Claim Missing Document
Check
Articles

POJOK TAMAN BACA BERBASIS TEKNOLOGI UNTUK MENINGKATKAN MINAT BACA ANAK Putra, Erwin Dwika; Mariana Purba; Marissa utami; Vina Ayumi; Hadiguna Setiawan; Wachyu Hari Haji
JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) Vol. 3 No. 2 (2023): Oktober
Publisher : Lembaga Penelitian Pengabdian Masyarakat Penerbitan dan Percetakan Indonesian Scholar Khiar Wafi (LPPMPP IKHAFI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jpmtt.v3i2.532

Abstract

Kegiatan membaca agar dapat meningkatkan minat baca harus dilakukan sedini mungkin. Perlunya pembentukan kebiasaan akan membaca atau budaya membaca akan menjadi lebih baik apabila dimulai sejak dini dengan kegeiatan sesederhana mungkin. Literasi juga dapat diartikan sebagai kemampuan dalam melakukan kegiatan baca, tulis, berhitung dan berbicara serta kemampuan dalam mencari dan menggunakan sebuah informasi. Dengan bantuan teknologi gadget seperti tablet PC maka model pembalajaran yang akan dikembangkan pada pojok baca ini nantinya akan terdapat beberapa games edukasi, tetapi pada pojok baca ini juga terdapat beberapa buku bacaan agar anak-anak dapat menyukai membaca dari beberapa buku. Dengan adanya program Pojok Baca Berbasis Teknologi ini telah berhasil meningkat minat baca anak-anak serta dapat meningkatkan kemajuan berfikir dan kreatifitas anak-anak dilingkungan yang menjadi objek penelitian. Serta dapat disimpulkan pula dengan adanya pojok digital ini dapat mendorong pemikiran positif anak-anak dalam memanfaatkan gadget serta alat-alat teknologi lainnya. Kata Kunci: Pojok, Baca, Digital
Perancangan Sistem Untuk Monitoring Operasional Kontainer dengan Implementasi Metode Agile dan Decision Tree Kananga, Meylani Mentari; Ayumi, Vina
Jurnal Sistem Informasi dan E-Bisnis Vol 8 No 1 (2026): Januari
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jusibi.v8i1.643

Abstract

Proses monitoring operasional kontainer dan pengiriman barang di PT Cahaya Anugrah Lestari sebelumnya masih dilakukan secara manual, sehingga menyebabkan keterlambatan informasi, rendahnya efisiensi operasional, serta keterbatasan dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi monitoring pengiriman barang berbasis web yang terintegrasi dan mampu menyajikan informasi operasional secara real-time. Metode pengembangan sistem yang digunakan adalah Agile dengan pendekatan Scrum, sedangkan algoritma Decision Tree diterapkan untuk melakukan klasifikasi otomatis status operasional kontainer berdasarkan data historis. Tahapan penelitian diawali dengan studi pendahuluan melalui wawancara dan studi literatur untuk mengidentifikasi kebutuhan sistem serta menyusun product backlog. Proses pengembangan sistem dilakukan secara iteratif dan inkremental melalui beberapa sprint yang mencakup perancangan antarmuka, pengelolaan basis data, pengembangan fitur manajemen kontainer dan pengiriman, serta implementasi algoritma Decision Tree. Pada setiap akhir sprint dilakukan evaluasi melalui sprint review dan perbaikan proses melalui sprint retrospective. Sistem ini dilengkapi dengan dashboard eksekutif yang menyajikan visualisasi pengiriman, status kontainer, dan status kendaraan secara interaktif, serta dibangun menggunakan PHP dengan framework Laravel 10, basis data MySQL, dan arsitektur Model-View-Controller (MVC) dalam skema Three-Tier Architecture. Dengan demikian, sistem informasi ini diharapkan dapat meningkatkan efisiensi dan kualitas pengelolaan pengiriman barang di PT Cahaya Anugrah Lestari.
Model Sistem Manajemen Proyek Sosial Media di Perusahaan Periklanan Menggunakan Metode Waterfall Luhyana, Nahdah; Ayumi, Vina
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 8 No. 2 (2025): Desember
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v8i2.628

Abstract

Latar belakang dari pengembangan sistem ini berasal dari kebutuhan perusahaan untuk mengelola banyak klien dengan berbagai jenis tugas, termasuk pembuatan konten, foto, dan video, yang biasanya dikerjakan secara bersamaan. Metodologi dan data yang diterapkan dalam desain sistem ini mengandalkan pendekatan yang tidak rumit melalui pengembangan langsung dengan menggunakan CI4 dan Laragon. Aplikasi manajemen proyek ini menyediakan fitur pengelolaan klien, proyek, dan tugas secara terintegrasi sesuai peran masing-masing pengguna seperti Account Executive, Manager, Lead, Member, dan Admin. Setiap proyek terdiri dari kumpulan tugas yang statusnya dapat dipantau secara real-time, mulai dari perencanaan, penugasan, pelaksanaan, hingga review dan persetujuan. Selain itu, sistem juga menampilkan ringkasan progres melalui dashboard dan laporan sehingga manajemen dapat memonitor kinerja proyek. Penelitian ini menunjukkan bahwa sistem ini mampu meningkatkan ketepatan dalam pemantauan perkembangan, membantu memastikan setiap tugas diselesaikan sesuai jadwal, serta menyediakan laporan terstruktur untuk membangun kepercayaan klien terhadap layanan yang diberikan.
Sistem Pemesanan Berbasis CodeIgniter Untuk Layanan Moju Massage Berdasarkan Analisis Software Requirements Specification Pangrepti, Diah Ayu; Ayumi, Vina
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 8 No. 2 (2025): Desember
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v8i2.629

