Claim Missing Document
Check
Articles

Found 2 Documents
Search

Implementasi Aplikasi Jadwal Meeting Sederhana Dengan Java Socket Syah, Maulana Syahrul; Arianda, Habil Putra; Sari, Linna Oktaviana
Journal of Education Religion Humanities and Multidiciplinary Vol 2, No 1 (2024): Juni 2024
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jerumi.v2i1.1576

Abstract

Penjadwalan rapat (meeting) adalah bagian penting dari pengelolaan waktu dan produktivitas di berbagai organisasi. Dalam upaya mempermudah proses penjadwalan dan koordinasi antara anggota tim, kami telah mengembangkan sebuah aplikasi jadwal meeting sederhana menggunakan Java Socket. Aplikasi ini memungkinkan pengguna untuk membuat, mengelola, dan berbagi jadwal pertemuan secara real-time melalui jaringan.Penelitian ini fokus pada implementasi Java Socket dalam pembangunan aplikasi jadwal meeting, yang melibatkan pembuatan server dan klien. Kami menjelaskan proses pengembangan aplikasi, termasuk rancangan antarmuka pengguna yang intuitif, serta komunikasi yang responsif antara pengguna melalui jaringan. Selain itu, aplikasi ini juga mempertimbangkan aspek keamanan dengan mengenkripsi data jadwal meeting untuk melindungi kerahasiaan informasi.Hasil dari penelitian ini adalah sebuah aplikasi jadwal meeting yang dapat digunakan secara efisien dalam berbagai konteks organisasi. Aplikasi ini memberikan kemudahan dalam penjadwalan dan koordinasi pertemuan, sehingga dapat membantu meningkatkan produktivitas dan efisiensi. Implementasi Java Socket memastikan konektivitas yang handal antara pengguna, yang memungkinkan berbagi jadwal meeting secara real-time.Penelitian ini dapat bermanfaat bagi organisasi yang ingin meningkatkan proses penjadwalan dan koordinasi pertemuan mereka.
Implementasi Deep Learning Untuk Klasifikasi Penyakit Pada Daun Kelapa Sawit Menggunakan Arsitektur MobileNetV2 Arianda, Habil Putra; Hadiwandra, T. Yudi
Computer Science and Information Technology Vol 6 No 3 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i3.10306

Abstract

Accurate and efficient identification of diseases in oil palm leaves is a crucial challenge in maintaining plantation productivity and preventing significant crop losses. Limited access to experts and slow detection in the field are often obstacles. This study aims to develop a palm oil leaf disease classification model using a deep learning approach based on Convolutional Neural Network (CNN) with MobileNetV2 architecture. This model utilizes a transfer learning strategy from pre-trained ImageNet weights and is optimized through a two-phase training strategy on a dataset consisting of 1200 augmented oil palm leaf images, covering four classes, namely Healthy Sample, Fusarium Wilt, Parlatoria Blanchardi, and Rachis Blight. Model testing results show an accuracy of 85% on separate test data. The MobileNetV2 architecture was chosen for its lightweight characteristics, making this model efficient and highly suitable for implementation on mobile devices to assist in rapid disease identification in the field and support decision-making by farmers.