p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal DEVICE Jurnal Tika
Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENGEMBANGAN APLIKASI WISUDA BERBASIS WEB DENGAN QR CODE UNTUK PERCEPATAN REGISTRASI DAN PROSESI WISUDA Ircham Ali; Andi Aljabar; Moh Reza Fahlevi; Arifin A Abd Karim
Device Vol 14 No 1 (2024): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v14i1.7024

Abstract

Tradisi registrasi manual dalam prosesi wisuda seringkali mengakibatkan antrian panjang, keterlambatan, dan kebingungan bagi peserta. Aplikasi wisuda dibangun menggunakan PHP dengan Framework CodeIgniter dan DBMS MySQL/MariaDB, serta didesain menggunakan pendekatan Unified Modeling Language (UML). Metode pengembangan yang digunakan adalah Rapid Application Development (RAD) untuk mempercepat proses pengembangan sistem. Fitur seperti QR Code Invitations disuguhkan sebagai kode unik dalam undangan digital pada proses registrasi sebelum memasuki ruangan wisuda. Pengujian dilakukan dengan metode Black Box Testing guna memastikan fungsionalitas sistem berjalan dengan baik. Hasil pengujian menunjukan fungsionalitas dari sistem yang dibangun menunjukan performa yang baik dengan kelola hasil rekap data secara real-time. Implementasi aplikasi ini bukan hanya mempercepat proses registrasi, melainkan juga memberikan kenyamanan wisudawan dalam memasuki ruangan, mengurangi potensi kesalahan manusia, dan meningkatkan pengalaman panitia wisuda secara keseluruhan. Hasil penelitian menunjukan 98.73% hadir dalam ruangan atau sejumlah 310 wisudawan. Aplikasi wisuda menawarkan inovasi yang signifikan dalam efisiensi acara wisuda di Universitas Nahdlatul Ulama Indonesia.
Klasifikasi Penyakit Pada Sawi Pakcoy Dengan Menggunakan Metode Convolutional Neural Network (CNN) Agung Sutikno; Sry Dhina Pohan; Andi Aljabar
Jurnal Tika Vol 9 No 2 (2024): Jurnal Teknik Informatika Aceh
Publisher : Fakultas Ilmu Komputer Universitas Almuslim Bireuen - Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51179/tika.v9i2.2665

Abstract

The Brassisca Rapa L plant, commonly referred to as pakcoy, is a vegetable renowned for its economically significant leaves. Pakcoy thrives in both highland and lowland regions, characterized by its rapid harvest cycle and straightforward cultivation process. However, the marked increase in pakcoy cultivation has rendered the crop susceptible to diseases caused by fungi, viruses, pests, and other microbes, highlighting the necessity for effective management strategies to mitigate crop failure. This study explores the application of Convolutional Neural Networks (CNN) in the identification of pakcoy diseases through advanced pattern recognition and image analysis techniques. Utilizing a dataset comprising 1000 images of pakcoy leaves—500 depicting diseased specimens and 500 healthy ones—sourced from greenhouse plants, the images are processed using CNN with RGB configurations at a resolution of 512x512 pixels. The data training, conducted with the Adam optimizer, achieved an accuracy rate of 89.12% and a loss value of 0.240. The findings demonstrate that the CNN methodology is highly effective in accurately classifying diseases in pakcoy, thereby providing a robust framework for informed decision-making in disease prevention and management for pakcoy crops