Claim Missing Document
Check
Articles

Found 6 Documents
Search

WEBINAR TANTANGAN PERHITUNGAN HARGA POKOK PRODUKSI BAGI PARA PELAKU UMKM PADA ERA PANDEMI COVID-19 Trisna Ayu Oktavia; Halleina Rejeki Putri Hartono; Sundaru Guntur Wibowo; Dyah Anggun Sartika
Jurnal Abdimas Mandiri Vol 4, No 2
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jam.v4i2.1259

Abstract

Para pelaku usaha harus cukup bijak dalam menentukan langkah dalam keputusan bisnisnya. Banyak pertimbangan yang harus dipikirkan. Penentuan harga jual adalah salah satu pertimbangannya. Penentuan harga jual yang tepat akan memberikan potensi perolehan laba yang maksimal. Laba yang diperoleh perusahaan dapat didapat melalui dua cara melalui meningkatkan harga jual dan efisiensi biaya produksi (Denmas, 2011 dalam Lasena, 2013). Namun kedua metode ini tidak leluasa digunakan. Kenaikkan harga jual dapat menjadi bumerang bagi pelaku bisnis, karena hal ini mengakibatkan minat customer terhadap produk menjadi berkurang. Hal yang sama dapat terjadi juga dengan menekan biaya produksi. Kebijakan yang paling memungkinkan bagi pelaku usaha untuk meningkatkan laba adalah dengan menekan biaya produksi. Biaya produksi akan menjadi dasar dalam penetapan harga pokok penjualan. Pada saat biaya produksi dapat dikelola dan diperhitungkan secara efisien, maka laba diperoleh maksimal oleh pelaku bisnis. Tantangan juga menjadi lebih rumit ketika pandemi COVID-19 terjadi. Pelaku usaha, terutama pelaku UMKM (Usaha Mikro, Kecil, Menengah), mengalami goncangan hebat. Pangsa pasar menjadi lebih sedikit dibandingkan dengan keadaan normal. Hal ini menyebabkan pelaku UMKM harus memutar otak dalam mempertahankan usahanya. Salah satunya adalah mengefisiensikan biaya produksi. Pelaku UMKM yang dapat menjawab tantangan tersebut diharapkan akan bertahan di dalam iklim perekonomian yang belum kondusif ini. Kami sebagai kaum akademisi memiliki kemampuan keilmuan yang dapat mendukung masyarakat dalam menyelesaikan permasalahannya. Peningkatan usaha yang terjadi nantinya akan meningkatkan perekonomian Indonesia. Pengabdian yang dilakukan oleh tim kami bertujuan untuk mendampingi pelaku UMKM yang terdampak COVID-19. Kata kunci : harga pokok produksi, UMKM, pengabdian kepada masyarakat, COVID-19.
Klasifikasi Motif Citra Batik Yogyakarta Menggunakan Metode Adaptive Neuro Fuzzy Inference System Denny Hardiyanto; Samuel Kristiyana; Didi Kurniawan; Dyah Anggun Sartika
Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer Vol 8, No 2 (2019): Edisi Desember 2019
Publisher : Fakultas Teknik Elektro - Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/setrum.v8i2.6545

Abstract

Indonesia merupakan negara yang kaya akan sumber daya alam, budaya, dan pariwisata. Salah satu warisan budaya kemanusiaan yang terkenal di Indonesia adalah Batik Indonesia. Batik adalah kain bergambar yang pembuatannya secara khusus dengan menuliskan atau menerakan malam pada kain itu, kemudian pengolahannya diproses dengan cara tertentu yang memiliki kekhasan. Batik merupakan kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari budaya Indonesia (khususnya Jawa) sejak lama.Penelitian ini bertujuan untuk mengklasifikasikan motif citra batik Yogyakarta (dalam penelitian ini menggunakan motif batik Parang Kusumo dan motif batik Kawung). Metode yang diusulkan dalam penelitian ini adalah ekstraksi fitur GLCM (Grey Level Co-Occurrence Matrix) menggunakan 6 fitur dan klasifikasi menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System).Struktur ANFIS yang dibentuk mempunyai  parameter 6 input dari fitur tekstur (GLCM), setiap fitur menggunakan 2 membership function dengan 64 aturan yang berlogika AND. Dengan menggunakan 100 data citra uji, Trapezoidal Shaped-Membership Function memperoleh akurasi terbaik yakni 80%, sedangkan Gaussian Shaped-Membership Function memperoleh akurasi terendah yakni 77%.
TEKNOLOGI TEPAT GUNA SISTEM MONITORING MESIN PENETAS TELUR AKBP DI KECAMATAN KEBONSARI, MADIUN Dirvi Eko Juliando Sudirman; Dony Indra Suryana; Dyah Anggun Sartika; Johan Pamungkas
Civitas Ministerium Vol 5, No 01 (2021): : Civitas Ministerium
Publisher : Civitas Ministerium

