Claim Missing Document
Check
Articles

Found 25 Documents
Search

Pelatihan Pembuatan Website Portal dengan Menggunakan Wordpress untuk Siswa/Siswi SMA Negeri 6 Palembang Ahmad Farisi; Nur Rachmat; Muhammad Ezar Al Rivan
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal Vol 5, No 1 (2022): Januari 2022
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurdimas.v5i1.1118

Abstract

Website merupakan sarana yang digunakan sebagai media penyampaian informasi yang bisa diakses secara online. Website dapat dibuat dengan berbagai cara, salah satunya menggunakan Content Management System (CMS). CMS merupakan alternatif pembuatan website yang dapat digunakan bagi mereka yang tidak terbiasa dengan pemrograman. Salah satu platform CMS yang paling banyak digunakan adalah Wordpress. Pengabdian masyarakat ini memberikan pelatihan pembuatan website dengan menggunakan Wordpress bagi siswa/siswi SMA Negeri 6 Palembang. Adapun metode yang digunakan dalam pelatihan ini adalah pendidikan masyarakat dan pelatihan. Metode ini digunakan dalam bentuk pelatihan dan penyuluhan yang disertai dengan demonstrasi atau praktik bersama dalam pembuatan website menggunakan Wordpress. Kegiatan ini dimulai dengan melakukan survei kebutuhan peserta pelatihan untuk memetakan kebutuhan dan harapan dari peserta pelatihan. Peserta juga memberikan respon terhadap proses pelatihan melalui kuesioner pasca pelatihan. Berdasarkan data yang dikumpulkan dari kuesioner tersebut, sebagian besar peserta menyatakan bahwa materi yang disampaikan dalam pelatihan telah sesuai dengan kebutuhan peserta, disampaikan dengan sangat baik, dan peserta akan menggunakan Wordpress untuk membuat website setelah pelatihan dilaksanakan.
RANCANG BANGUN APLIKASI PENERIMAAN PESERTA DIDIK BARU SEKOLAH SWASTA BERBASIS WEB Nur Rachmat; Molavi Arman
Jurnal Teknologi Informasi Mura Vol 12 No 2 (2020): Jurnal Teknologi Informasi Mura Desember
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v12i02.1065

Abstract

Berdasarkan Surat Edaran Menteri Pendidikan dan Kebudayaan Nomor 4 Tahun 2020 tentang Pelaksanaan Kebijakan Pendidikan dalam Masa Darurat Penyebaran Coronavirus Disease (Covid-19), sekolah diminta menyiapkan mekanisme Penerimaan Peserta Didik Baru (PPDB) mengikuti protokol kesehatan untuk mencegah penyebaran Covid-19, termasuk mencegah berkumpulnya siswa dan orang tua secara fisik di sekolah. Untuk mendukung pemerintah dalam pencegahan penyebaran Covid-19, maka dirancang suatu aplikasi penerimaan peserta didik baru di Sekolah Swasta secara daring. Melalui aplikasi ini, calon peserta didik dapat melakukan pendaftaran dari rumah tanpa perlu datang ke sekolah. Pada penelitian ini, pengembangan sistem menggunakan model waterfall dan aplikasi yang dibuat menggunakan php framework dengan metode Model, View dan Controller (MVC) serta memanfaatkan protokol Simple Mail Transfer Protocol (SMTP) untuk mengirimkan notifikasi email ke calon peserta didik maupun panitia PPDB.
Identifikasi Kesegaran Daging Sapi Berdasarkan Jarak Potret Menggunakan Metode Jaringan Syaraf Tiruan Michael Lorens; Nur Rachmat
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v2i1.3887

