Claim Missing Document
Check
Articles

Found 4 Documents
Search

Management Product Order Pada Toko O Lady Akhmad, Dinar Munggaran; Anggraeni, Irma; Andriani, Siska
Journal of Social Sciences and Technology for Community Service (JSSTCS) Vol 5, No 1 (2024): Volume 5, Nomor 1, March 2024
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v5i1.3852

Abstract

Bisnis fashion merupakan bisnis yang dapat meraup keuntungan dengan besar karena bisnis ini tak pernah lekang oleh waktu, kapanpun orang akan membutuhkan fashion.Toko baju O Lady merupakan usaha dalam bidang fashion yang sudah mulai dirintis dari tahun 2016. Pada mulanya usaha baju ini memiliki store di kawasan Mall BTM. Namun sejak pandemik tahun 2020, pemilik usaha beralih menjadi toko online. Salah satu tantangan toko O Lady adalah banyaknya pesanan baju dewasa yang bersifat Pre Order (PO), dimana dengan kondisi ini makan pemilik toko harus mendata pesanan PO dari konsumen. Namun hingga saat ini pencatatan PO ini masih dilakukan secara manual yaitu dengan mengirim format order melalui whatssapp dan Google Form, lalu kemudian akan dicatat manual oleh admin. Melalui penelitian ini kami sudah membantu mitra dalam hal memudahkan pemesanan Pre Order seller dan agen, merekap data penjualan dari setiap agen dan seller dan memudahkan distributor untuk melakukan pelaporan penjualan ke pusat.
PENGUKURAN KEMIRIPAN SEMANTIK BERBASIS GRAPH PADA GENE ONTOLOGY Akhmad, Dinar Munggaran
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 2 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i2.9678

Abstract

Ontologi mendukung suatu sistem Knowledge Management dan membuka kemungkinan untuk berpindah dari pandangan berorientasi dokumen ke arah pengetahuan yang saling terkait dan dapat dimanfaatkan kembali secara lebih fleksibel dan dinamis. Salah satu dokumen ontology yang sangat berperan dalam dunia bioinformatika adalah Gene Ontology. Gene Ontology dibangun berbasis Graph, memuat banyak term/istilah tentang Gen pada makhluk hidup. Gen dapat melakukan mutasi dan hal ini menyebabkan resistensi terhadap segala jenis obat. Gen yang diketahui menyebabkan penyakit malaria resisten terhadap obat antimalarial yaitu gen dhfr dan dhps. Penelusuran kemungkinan gen lain yang resisten dapat dilakukan dengan mengetahui sifat-sifat gen yang berhubungan dengan resistensi tersebut. Salah satu cara adalah dengan menghitung kemiripannya secara semantik melalui pendekatan path length metode Wang. Hasil penelitian menunjukkan bahwa rentang nilai kemiripan kedua gen tersebut adalah 0 – 1. Nilai kemiripan diuji pada salah satu komponen dalam Gene Ontology yaitu pada Molecular Function dengan nilai kemiripan sebesar 0.35 karena terhubung oleh 2 node yang sama yaitu catalytic activity. Dengan demikian penelitian ini diharapkan dapat mendeteksi gen lain yang terindikasi resistensi sebelum penelitian lebih lanjut secara molekuler.
PEMODELAN MONTE CARLO UNTUK PREDIKSI SIFAT HUJAN HARIAN Andriani, Siska; Akhmad, Dinar Munggaran; Wihartiko, Fajar Delli
Computatio : Journal of Computer Science and Information Systems Vol. 4 No. 2 (2020): COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v4i2.9697

Abstract

Prediksi merupakan kegiatan peramalan untuk masa depan. Prediksi sudah banyak digunakan salah satunya untuk prediksi panen, jumlah keuntungan dan kerugian serta prediksi cuaca. Pada penelitian ini akan memanfaatkan prediksi cuaca untuk mengetahui sifat hujan harian menggunakan model monte carlo. Dalam prediksi hujan harian ada beberapa parameter yang dapat mempengaruhi missalnya temperatur, curah hujan, kelembaban, arah angin, tekanan udara dan lain sebagainya. Pengamatan cuaca dilakukan oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG). Data pengamatan yang digunakan pada penelitian ini adalah data pengamatan yang dilakukan stasiun BMKG Waingapu selama 40 tahun (1973-2013). BMKG dalam melakukan prediksi masih sering menemukan kendala karena iklim cuaca di Indonesia dirasa masih sangat labil, sehingga hasil akurasi prediksi sangat sulit dilakukan dengan menggunakan cara tradisional. Untuk itu diusulkan prediksi sifat hujan harian dengan pembangunan model sifat hujan harian menggunakan metode monte carlo. Tahapan metode yang dilakukan dimulai dari analisis, perancangan, implementasi dan uji validasi. Pada tahap implementasi dilakukan pemodelan dimana tahap awal yaitu melakukan analisis data cuaca, penentuan Awal Musim Hujan (AMH), analisis korelasi antara data AMH dengan data Anomali Suhu Permukaan Laut (ASPL) Nino 3.4, penentuan 3 kelas data menggunakan SOM, kategorisasi 9 sifat hujan harian, pemodelan dengan metode monte carlo dan uji coba validasi.
Deteksi Deepfake Real-Time pada Perangkat Mobile Menggunakan Arsitektur MobileViT-CBAM Teroptimasi Hutagalung, Carli Apriansyah; Akhmad, Dinar Munggaran; Resita, Ersa; Rahmi, Talita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.3634

Abstract

Perkembangan teknologi deepfake menghadirkan ancaman serius terhadap autentisitas informasi digital, terutama di media sosial dan konteks politik. Namun, sebagian besar model deteksi deepfake masih berukuran besar dan memiliki latensi tinggi, sehingga tidak efisien untuk dijalankan pada perangkat mobile. Penelitian ini mengusulkan arsitektur deteksi deepfake ringan berbasis MobileViT yang dipadukan dengan modified Convolutional Block Attention Module (CBAM) serta rangkaian optimasi model untuk memungkinkan inferensi real-time pada smartphone. MobileViT digunakan karena kemampuannya mengintegrasikan representasi lokal dan global secara efisien, sementara modified CBAM ditambahkan untuk meningkatkan fokus model pada area wajah yang sering dimanipulasi. Proses optimasi mencakup pruning 40%, quantization 8-bit, dan konversi TensorFlow Lite. Model dilatih menggunakan dataset FaceForensics++ dan Celeb-DF dengan total 84.690 frame yang diproses melalui MTCNN dan normalisasi 224×224 piksel. Hasil evaluasi menunjukkan bahwa model mencapai AUC 0.993 dan akurasi 96.4%, dengan ukuran akhir hanya 0.80 MB dan kecepatan 15.8 FPS pada perangkat simulasi MacBook M1 Pro. Ablation study mengonfirmasi kontribusi signifikan modified CBAM terhadap peningkatan performa, serta efektivitas quantization dalam menurunkan ukuran model tanpa mengorbankan akurasi. Temuan ini menunjukkan bahwa model MobileViT-CBAM teroptimasi mampu memberikan solusi deteksi deepfake yang akurat, ringan, dan dapat dijalankan secara real-time pada perangkat mobile tanpa ketergantungan cloud, sehingga berpotensi mendukung verifikasi konten multimedia dan mitigasi disinformasi di masyarakat.