Claim Missing Document
Check
Articles

Found 36 Documents
Search

Pengukuran Kualitas Website Fakultas Teknik Universitas Muhammadiyah Bengkulu Menggunakan Metode Webqual 4.0 Marissa Utami; Vendy Handoyo; Marissa Utami; RG Guntur Alam; Gunawan Gunawan
Jurnal Sistem Informasi dan E-Bisnis Vol 5 No 2 (2023): Juli
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jusibi.v5i2.507

Abstract

Internet adalah rangkaian jaringan terbesar di dunia dimana seluruh jaringan yang berada pada semua organisasi dihubungkan dengan suatu jaringan terbesar sehingga dapat saling terhubung. Website sebagai bagian yang tidak terpisahkan dari sebuah lembaga pendidikan dalam hal layanan bagi civitas akademika, dosen, mahasiswa, dan tenaga kependidikan. Layanan suatu informasi akademik berbasis web perlu diukur untuk mengetahui tingkat kepuasan pengguna. Dalam penelitian ini, kualitas webite akademik Fakultas Teknik Universitas Muhammadiyah Bengkulu diukur dengan menggunakan metode WebQual 4.0. WebQual merupakan instrumen yang menilai kualitas suatu website menurut perspektif pengguna akhir. Analisis Regresi Stepwise digunakan utuk menguji hubungan antar variabel dari WebQual 4.0 dengan User Satisfaction (kepuasan pengguna). Dari hasil penelitian dapat disimpulkan bahwa hanya satu variabel WebQual 4.0, yaitu Protection Quality yang berpengaruh signifikan terhadap User satisfaction (kepuasan pengguna) website sistem akademik universitas.
Deteksi Objek Kualitas Daun Sawi Menggunakan Metode HSV Color dan Color Blob Marissa Utami; Marissa Utami; Erwin Dwika Putra
Jurnal Sistem Informasi dan E-Bisnis Vol 5 No 2 (2023): Juli
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jusibi.v5i2.518

Abstract

Segmentasi warna merupakan pemisahan segmen dalam suatu citra ber-dasarkan warna yang terkandung dalam citra. Dalam perkembangan sistem computer vision telah dilakukan berbagai macam metode untuk melakukan segmentasi warna seperti metode clustering dan metode indeks. Pada penelitian ini penulis akan mencoba untuk melakukan segmentasi warna dengan metode color blob. Ruang lingkup warna HSV terdiri dari 3 elemen yaitu Hue mewakili warna, Saturation mewakili tingkat dominasi warna, dan Value mewakili tingkat kecerahan. Dengan demikian metode ini cenderung mendeteksi warna dan tingkat dominasi serta kecerahannya. Dari hasil penelitian maka dapat disimpulkan bahwa Metode Color HSV dan Color blob mendapatkan hasil akurasi 66,7 %, dengan tingkat kesulitan pem-isahan warna pada objek dengan latar belakang objek yang hampir sama
METODE EDGE FEATURE DAN EIGENFACE UNTUK IDENTIFIKASI PENGENALAN WAJAH Marissa Utami; Marissa Utami; Marissa Utami; Erwin Dwika Putra
JSAI (Journal Scientific and Applied Informatics) Vol 6 No 2 (2023): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v6i2.4998

Abstract

Sistem biometrik pengenalan wajah diperlukan sebagai salah satu alternatif identifikasi. Sistem ini melakukan pengenalan identitas seseorang dengan cara yang natural dan langsung berdasarkan wajah seseorang yang diambil dengan kamera. Dalam pengenalan wajah masalah yang kerap timbul ketika identifikasi wajah adalah keakurasian pengenalan wajah, pencahayaan pada wajah dan perubahan ekspresi wajah. Edge feature memproses gambar dalam kotak-kotak, dengan menggunkan nilai (threshold) tepi yang menandakan daerah gelap dan terang dengan mengurangkan daerah yang gelap dan daerah yang putih, jika perbedaannya berada di atas threshold maka dikatakan fitur itu ada. Dalam proses pengenalan wajah yang tidak ditemukan akibat pencahayaan pada suatu objek wajah membuat proses pengenalan wajah tidak jelas atau cacat. Dalam hal ini edge feature digunakan untuk mengubah objek wajah dengan nilai threshold yaitu mengubah gambar berwarna menjadi gambar hitam putih dengan tingkat kontras yang sangat tinggi. Pada pengujian sistem ini hasil yang didapatkan pada saat penelitian dan perhitungan menggunkan Confusion Matrix seperti yang dijelaskan pada hasil diatas adalah Precission sebesar 75%, Recall sebesar 90%, dan Accuracy sebesar 80.5% untuk metode penggabungan Edge Feature dan Eigenface. Precission sebesar 85%, Recall sebesar 93%, dan Accuracy sebesar 86.5% untuk metode Eigenface yang didaptakan dengan hasil prediksi dan actual (hasil sebenarnya) antara pengguna dan system.
Pengembangan Aplikasi Diagnosa Tanaman Karet Menggunakan Metode Backward Chaining Marissa Utami; Marissa Utami; Wilis Tri Utari
JTIS: Journal of Technopreneurship and Information System Vol. 6 No. 1 (2023): Februari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