Abstract

Penelitian ini mengangkat topik mengenai identifikasi kesegaran daging sapi berdasarkan jarak potret pada daging sapi segar, daging sapi tidak segar, dan daging sapi busuk. Permasalahannya adalah bagaimana cara mengidentifikasi kesegaran daging sapi berdasarkan jarak potret menggunakan metode Jaringan Syaraf Tiruan. Diperlukan metode yang tepat untuk menghasilkan akurasi yang baik, penelitian ini menggunakan metode identifikasi Jaringan Syaraf Tiruan dengan metode ekstraksi fitur Local Binary Pattern. Langkah pertama data citra dilakukan Grayscale, selanjutnya data citra diekstraksi menggunakan fitur LBP kemudian dilakukan pelatihan Jaringan Syaraf Tiruan menggunakan 6 training function. Citra yang digunakan diambil menggunakan kamera smartphone dengan resolusi 16MP dengan jarak potret yang digunakan yaitu 10 cm, 20 cm, dan 30 cm dan jumlah neuron yang digunakan adalah 5, 10, 15, dan 20. Penelitian ini bertujuan untuk mengimplementasikan suatu sistem yang dapat mengidentifikasi kesegaran daging sapi menggunakan LBP sebagai ekstraksi fitur dengan Jaringan Syaraf Tiruan sebagai metode identifikasi. Berdasarkan hasil pengujian jarak potret dapat disimpulkan bahwa jarak potret 20 cm dengan menggunakan 5 neuron pada hidden layer memperoleh hasil terbaik dalam mengidentifikasi kesegaran daging sapi. Dalam perhitungan secara confusion matrix menghasilkan rata – rata keseluruhan output yaitu sebesar 100% untuk akurasi, 100% untuk presisi, dan 100% untuk recall.
Implementasi Metode Backpropagation dalam Mengklasifikasi Jenis Plastik HDPE, LDPE, dan PS Davin Hansel Winata; Nur Rachmat
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1947.177 KB) | DOI: 10.35957/mdp-sc.v2i1.4012

Abstract

Masyarakat kesulitan dalam menentukan berbagai macam jenis plastik. Penelitian ini menggunakan jenis plastic yang sering dijumpai, yaitu High-Density Polyethylene (HDPE), Low-Density Polyethylene (LDPE), dan Polystyrene (PS). Rumusan masalah dalam penelitian ini adalah bagaimana mengklasifikasi jenis plastic HDPE, LDPE, dan PS berdasarkan tekstur menggunakan metode backpropagation. Dataset penelitian terbagi menjadi 126 data latih dengan presentase 70% dan 54 data uji dengan presentase 30%.Data latih dan data uji akan diekstraksi menggunakan fitur Gray Level Co-Occurrence Matrix (GLCM) dengan train tools berjumlah 17. Terdapat 3 arsitektur JST berbeda dengan jumlah neuron 5, 10, dan 20. Maka, percobaan berjumlah 15 percobaan. Penentuan lapisan tersembunyi dan jumlah neuron pada train tools didasarkan pada hasil terbaik saat pengujian data uji. Penggunaan train tools dan nilai input dari hasil ekstraksi ciri GLCM dapat disimpulkan bahwa 17 train tools dengan jumlah neuron 20 mendapatkan hasil terbaik dibandingkan dengan neuron 5 dan neuron 10. Hasil perhitungan rata-rata keseluruhan output diperoleh 74.5% untuk accuracy, 61.6% untuk precision, dan 68.2% untuk recall.
RANCANG BANGUN APLIKASI PENERIMAAN PESERTA DIDIK BARU SEKOLAH SWASTA BERBASIS WEB Nur Rachmat; Molavi Arman
Jurnal Teknologi Informasi Mura Vol 12 No 2 (2020): Jurnal Teknologi Informasi Mura Desember
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v12i02.1065

Abstract

Berdasarkan Surat Edaran Menteri Pendidikan dan Kebudayaan Nomor 4 Tahun 2020 tentang Pelaksanaan Kebijakan Pendidikan dalam Masa Darurat Penyebaran Coronavirus Disease (Covid-19), sekolah diminta menyiapkan mekanisme Penerimaan Peserta Didik Baru (PPDB) mengikuti protokol kesehatan untuk mencegah penyebaran Covid-19, termasuk mencegah berkumpulnya siswa dan orang tua secara fisik di sekolah. Untuk mendukung pemerintah dalam pencegahan penyebaran Covid-19, maka dirancang suatu aplikasi penerimaan peserta didik baru di Sekolah Swasta secara daring. Melalui aplikasi ini, calon peserta didik dapat melakukan pendaftaran dari rumah tanpa perlu datang ke sekolah. Pada penelitian ini, pengembangan sistem menggunakan model waterfall dan aplikasi yang dibuat menggunakan php framework dengan metode Model, View dan Controller (MVC) serta memanfaatkan protokol Simple Mail Transfer Protocol (SMTP) untuk mengirimkan notifikasi email ke calon peserta didik maupun panitia PPDB.
Penanggulangan Serangan LOIC Terhadap Web Server Molavi Arman; Nur Rachmat
Techno.Com Vol 22, No 3 (2023): Agustus 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i3.8168

