Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Informatics and Enginering Dedication Jurnal Informatika Teknologi dan Sains (Jinteks)
Oktaviani, Ayu Sri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pelatihan Peningkatan SoftSkill Pembuatan Curriculum Vitae di SMA Xaverius 3 Palembang Rikky, Rikky; Graciela, Michelle; Oktaviani, Ayu Sri; Chaesa, Linus Ardel; Fernando, Fernando; Hartati, Ery
FORDICATE Vol 3 No 1 (2023): November 2023
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v3i1.5058

Abstract

Siswa Sekolah Menengah Atas merupakan generasi muda yang akan memasuki dunia kerja dalam waktu yang tidak terlalu lama. Dalam mencari pekerjaan, salah satu syarat utama yang harus dipenuhi adalah membuat Curriculum Vitae yang baik dan menarik. Curriculum Vitae merupakan dokumen penting dalam proses seleksi kerja, karena Curriculum Vitae yang baik akan menunjukkan kemampuan dan pengalaman seseorang yang relevan dengan posisi yang dilamar. Disini kami memakai metode pengajaran menggunakan Canva untuk mempresentasikannya sehingga siswa/i dapat memahami dengan baik dan dapat dipergunakan untuk melamar di organisasi ataupun perusahaan yang ingin dilamar.
KLASIFIKASI JENIS TANAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILENETV2 Oktaviani, Ayu Sri; Yoannita, Yoannita
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 1 (2026): EDISI 27
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i1.7083

Abstract

Tanah merupakan komponen penting dalam pertanian karena berfungsi sebagai media tumbuh yang menentukan ketersediaan nutrisi dan kemampuan lahan mendukung pertumbuhan tanaman. Identifikasi jenis tanah di lapangan umumnya masih dilakukan secara manual dengan memperhatikan warna, tekstur, dan kondisi permukaan. Cara ini bersifat subjektif dan sering menimbulkan kesalahan dalam menentukan jenis tanaman yang sesuai, sehingga berpotensi menurunkan produktivitas pertanian. Penelitian ini bertujuan mengklasifikasikan empat jenis tanah, yaitu alluvial, black soil, clay soil, dan red soil, menggunakan metode Convolutional Neural Network dengan arsitektur MobileNetV2. Dataset yang digunakan berasal dari Kaggle dan melalui proses praproses, pembagian data menjadi train, validation, dan test lalu diaugmentasi, serta Model dilatih menggunakan pendekatan transfer learning dan dievaluasi dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian diharapkan menghasilkan model klasifikasi tanah yang akurat, efisien, dan dapat digunakan sebagai bagian dari sistem pertanian cerdas untuk membantu petani menentukan jenis tanah secara lebih objektif.
Co-Authors Chaesa, Linus Ardel Fernando Fernando, Fernando Graciela, Michelle Hartati, Ery Rikky, Rikky Yoannita, Yoannita