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

Abstract

Berdasarkan penelitian sebelumnya yang telah melakukan observasi bahwa banyaknya tanama karet yang terserang oleh penyakit dapat mengakibatkan hasil produksi tidak baik bahkan menyebabkan tanaman karet tersbut mati. Dalam observasi yang dilakukan bahwa masih banyak perusahaan dan petani yang masih menggunakan sistem manual untuk observasi penyakit pohon karet. Saat ini komputer merupakan perangkat yang sudah menjangkau hampir sebagian besar masyarakat. Aplikasi yang layaknya seperti pakar merupakan salah satu pemecahan yang potensial untuk mengatasi masalah diagnosa penyakit pada tanaman karet. Dalam penelitian ini akan digunakan metode Backward Chaining yaitu metode penalaran yang dimulai dari hipotesis terlebih dahulu dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. Dari hasil perancangan dan pembuatan sistem pakar untuk mendiagnosa penyakit tanaman karet dengan metode backward chaining dapat diambil kesimpulan sebagai berikut, Aplikasi pakar ini dapat membantu petani karet untuk dapat menyelesaikan masalah diagnosa penyakit tanaman karet.Sistem pakar diagnosa penyakit tanaman karet ini telah mampu memberikan informasi kepada pengguna mengenai jenis penyakit yang terinfeksi berdasarkan gejala-gejala yang diberikan. Sistem pakar ini dapat menampillkan hasil diagnosa yang disertai dengan solusi dari penyakit serta penelusuran dari gejala-gejala penyakit yang diderita.
Sistem Promosi dan Penjualan Pada Irfitsa Skincare Berbasis E-Commerce Kota Bengkulu Marissa Utami; Sartika; Marissa Utami
Journal of Technopreneurship and Information System (JTIS) Vol 7 No 1 (2024): Februari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jtis.v7i1.6770

Abstract

Saat ini dengan pesatnya perkembangan teknologi dan internet di Indonesia, memberikan dampak yang besar terhadap perubahan bisnis. Mulai dari cara beriklan, cara membeli, cara berinteraksi antar manusia, dll. E-Commerce merupakan suatu cara berbelanja online yang memanfaatkan fasilitas internet dimana terdapat website yang dapat memberikan layanan informasi dan pesan. Dengan adanya E-Commerce, pelanggan dapat menghemat waktu dan membandingkan harga dengan lebih mudah. Penelitian yang dilakukan berfokus pada kebutuhan identifikasi usaha dan perancangan sistem e-commerce di Irfitsa Skincare kota Bengkulu. Hasil penelitian menunjukkan bahwa dengan mengidentifikasi kebutuhan bisnis, sistem e-commerce dapat menyediakan fitur fungsional utama dan informasi real-time yang memenuhi kepuasan pelanggan. Fitur-fitur tersebut antara lain pencarian produk, pendaftaran menjadi anggota, informasi akun, pengiriman dan konfirmasi pembayaran dalam setiap proses jual beli. Faktor penting lainnya adalah kepercayaan. Sebab tanpa kepercayaan kedua belah pihak, maka proses penjualan tidak akan terlaksana.
Improving the transfer learning for batik besurek textile motif classification Marissa Utami; Utami, Marissa; Ermatita, Ermatita; Abdiansah, Abdiansah
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 4: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i4.pp3172-3181

Abstract

This proposed research discussion is a new combination model for classifying batik besurek fabric from the implementation transfer learning with mixed contrast enhancement, activation function, and optimizer method. The size of the batik besurek fabric motif image as an input image is 250×250 with three channels consisting of red, green, and blue totaling five classes, namely kaligrafi, rafflesia, burung kuau, relung paku and rembulan. All images in the dataset will be divided into train data (1540 images), validate data (380 images), and test data (480 images) that are taken directly from the batik store in Bengkulu. The division method used is stratified random sampling to take all the data, shuffles it, and divides the data sets for each class. Based on the experiment results, ResNet50 obtained the best performance compared to MobileNetV2, InceptionV3, and VGG16, with a training accuracy of 99.60%, a validation accuracy of 97.44%, and a testing accuracy of 98.12%. In the improvement experiment phase, the ResNet50 model with Adam optimizer, rectified linear unit (ReLU) activation function and contrast limited adaptive histogram equalization (CLAHE) as the contrast enhancement method obtained the highest test accuracy (98.75%), showing that CLAHE was very effective in improving performance on batik besurek data.