Abstract

Ketersediaan layanan yang selalu siap secara realtime merupakan hal yang selalu diupayakan untuk menunjang kelancaran layanan dalam menggunakan web server sebagai media utama dalam memberikan dan menunjang interface bagi semua kebutuhan pengguna. Kendala utama karena layanan web server melalui jalur internet maka sering terjadi kendala teknis yang diakibatkan gangguan serangan DoS LOIC yang melumpuhkan kinerja web server, cpu, dan komponen lainnya yang menguras sumber daya komputer server. Hal seperti ini perlu ditanggulangi sehingga layanan web server tetap tersedia bagi pengguna tanpa kendala. Begitu pula serangan yang menggali informasi dari komputer server seperti aktifitas port scanning yang menghasilkan informasi berupa jenis web server, jenis sistem operasi yang digunakan dan informasi penting lainnya. Untuk itu diperlukan upaya penanggulangan dengan menggunakan firewall iptables guna meminimalisir gangguan tersebut.
Optimalisasi Perpustakaan SMA Negeri 17 Palembang menggunakan SLiMS 9 Bulian Rachmat, Nur; Petrus, Johannes; Sudrajat, Antonius Wahyu
FORDICATE Vol 3 No 2 (2024): April 2024
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v3i2.7795

Abstract

Kegiatan pengabdian ini membahas implementasi SLiMS 9 Bulian untuk optimalisasi perpustakaan SMA Negeri 17 Palembang. Melalui pelatihan intensif, petugas perpustakaan memperoleh pemahaman mendalam tentang daftar subdomain, termasuk instalasi SLiMS, konfigurasi, manajemen keanggotaan, bibliografi, sirkulasi, dan laporan. Proses migrasi data dari Aplikasi CIP juga berhasil dilaksanakan. Hasilnya, perpustakaan kini dapat mengelola koleksi dengan lebih efisien, dan meningkatkan aksesibilitas informasi. Adopsi SLiMS 9 Bulian membawa dampak positif pada layanan perpustakaan, memberikan manfaat jangka panjang dalam meningkatkan efektivitas operasional dan peningkatan literasi di SMA Negeri 17 Palembang. Rekomendasi melibatkan penerapan berkelanjutan SLiMS 9 Bulian serta pengembangan terus-menerus kemampuan petugas perpustakaan untuk memastikan perpustakaan tetap relevan dalam mendukung pendidikan dan literasi di masa depan.
APLIKASI PENGARSIPAN DAN DISPOSISI SURAT PADA DINAS PERHUBUNGAN SUMATERA SELATAN: APLIKASI PENGARSIPAN DAN DISPOSISI SURAT PADA DINAS PERHUBUNGAN SUMATERA SELATAN Riski Ariza, Agung; Arman, Molavi; Rachmat, Nur; Ubaidillah, Ubaidillah
Klik - Jurnal Ilmu Komputer Vol. 4 No. 1 (2023): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v4i1.486

