menggunakan metode K-Nearest Neighbor (KNN) sebagai algoritma klasifikasi dengan memanfaatkan dua parameter masukan, yaitu nilai sensor Light Dependent Resistor (LDR) sebagai pendeteksi intensitas cahaya dan sensor Passive Infrared Receiver (PIR) sebagai pendeteksi gerakan. Dataset penelitian diperoleh secara langsung dari hasil pembacaan sensor pada sistem yang telah diimplementasikan di Asrama Shanti Bhuana sebanyak 320 data. Dataset kemudian dibagi menjadi 224 data latih (70%) dan 96 data uji (30%). Proses klasifikasi dilakukan menggunakan perhitungan Euclidean Distance dengan nilai K = 5, sedangkan implementasi algoritma dilakukan menggunakan Google Colab. Sistem yang dikembangkan juga terintegrasi dengan platform Blynk sehingga kondisi sensor dan status lampu dapat dipantau secara real-time melalui perangkat seluler. Hasil penelitian menunjukkan bahwa sistem mampu mengendalikan lampu secara otomatis berdasarkan kondisi intensitas cahaya dan keberadaan gerakan sesuai dengan hasil klasifikasi algoritma K-Nearest Neighbor. Selain itu, integrasi ESP8266 dengan platform Blynk memungkinkan pengguna memantau kondisi sistem secara jarak jauh melalui koneksi internet. Dengan demikian, sistem yang dikembangkan mampu meningkatkan efektivitas pengendalian penerangan sekaligus mendukung efisiensi penggunaan energi listrik pada lingkungan asrama.
Co-Authors Cahyaningtyas, Christian Charley Charley Dedy Fenni Rosa Gudiato, Candra indramayu Jones Parlindungan Nadapdap Kusnanto kusnanto kusnanto Listra Frigia Missianes Horhoruw Maya Sari Noviyanti. P Revaldo Tesso santi thomas Shanti Thomas Yuliana