Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa Sistem Informasi (JMSI) Jurnal Media Akademik (JMA)
Dwita Amalia Rizki
Unknown Affiliation
Religion Humanities Computer Science & IT Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

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

Found 2 Documents
Search

 1 
SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMERINGKATAN MAHASISWA BERPRESTASI MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Dwita Amalia Rizki; Fadiya Agustina; Rakha Adhi Nugraha; Soni Adiyono
Jurnal Mahasiswa Sistem Informasi (JMSI) Vol. 6 No. 2 (2025): Jurnal Mahasiswa Sistem Informasi (JMSI)
Publisher : Program Studi DIII Sistem Informasi - Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jmsi.v6i2.9068

Abstract

Pemeringkatan mahasiswa berprestasi merupakan bagian penting dalam dunia pendidikan untuk memberikan penghargaan dan memotivasi pencapaian akademik. Namun, proses pemeringkatan yang dilakukan secara manual sering kali menimbulkan ketidakakuratan dan subjektivitas. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW) guna melakukan pemeringkatan mahasiswa secara objektif dan terstruktur. Data yang digunakan mencakup lima kriteria utama, yaitu IPK, IPS, jumlah SKS, nilai mutu, dan jumlah mata kuliah. Proses analisis dilakukan melalui tahapan normalisasi dan pembobotan terhadap setiap kriteria untuk menghasilkan skor akhir dari masing-masing mahasiswa. Hasil perhitungan menunjukkan bahwa mahasiswa atas nama Mustafa memperoleh skor tertinggi sebesar 0,933. Nilai mutu terbukti menjadi kriteria paling berpengaruh dengan bobot tertinggi 30%. Sistem ini berhasil menghasilkan peringkat mahasiswa secara adil, efisien, dan sesuai dengan kriteria yang telah ditentukan. Dengan demikian, penerapan metode SAW dalam sistem pendukung keputusan ini dapat membantu institusi pendidikan dalam melakukan seleksi atau pemeringkatan secara transparan dan akuntabel.
IMPLEMENTASI CNN (VGG16) UNTUK VERIFIKASI KEMIRIPAN CITRA WAJAH MENGGUNAKAN GOOGLE COLAB DAN GOOGLE DRIVE Dwita Amalia Rizki; Noor Latifah
Jurnal Media Akademik (JMA) Vol. 3 No. 12 (2025): JURNAL MEDIA AKADEMIK Edisi Desember
Publisher : PT. Media Akademik Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62281/c7vb6v33

Abstract

Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) arsitektur VGG16 untuk melakukan verifikasi kemiripan citra wajah pada lingkungan komputasi awan berbasis Software as a Service (SaaS) menggunakan Google Colab dan Google Drive. Sepuluh citra wajah diunggah melalui antarmuka Colab dan secara otomatis disimpan pada direktori Google Drive untuk menjaga struktur dan konsistensi data. Setiap citra diproses melalui tahapan preprocessing dan ekstraksi fitur menggunakan model VGG16 tanpa lapisan klasifikasi, kemudian hasil ekstraksinya dibandingkan menggunakan cosine similarity. Nilai cosine yang diperoleh dikonversi ke dalam bentuk persentase untuk memudahkan interpretasi tingkat kemiripan. Hasil pengujian menunjukkan bahwa Gambar 1 sebagai citra acuan memiliki tingkat kemiripan bervariasi terhadap sembilan citra lainnya, yaitu antara 68.1% hingga 90.2%, yang mengindikasikan perbedaan fitur wajah akibat variasi sudut, pencahayaan, ekspresi, dan kualitas citra. Visualisasi berupa grafik batang dan tabel disertakan untuk memperjelas pemahaman terhadap hasil perhitungan. Secara keseluruhan, penelitian ini membuktikan bahwa kombinasi CNN VGG16, cosine similarity, dan layanan cloud SaaS efektif dalam melakukan verifikasi kemiripan wajah, serta mampu memberikan hasil pengukuran yang terstruktur, informatif, dan mudah diinterpretasikan pada aplikasi autentikasi berbasis cloud.
Co-Authors Fadiya Agustina Noor Latifah Rakha Adhi Nugraha Soni Adiyono