Abstract

Proses pemesanan layanan pijat di Moju Massage selama ini masih dilakukan melalui pesan instan sehingga kerap menimbulkan miskomunikasi, keterlambatan respon, serta pencatatan data yang tidak terstruktur. Penelitian ini bertujuan merancang sistem pemesanan berbasis web yang lebih efisien dan mampu mendukung digitalisasi proses layanan. Data dikumpulkan melalui observasi serta wawancara dengan pihak Moju Massage. Pengembangan sistem mengikuti tahapan rekayasa perangkat lunak yang meliputi identifikasi masalah, studi literatur, pengumpulan data, analisis kebutuhan, perancangan, implementasi, dan pengujian. Aplikasi pemesanan Moju Massage menyediakan fitur pemilihan layanan, jadwal, dan terapis secara mandiri oleh pelanggan, lengkap dengan validasi data dan penerbitan invoice otomatis. Selain itu, sistem terintegrasi dengan panel admin serta notifikasi WhatsApp sehingga proses pemesanan, penjadwalan, dan pengelolaan data dapat berlangsung efisien dan real time. Hasil penelitian menunjukkan bahwa sistem pemesanan online yang dibangun dapat memperbaiki alur pemesanan dan diharapkan dapat mendorong peningkatan kualitas layanan dan operasional usaha pijat rumahan.
Penerapan Metode Waterfall dan Metode System Usability Scale Untuk Pengembangan dan Evaluasi Aplikasi Reservasi Golf di Jakarta Astuti, Fitri Dwi; Ayumi, Vina
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika) Vol. 8 No. 2 (2025): Desember
Publisher : LPPMPP Yayasan Sejahtera Bersama Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54650/jukomika.v8i2.630

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi reservasi golf berbasis web yang dapat mempermudah pengelolaan reservasi lapangan golf di Jakarta. Pengembangan aplikasi ini dilakukan dengan menggunakan metode Waterfall, yang mencakup tahapan analisis kebutuhan, desain, implementasi, dan pengujian. Aplikasi ini dilengkapi dengan berbagai fitur, termasuk Dashboard Aplikasi untuk melihat jumlah reservasi, Input Reservasi untuk mencatat data pemesanan, Availability Reservasi untuk melihat ketersediaan lapangan, Manage Reservations untuk mengelola jadwal, serta POS System untuk menetapkan harga dan melakukan pembayaran. Evaluasi kemudahan penggunaan aplikasi dilakukan menggunakan System Usability Scale (SUS) dengan melibatkan 25 responden. Hasil perhitungan menunjukkan rata-rata skor SUS sebesar 91,5, yang mengindikasikan tingkat kemudahan penggunaan aplikasi yang sangat baik. Fitur-fitur aplikasi berhasil memenuhi kebutuhan pengguna dalam hal kenyamanan dan efisiensi, serta mempermudah staf dalam mengelola reservasi dan transaksi. Dengan demikian, aplikasi reservasi Modern Golf dapat diterima dengan baik oleh pengguna dalam mendukung operasional lapangan golf.
Penerapan Metode Gamma Correction dan MobileNet Untuk Klasifikasi Citra Daun Purba, Mariana; Ayumi, Vina; Rahayu, Sarwati; Salamah, Umniy; Handriani, Inge; Ani, Nur
JSAI (Journal Scientific and Applied Informatics) Vol 8 No 3 (2025): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v8i3.9459

Abstract

This study proposed an enhanced leaf image classification model by integrating gamma correction as a preprocessing technique with the MobileNet (MNET) architecture to improve visual feature extraction. The dataset consisted of 750 images representing five classes of medicinal plants, namely Psidium guajava, Syzygium polyanthum, Piper betle, Annona muricata, and Andrographis paniculata, obtained from personal documentation, online sources, and public datasets. Gamma correction was applied to adjust illumination and enhance leaf texture clarity, followed by resizing and normalization processes. Data augmentation was performed using rotation, contrast adjustment, horizontal and vertical flipping, brightness adjustment, and channel shifting to increase training data variation. The MobileNet architecture was expanded with additional layers, including global average pooling, flatten, Dense–ReLU, and Dense–softmax, enabling it to function as an efficient feature extractor and classifier. Experiments were conducted using a batch size of 32, 50 epochs, the Adam optimizer, and a learning rate of 0.0001. The combined MNET and gamma correction model achieved a training accuracy of 99.00%, a validation accuracy of 87.50%, and a testing accuracy of 84.16%.
Efek Hyperparameter Tuning pada VGG16 Untuk Klasifikasi Citra Batik Basurek Bengkulu Ayumi, Vina
JSAI (Journal Scientific and Applied Informatics) Vol 8 No 3 (2025): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v8i3.9778

