Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengenalan Web Ai Chatgpt (Generative Pre-Trained Transformer) Oleh Openai Di Smp Indriasana Palembang Alwin Marcellino; Dicky Ryanto Fernandes; Fionna Caroline; Nicolas Jacky Pratama Hasan; Yosefa Camilia Moniung; Muhammad Rizky Pribadi
Jurnal Pengabdian Masyarakat IPTEK Vol. 3 No. 2 (2023): Edisi Juli 2023
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/abdi.v3i2.8351

Abstract

ChatGPT oleh OpenAI merupakan contoh teknologi Kecerdasan Buatan (Artificial Intelligence) yang dapat berinteraksi dengan pengguna melalui chat. ChatGPT seringkali terdengar di kalangan masyarakat saat ini, maka dari itu dilakukan pengabdian mengenai ChatGPT kepada siswa-siswi SMP Indriasana Palembang. Kegiatan pengabdian ini bertujuan untuk mengenalkan siswa-siswi pada ChatGPT sebagai asisten virtual yang dapat memudahkan kehidupan sehari-hari dalam memperoleh informasi, menjelaskan cara penggunaan ChatGPT, kekurangan dan kelebihannya, serta berbagai pengawasan yang harus dilakukan guna mencegah penyalahgunaan teknologi tersebut. Kegiatan pengabdian ini dilakukan dengan metode penyampaian materi yang interaktif dan pelatihan menggunakan platform ChatGPT kepada siswa-siswi yang didampingi langsung oleh Tim Pengabdian. Penggunaan ChatGPT dalam kehidupan sehari-hari memiliki potensi besar untuk meningkatkan pelayanan dan memberikan manfaat bagi masyarakat dari berbagai kalangan usia.Kata kunci: Artificial Intelligence, Asisten Virtual, ChatGPT, OpenAI, Teknologi.
Klasifikasi Non-Destruktif Kemanisan Semangka Manohara Menggunakan Transfer Learning VGG-16 Dicky Ryanto Fernandes; Nur Rachmat
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 1 No. 4 (2022): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/81wv2s06

Abstract

Semangka (Citrullus lanatus) merupakan buah tropis populer di Indonesia karena rasanya yang manis dan kandungan airnya yang tinggi. Penentuan tingkat kemanisan masih banyak dilakukan secara destruktif dengan refraktometer, sehingga kurang efisien. Penelitian ini bertujuan mengklasifikasikan tingkat kemanisan semangka Manohara secara non-destruktif berdasarkan ciri fisik luar menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG-16 dan pendekatan transfer learning. Data dikumpulkan secara mandiri dan dibagi menjadi 80% data latih, 10% validasi, dan 10% uji. Model menggunakan Adam Optimizer dan Softmax sebagai classifier. Hasil terbaik diperoleh pada skenario ke-4 dengan akurasi 67,42%. Namun, model menunjukkan gejala underfitting dan kecenderungan mengklasifikasi ke satu kelas. Penelitian ini menunjukkan potensi awal penggunaan visi komputer dalam seleksi kualitas semangka secara otomatis dan non-destruktif, meskipun masih diperlukan peningkatan akurasi agar dapat diimplementasikan secara praktis di lapangan.