Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENAPSIFITAR (Pengenalan Aplikasi Figma Pintar) untuk membangun Web pada SMP Santa Maria Medan Marpaung, Sophya Hadini; Rio Fa, Farrel; Marpaung, Dhea Romantika; Fauzi, Hilman; Hutagalung, Yessica Maria; Rasta, John
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 4 (2024): December
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i4.26830

Abstract

Abstrak Memberikan pelatihan penggunaan Figma kepada siswa/i SMP Santa Maria Medan (kelas VIII) adalah tujuan dari pelaksanaan kegiatan PkM kali ini. Siswa/i tersebut merupakan sasaran yang paling tepat karena para siswa sudah terbiasa menggunakan peralatan elektronik khususnya komputer. Pelatihan ini juga dapat menjadi modal bagi siswa/i SMP Santa Maria Medan untuk melihat bahwa ilmu pengetahuan berkembang sangat pesat dan tidak terbatas pada mata pelajaran di sekolah saja. Ini juga menjadi penting karena saat ini banyak sekolah tingkat menengah pertama hingga menengah atas yang sudah memiliki website seperti SMP Sutomo 1 Medan dengan situs web https://sutomo-mdn.sch.id/ atau SMP Methodist 2 dengan situs https://meth2medan.sch.id dan disadari pula bahwa kebutuhan akan kemampuan desain sudah semakin penting di dunia pendidikan saat ini, terlihat dari munculnya berbagai kompetisi yang memperlombakan lomba desain web, poster digital, perancangan desain kurikulum belajar yang terpusat yang mengandalkan program komputer, dan lain-lain. Pada kegiatan PkM kali ini, tim PkM memilih Figma sebagai perangkat lunak yang digunakan untuk memandu seluruh siswa/i karena Figma adalah alat desain kolaboratif terkemuka yang sangat mudah untuk digunakan oleh berbagai entitas, termasuk pemula. Dengan kemudahan tersebut, pelatihan dapat berjalan dengan baik diikuti 56 orang peserta (dibagi menjadi 2 kelas pelatihan selama 3 pertemuan). Kata kunci: figma; pengenalan; pelatihan; SMP; web Abstract Providing training in using Figma to students at Santa Maria Medan Junior High School (class VIII) is the aim of implementing the community service activity at this time. These students are the most appropriate targets because students are used to using electronic equipment, especially computers. This training can also be an asset for students at Santa Maria Junior High School in Medan to see that science is developing very rapidly and is not limited to just school subjects. This is also important because currently many junior high school level already have websites  like Sutome Junior High School  with https://sutomo-mdn.sch.id/ or Methodist 2 Junior High School with https://meth2medan.sch.id and it is also realized that the need for design skills is increasingly important in the world of education today, as can be seen from the emergence of various competitions that include web design competitions, digital posters, designing a centralized learning curriculum design that relies on computer programs, and so on. In this community service activity, the community service team chose Figma as the software used to guide all students because Figma is a leading collaborative design tool that is very easy to use by various entities, including beginners. With this convenience, the training could run well with 56 participants (divided into 2 training classes for 3 meetings). Keywords: figma; introduction; junior high school; training; web
Pengembangan Aplikasi Deteksi Kematangan Buah Pisang Berbasis Web Menggunakan Model CNN-LSTM Sintiya, Cindy; Gunawan, Erin; Marpaung, Dhea Romantika; Fa, Farrell Rio; Sinaga, Frans Mikael
Jurnal Sifo Mikroskil Vol 26, No 1 (2025): JSM VOLUME 26 NOMOR 1 TAHUN 2025
Publisher : Fakultas Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55601/jsm.v26i1.1500

Abstract

Klasifikasi tingkat kematangan buah merupakan salah satu tantangan dalam penerapan teknologi kecerdasan buatan di sektor pertanian. Penelitian ini mengusulkan sistem deteksi tingkat kematangan pisang menggunakan arsitektur deep learning berbasis Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Dataset citra pisang diproses melalui tahapan preprocessing yang mencakup normalisasi, segmentasi warna (mask kuning dan hijau), serta deteksi tepi, untuk menonjolkan fitur visual yang relevan. Model yang diimplementasikan mampu mengklasifikasikan tingkat kematangan pisang ke dalam kategori "matang" dan "mentah". Sistem ini diintegrasikan dengan antarmuka berbasis web menggunakan Streamlit, memungkinkan prediksi dilakukan secara real-time. Hasil pengujian menunjukkan bahwa model mencapai akurasi 100% pada dataset uji, dengan precision, recall, dan F1-score sempurna. Penelitian ini membuktikan efektivitas pendekatan CNN-LSTM dalam klasifikasi tingkat kematangan buah yang diharapkan dapat membantu memberikan kontribusi terhadap otomatisasi di sektor pertanian.
Klasterisasi Negara Dunia Berdasarkan Data Sosioekonomi dan Demografi Tahun 2023 dengan PCA dan K-Means Marpaung, Dhea Romantika; Gunawan, Erin; Fa, Farrel Rio; Christianto, Albert
Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 14 No 1 (2025): Komputa : Jurnal Ilmiah Komputer dan Informatika
Publisher : Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputa.v14i1.15249

Abstract

The development of social, economic, and demographic factors is an important indicator for assessing the progress of a country. These factors reflect the quality of life, economic conditions, and population dynamics that can influence policies and development planning. Therefore, to better understand a country's conditions, it is important to cluster countries based on similar characteristics in these various aspects. The purpose of this study is to identify clusters of countries worldwide based on the analysis of socio-economic and demographic data for 2023 using Principal Component Analysis (PCA) and K-Means Clustering methods. This analysis examines the relationship between GDP, birth rate, death rate, population, and CO2 emissions. The results reveal three clusters with distinct characteristics. Cluster 0 shows high GDP with low infant mortality and controlled CO2 emissions. Cluster 1 shows lower GDP, high infant mortality, and challenges in the health and economic sectors. Cluster 2, which includes countries like China, India, and the US, has high GDP but faces high CO2 emission issues. These findings indicate the need for integrated policies to improve global well-being by considering economic, health, and environmental factors in a sustainable manner.