Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic
Deny Rochman Arifatno
Universitas Cendekia Abditama
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN FRAMEWORK LARAVEL PADA PEMBUATAN APLIKASI SEWA PROPERTI ‘RENTIFY’ DENGAN METODE UX SYSTEM USABILITY SCALE (SUS) Gammaral Venerdi Dewaji; Deny Rochman Arifatno; Swelandiah Endah Pratiwi; Rogayah Rogayah
Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i2.12075

Abstract

Perkembangan industri sewa properti di Indonesia mengalami pertumbuhan yang signifikan dengan potensi keuntungan yang besar. Namun, pencatatan manual dalam bisnis ini sering kali menghadapi berbagai kendala seperti kurangnya akurasi dalam perhitungan pembayaran penyewa dan risiko kehilangan data transaksi. Teknologi diharapkan dapat menjadi solusi untuk mengatasi permasalahan dengan menyediakan platform yang memudahkan pengelolaan bisnis sewa properti. Penelitian bertujuan untuk mengembangkan aplikasi berjudul "Rentify" menggunakan framework Laravel dan menerapkan metode UX System Usability Scale (SUS). Proses pengembangan aplikasi melibatkan perancangan antarmuka dan basis data menggunakan MySQL, pembuatan website dengan HTML, serta implementasi framework PHP Laravel. Pengujian usability dilakukan menggunakan metode System Usability Scale (SUS) sesuai tahapan System Development Life Cycle yang digunakan dalam pembuatan website. Hasil dari penelitian adalah sebuah website pengelola bisnis sewa properti yang menawarkan fitur-fitur utama yang diperlukan yang dapat diakses melalui laman web https://rent-ify.xyz/. Pengujian usability menunjukkan tingkat kepuasan yang tinggi dari pengguna dengan skor System Usability Scale (SUS) sebesar 7,  mengindikasikan bahwa website telah memenuhi standar penerimaan minimal dengan peringkat "Acceptable" dan kinerja yang "Good" berdasarkan skor interpretasi Adjectives. Hasil interpretasi Net Promoter Score menunjukkan potensi untuk meningkatkan rekomendasi positif website. Hasil pengujian pada lima browser menunjukkan respons yang cepat, kemudahan penggunaan, dan tingkat kehandalan yang memuaskan.
Real-Time IoT-Based Monkey Pest Detection Using YOLOv8 for Shallot Farming Deny Rochman Arifatno; Debyo Saptono; M Nur Rois Abid; Susan Siti Nurhaliza
PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Vol. 14 No. 1 (2026): March 2026
Publisher : LPPM Universitas Islam 45 Bekasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33558/piksel.v14i1.11840

Abstract

Shallot farming is a high-value horticultural sector vital for national food security. Farmers in forest-edge areas face serious losses from monkey pests (Macaca spp.), which can cause rapid, large-scale crop damage. Conventional manual and reactive control methods, such as direct guarding or simple repellents, are often ineffective and unsustainable. This study proposes an IoT-based real-time monkey pest monitoring system using a camera sensor and Raspberry Pi. The system automatically detects monkey presence using the YOLOv8 object detection model and immediately alerts farmers via mobile devices, while activating a buzzer or speaker alarm to deter the animals. The research stages include user needs analysis, system design and implementation with Raspberry Pi 5 as the central processor, field testing, and performance evaluation. The model was trained on approximately 2000 labeled monkey images and achieved 86.3% precision, 85.3% recall, and 90.5% mAP@50. In real-time operation, the system runs at 18–22 frames per second with an overall detection accuracy of 82% and a false positive rate of 8%. The system can distinguish monkeys from humans in the same frame, providing an effective early warning tool for shallot plantations.
Co-Authors Debyo Saptono Gammaral Venerdi Dewaji M Nur Rois Abid Rogayah Rogayah Susan Siti Nurhaliza Swelandiah Endah Pratiwi