Abstract

Dinas Perhubungan Provinsi Sumatera Selatan merupakan unsur pelaksana dibidang Perhubungan. Proses pengarsipan surat masuk dan surat keluar pada Dinas Perhubungan Provinsi Sumatera Selatan masih menggunakan map arsip yang disimpan ke dalam lemari arsip. Cara tersebut memiliki resiko seperti hilangnya berkas atau berkas mengalami kerusakan. Pencarian berkas sangat tidak efisien karena mencari lembaran satu persatu didalam lemari sehingga membutuhkan waktu yang lama. Disposisi surat merupakan bagian dari pengelolaan naskah dinas yang penting pada Dinas Provinsi Sumatera Selatan. Surat disposisi pemberian petunjuk tertulis mengenai penyelesaian surat tindak lanjut atau naskah dinas yang diberikan oleh Kepala Dinas kepada Kepala Bagian sesuai dengan bidangnya. Proses disposisi yang dilakukan secara manual memiliki kendala yaitu mengharuskan kehadiran Kepala Dinas di kantor untuk menandatangani surat perintah disposisi agar proses disposisi dapat dilanjutkan. Tujuan dibuatnya aplikasi pengarsipan dan disposisi surat ini adalah untuk mengatasi permasalahan yang terjadi mengenai arsip surat di instansi tersebut. Aplikasi pengarsipan dan disposisi surat terbukti dapat digunakan untuk membantu mempermudah pengurusan surat pada bagian Umum dan Kepegawaian. Aplikasi meningkatkan keamanan karena menggunakan penyimpanan pada basis data, mudah dalam pencarian surat masuk dan surat keluar menjadi lebih cepat, surat dapat diarsipkan secara digital ke dalam basis data dan memberikan disposisi surat bahkan ketika pemimpin tidak di kantor.
Implementing Histogram of Oriented Gradients to Recognize Crypto Price Graphic Patterns with Artificial Neural Network Wibowo, Suluh Arif; Rachmat, Nur
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 2 (2024): Articles Research Volume 6 Issue 2, April 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i2.3975

Abstract

Technical analysis stands as a pivotal strategy in analyzing graphic patterns to forecast future movements in crypto asset prices. However, comprehending numerous patterns poses a significant challenge for novice investors venturing into the investment realm. This study aims to facilitate investors in recognizing crypto price graph forms by classifying cryptographic price chart patterns. The dataset comprises images of seven types of crypto price graphic patterns obtained from the Kagle website, totaling 210 data points. A 70:30 training and testing data split is employed to ensure robust model evaluation. The study explores nine different Histogram of Oriented Gradients (HOG) parameter combinations for graphic pattern extraction. Leveraging the artificial neural network (ANN) classification method with parameter hyper tuning, the study assesses various HOG parameter configurations to optimize classification performance. The most optimal results are achieved with parameters Bin = 9, Cell Size = 16x16, and Block Size = 1x1, boasting an accuracy rate of 95.23%, precision of 95.55%, and recall of 95.23%. This classification approach streamlines the process for investors, enabling them to discern crypto price graph patterns effectively, thereby enhancing their investment decision-making capabilities in the dynamic cryptocurrency market landscape. By providing a structured method for pattern recognition, this study contributes to democratizing access to technical analysis tools, particularly benefiting novice investors seeking to navigate the complexities of cryptocurrency investment.
Comparison of SVM, Random Forest, and Logistic Regression Performance n Student Mental Health Screening Vannes Wijaya; Nur Rachmat
JEECS (Journal of Electrical Engineering and Computer Sciences) Vol. 9 No. 2 (2024): JEECS (Journal of Electrical Engineering and Computer Sciences)
Publisher : Fakultas Teknik Universitas Bhayangkara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54732/jeecs.v9i2.9

Abstract

Mental health is an essential aspect for university students, as undetected mental health disorders can have a significant impact on students' academic performance and well-being. This study contributes by evaluating Synthetic Minority Oversampling Technique (SMOTE)'s role in improving classification models' performance. Despite the increasing use of machine learning in mental health detection, limited research has addressed the challenges posed by imbalanced datasets, particularly in smaller student populations. This research aims to develop a mental health early detection system based on student data from Multi Data University Palembang using the Mental Health Scale (SKM)-12 mental health measurement. The system aims to remind students' awareness of the importance of mental health. To improve accuracy, this research compares the performance of three models, namely Support Vector Machine, Random Forest, and Logistic Regression, both with and without using SMOTE. The dataset obtained is 78 students, and SKM-12 consists of several groups, namely optimal mental health profile with symbol (+-), maximum mental illness profile with symbol (++), minimum mental illness profile with symbol (--), and minimal mental health profile with symbol (-+). The results of this study using the Logistic Regression method using SMOTE obtained better model performance compared to other methods, with an accuracy of 89.28%, an average class precision of 89.5%, an average class recall of 89.75%, and an average F1 - class score of 88.5%. This research shows that overcoming class imbalance using SMOTE can significantly improve the performance of mental health classification models.