Abstract

This study aimed to analyze the effect of combining hyperparameters, namely optimizer and batch size, on the performance of the VGG16 model in classifying Batik Basurek images. The dataset consisted of 250 images divided into five motif classes, with 50 images in each class. The data were split into training, validation, and testing sets with proportions of 70%, 15%, and 15%, respectively. The study employed a transfer learning approach using the VGG16 model, with hyperparameter variations including the RMSProp, Adam, and SGD optimizers, as well as batch sizes of 16, 32, and 64. The results showed that the Adam optimizer consistently delivered the best accuracy performance across all testing scenarios. The optimal performance was achieved using the combination of Adam and a batch size of 32, yielding a training accuracy of 97.55%, validation accuracy of 93.25%, and testing accuracy of 92.80%. Meanwhile, RMSProp demonstrated reasonably good performance but remained below Adam, and SGD produced the lowest accuracy across all evaluation stages. In terms of batch size, a batch size of 32 provided the most stable and accurate performance, whereas a batch size of 64 tended to reduce the model’s generalization capability. Therefore, the combination of Adam and a batch size of 32 was identified as the most optimal hyperparameter configuration for Batik Basurek image classification using the VGG16 model.
Klasifikasi Citra Aksara Tradisional Kaganga Bengkulu Menggunakan Optimasi Arsitektur ResNet50 Ayumi, Vina
JSAI (Journal Scientific and Applied Informatics) Vol 8 No 3 (2025): November
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v8i3.9780

Abstract

This study aimed to analyze the performance of the ResNet50 model based on transfer learning in classifying 19 classes of Kaganga script, while also evaluating the effect of applying L1, L2, and dropout regularization techniques on the model’s generalization ability in minimizing overfitting. In addition, the study examined the impact of varying batch sizes (16, 32, and 64) on training stability and overall model performance. The experiments were conducted by freezing the initial layers of ResNet50 as a feature extractor and modifying the final layers for the classification task. Model performance was evaluated using accuracy, precision, recall, F1-score, and confusion matrix metrics on the test dataset. The results showed that all model configurations achieved high training and validation accuracy. However, the combination of L2 regularization with a batch size of 32 yielded the best performance with a testing accuracy of 86.10%, indicating the most optimal generalization capability compared to other configurations. Meanwhile, the use of batch size 64 resulted in a more noticeable decrease in accuracy, making it less effective for this dataset. These findings indicated that the appropriate selection of regularization techniques and batch size played an important role in improving training stability and classification accuracy for traditional script image recognition.
Implementation of Convolutional Neural Networks for Batik Image Dataset Vina Ayumi; Ida Nurhaida; Handrie Noprisson
(IJCSAM) International Journal of Computing Science and Applied Mathematics Vol. 8 No. 1 (2022)
Publisher : LPPM Institut Teknologi Sepuluh Nopember

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

Abstract

One method of image recognition that can be used is a convolutional neural network (CNN). However, the training model of CNN is not an easy thing; it takes tuning parameters that take a long time in the training process. This research will do Batik pattern recognition by using CNN. From the experiment that we conducted, the result shows that the feature extraction, selection, and reduction give the accuracy more significant than raw image dataset. The feature selection and reduction also can improve the execution time. Parameters value that gave best accuracy are: epoch = 200, batch_size = 20, optimizer = adam, learning_rate = 0.01, network weight initialization = lecun_uniform, neuron activation function = linear.
Klasifikasi Sampah Multi-Kelas Berbasis Deep Learning Menggunakan Model VGG16 Ayumi, Vina
JSAI (Journal Scientific and Applied Informatics) Vol 9 No 1 (2026): Januari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v9i1.9880

Abstract

The manual waste sorting process has faced various challenges, such as low efficiency and a high potential for classification errors. This study aimed to implement and analyze the performance of a deep learning–based VGG16 model for multi-class waste classification using digital images. The dataset used consisted of six waste classes, namely cardboard, glass, metal, paper, plastic, and residual waste, with an imbalanced initial number of images. To address this issue, data augmentation was performed so that each class contained 500 images. The dataset was then divided into 70% training data, 15% validation data, and 15% testing data. The experiments were conducted using a transfer learning approach by varying training parameters, including the RMSProp, Adam, and Stochastic Gradient Descent (SGD) optimizers, as well as batch sizes of 16, 32, and 64. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. The results showed that the selection of training parameters significantly affected model performance. The best configuration was achieved using the VGG16 model with the Adam optimizer and a batch size of 16, which produced the highest testing accuracy of 85.87%. This study was expected to serve as a foundation for the development of automated computer vision–based waste sorting systems