Claim Missing Document
Check
Articles

Found 3 Documents
Search

PERANCANGAN SISTEM INFORMASI PENGARSIPAN PERKARA PADA PENGADILAN NEGERI LUBUKLINGGAU BERBASIS WEBMOBILE DENGAN MENGGUNAKAN METODE WEB ENGINEERING Sunardi, Lukman; Bimastari, Tri Hasanah; Sobri, Ahmad
JUTIM (Jurnal Teknik Informatika Musirawas) Vol 7 No 2 (2022): JUTIM (Jurnal Teknik Informatika Musirawas) DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v7i2.1855

Abstract

Penelitian ini bertujuan untuk membangun sebuah sistem informasi pengarsipan berkas perkara pada Pengadilan Negeri Lubuklinggau berbasis web mobile agar memudahkan pihak Pengadilan didalam pengelolaan berkas perkara dengan efektif dan efisien. Pengarsipan adalah kegiatan menyimpan warkat dengan berbagai cara danalat di tempat tertentu yang aman agar tidak rusak atau hilang sebagai pusat ingatan atau sumber informasi suatu organisasi. Sedangkan hukum pidana adalah sekumpulan peraturan hukum yang dibuat oleh negara, yang isinya berupa larangan maupun keharusan sedang bagi pelanggar terhadap larangan dan keharusan sedang bagi pelanggar terhadap larangan dan keharusan tersebut dikenakan sanksi yang dapat dipaksakan oleh Negara. Pada penelitian maka metode pengembangan sistem yang digunakan adalah Metode Web Engineering merupakan suatu proses yang digunakan untuk membuat aplikasi web berkualitas tinggi dan juga merupakan sekumpulan cara atau model yang digunakan untuk mengembangkan aplikasi berbasis web. Dengan adanya sistem ini dapat memudahkan dalam pembuatan system yang akan digunakan oleh pegawai di pegadilan Negeri Lubuklinggau
PERANCANGAN APLIKASI MOBILE BERBASIS FLUTTER UNTUK KLASIFIKASI KENCUR, KUNYIT, DAN JAHE MENGGUNAKAN TENSORFLOW LITE Suseno, Sigit; Wijaya, Harma Okafia Lingga; Bimastari, Tri Hasanah; Elmayati, Elmayati
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2633

Abstract

Rempah-rempah seperti kencur, kunyit, dan jahe memiliki peran penting dalam masakan indonesia, namun kemiripan karakteristik fisik pada rimpangnya sering menyebabkan kesulitan dalam identifikasi. Penelitian ini mengembangkan aplikasi mobile berbasis flutter untuk mengklasifikasikan ketiga jenis rempah tersebut menggunakan teknologi deep learning dengan tensorflow lite. Dataset diperoleh melalui proses perekaman video dan ekstraksi frame menggunakan opencv, menghasilkan frame-frame gambar untuk setiap jenis rempah. Model klasifikasi menggunakan arsitektur efficientnet lite2 yang dilatih dengan pembagian 90% data training, 5% validasi, 5% testing. Hasil pengujian menunjukkan performa yang sangat baik dengan akurasi training 99.08% (loss:0.3334), akurasi validasi 100% (loss:0.3007), dan akurasi testing 100% (loss:0.3009). Aplikasi menyediakan dua mode klasifikasi: deteksi real-time menggunakan kamera dan klasifikasi melalui galeri, dengan threshold confidence 0.8 untuk memastikan akurasi hasil klasifikasi. Implementasi pada perangkat mobile menunjukkan performa yang baik dalam mengklasifikasi rempah dalam berbagai kondisi pengambilan gambar.
PERANCANGAN APLIKASI MOBILE BERBASIS FLUTTER UNTUK KLASIFIKASI KENCUR, KUNYIT, DAN JAHE MENGGUNAKAN TENSORFLOW LITE Suseno, Sigit; Wijaya, Harma Okafia Lingga; Bimastari, Tri Hasanah; Elmayati, Elmayati
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2633

Abstract

Rempah-rempah seperti kencur, kunyit, dan jahe memiliki peran penting dalam masakan indonesia, namun kemiripan karakteristik fisik pada rimpangnya sering menyebabkan kesulitan dalam identifikasi. Penelitian ini mengembangkan aplikasi mobile berbasis flutter untuk mengklasifikasikan ketiga jenis rempah tersebut menggunakan teknologi deep learning dengan tensorflow lite. Dataset diperoleh melalui proses perekaman video dan ekstraksi frame menggunakan opencv, menghasilkan frame-frame gambar untuk setiap jenis rempah. Model klasifikasi menggunakan arsitektur efficientnet lite2 yang dilatih dengan pembagian 90% data training, 5% validasi, 5% testing. Hasil pengujian menunjukkan performa yang sangat baik dengan akurasi training 99.08% (loss:0.3334), akurasi validasi 100% (loss:0.3007), dan akurasi testing 100% (loss:0.3009). Aplikasi menyediakan dua mode klasifikasi: deteksi real-time menggunakan kamera dan klasifikasi melalui galeri, dengan threshold confidence 0.8 untuk memastikan akurasi hasil klasifikasi. Implementasi pada perangkat mobile menunjukkan performa yang baik dalam mengklasifikasi rempah dalam berbagai kondisi pengambilan gambar.