Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengembangan Aplikasi Web untuk Meningkatkan Efisiensi Operasional Organisasi Nirlaba Bidang Kesehatan Winardi, Sunaryo; Wong, Ng Poi; Megawan, Sunario; Ginting, Tri Wulandari; Fa, Farrell Rio; Sintiya, Cindy; Jikky, Jikky
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 1 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i1.1007

Abstract

Yayasan HOPE, sebuah organisasi nirlaba yang fokus pada kesehatan, menghadapi tantangan dengan aplikasi web mereka yang tidak memenuhi kebutuhan operasional. Masalah yang diidentifikasi meliputi antarmuka yang tidak menarik, kurangnya catatan untuk barang masuk dan keluar, catatan inventaris yang tidak lengkap, dan akses admin yang terbatas. Untuk mengatasi masalah ini, tim layanan menggunakan pendekatan rekayasa perangkat lunak dengan paradigma prototyping dan User-Centered Design. Proses pengembangan dimulai dengan wawancara mendalam untuk memahami kebutuhan mitra, diikuti dengan pembuatan wireframe yang mencerminkan antarmuka dan alur kerja aplikasi. Wireframe ini dipresentasikan kepada pemangku kepentingan untuk mendapatkan umpan balik. Setelah iterasi dan perbaikan berdasarkan masukan pengguna, tim mengembangkan aplikasi web yang disesuaikan dengan kebutuhan operasional yayasan. Aplikasi tersebut kemudian diimplementasikan dengan pelatihan pengguna yang komprehensif, menghasilkan aplikasi web yang efektif dan meningkatkan pengalaman pengguna.
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.