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

Abstract

Penetasan telur adalah hal penting dalam produksi unggas. Penetasan telur sendiri memiliki dua  cara yaitu dengandierami oleh induknya dan dengan menggunakan mesin penetas telur. Prinsip penetasan telur adalah dengan menjaga kondisisuhu agar tetap stabil. Karena itu, selain pengendalian suhu, pemantauannya juga diperlukan. Untuk mesin penetas saat inisudah banyak dibuat tetapi masih memerlukan pemantauan secara manual. Dengan kata lain peternak harus datang setiaphari ke  tempat penetasan telur untuk mengecek kondisi alat dan telur. Dan pemantauan secara manual akan menyita waktubagi peternak sendiri. Tulisan ini bertujuan untuk mengembangkan mesin penetas telur yang sudah ada denganmenambahkan pemantau suhu pada mesin penetas telur yang memanfaatkan Internet dengan teknologi IoT (Internet ofThings). Data suhu yang diambil dari sensor suhu yang ada pada mesin penetas telur kemudian dihimpun padamikrokontroler yang selanjutnya dikirim ke database melalui internet secara wireless. Hasil pengujian akan  menunjukkandata suhu dan status lampu dapat dibaca secara real time menggunakan IoT dengan platform Blynk yang dapat diaksesmenggunakan smartphone. 
Implementasi Teknik Klasifier Adaptive Neuro Fuzzy Inference System Untuk Mengklasifikasi Motif Citra Batik Jawa Timur Dyah Anggun Sartika; Hanum Arrosida; Denny Hardiyanto
Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer Vol 11, No 1 (2022): Edisi Juni 2022
Publisher : Fakultas Teknik Elektro - Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/setrum.v11i1.14872

Abstract

Negara Indonesia merupakan negara yang kaya akan budaya dan pariwisata. Batik Indonesia merupakan salah satu warisan budaya kemanusiaan di Indonesia. Batik merupakan kain bergambar yang dibuat secara khusus dengan cara menuliskan atau menerakan suatu bahan (yakni malam) pada sebuah kain, yang selanjutnya diolah dengan cara tertentu dan biasanya mencirikan sesuatu (kekhasan).Tujuan penelitian ini untuk mengklasifikasikan motif citra motif batik Jawa Timur (Motif Bandeng Lele Lamongan dan Motif Gedog Tuban). Metode yang digunakan adalah ekstraksi fitur GLCM (Grey Level Co-Occurrence Matrix) yakni metric, eccentricity, contrast, correlation, energy, homogeneity dan klasifikasi menggunakan algoritma ANFIS (Adaptive Neuro Fuzzy Inference System).Struktur ANFIS yang terbentuk mempunyai  parameter 6 input fitur GLCM dengan 2 membership function dan 64 aturan yang berlogika AND. Dengan menggunakan 20 data citra uji, Gaussian Shaped-Membership Function memperoleh akurasi tertinggi yakni 40%, sedangkan Triangular Shaped-Membership Function memperoleh akurasi terendah yakni 20%. Kata kunci: Adaptive Neuro Fuzzy Inference System, Motif Batik Gedog Tuban, Motif Batik Bandeng Lele, GLCM
Identifikasi Penggunaan Masker yang Tepat pada Wajah Berbasis Deteksi Mulut dan Hidung Denny Hardiyanto; Ihtiari Prastyaningrum; Umi Kholifah; Dyah Anggun Sartika
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 11 No 4: November 2022
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v11i4.3077

Abstract

During the pandemic, the proper use of face masks is very critical to reduce and prevent the transmission of the COVID-19 between people. Unfortunately, many people are still careless about this proper use of masks like using masks to cover only their mouth or chin. There are also people who do not wear masks when traveling or interacting. Such conducts indicate the lack of concern for the mask use. This study aims to obtain an identification algorithm for using the face mask appropriately through digital photos/images. The basic algorithm used was the face, nose, and mouth detection algorithm developed by Viola and Jones. These algorithms were then combined so that they formed a strong algorithm for detecting the proper use of the face mask. The data tested were classified into five categories, namely images of proper use of masks, images of masks with visible noses, images of masks with visible mouths, images of faces with masks worn on the chin, and mixed images with various accessories. Results of the study employed sixty testing images with various variations of attributes, the result obtained an accuracy value of 90%, a sensitivity value of 100%, and a specificity value of 62.5%. The low specificity value was caused by many detection errors in the false positive (FP) attribute, meaning that the system can detect objects other than the mouth and nose. This research is expected to be developed and synergized with other applications so that it can raise public awareness about the proper use of masks.
Convolutional Neural Network Implementation with AlexNet Architecture for Face Recognition Denny Hardiyanto; Dyah Anggun Sartika; Imam Junaedi; Sukamto
International Journal on Information and Communication Technology (IJoICT) Vol. 9 No. 2 (2023): Vol.9 No. 2 Dec 2023
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/ijoict.v9i2.839

Abstract

In today's digital era, the process of facial recognition has a very big role. Face recognition has benefits for authentication and identification processes. The development of facial recognition research continues to be carried out with the aim of being able to get the right algorithm, more accurate, faster processing, to be able to recognize faces from various angles. In this study, a performance test was performed on the Convolutional Neural Network (CNN) algorithm with the AlexNet architecture, which is one of the deep learning algorithm developments for facial recognition. AlexNet has 8 convolution layers so that it will not leave even the slightest feature of the object. The process of training and testing the system uses the MATLAB programming language. The number of datasets used is 400 image data which is divided into 360 training image data and 40 test image data. The 400 data come from 4 classes of facial images that have been labeled with names and each classes have 100 images. The training process produces an accuracy of 100% and the testing process produces an accuracy of 95%.