Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Informatik : Jurnal Ilmu Komputer Jurnal Pengabdian Kepada Masyarakat Patikala
Makasunggal, Juan Natanel
Unknown Affiliation
Humanities Computer Science & IT Education Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

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

Found 2 Documents
Search

 1 
PENDAMPINGAN UMKM KERAJINAN ROTAN DALAM PEMANFAATAN PLATFORM FACEBOOK SEBAGAI STRATEGI DIGITAL MARKETING UNTUK MENINGKATKAN PENJUALAN Kendek Allo, Yusi Meilany; Rewur, Afny Rahel Prastika; Biringpasemba, Thya Oksabella; Makasunggal, Juan Natanel; Rombeallo, Gabryela; Mamahit, Dringhuzen Jekke; Umboh, Markus Karamoy; Ade Yusupa
Jurnal Pengabdian Kepada Masyarakat Patikala Vol. 4 No. 4 (2025): Jurnal PkM PATIKALA
Publisher : Education and Talent Development Center of Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51574/patikala.v4i4.2966

Abstract

Di era digitalisasi saat ini, teknologi informasi berperan penting dalam meningkatkan daya saing UMKM. Oleh karena itu diperlukan strategi pemasaran yang baik, seperti memanfaatkan platform media sosial yang saat ini telah dipakai oleh sebagian besar masyarakat dari berbagai kalangan. Facebook, salah satu platform media sosial yang dipilih karena penggunanya yang terbanyak saat ini. Program pendampingan ini fokus pada pelaku usaha kerajinan di Wisata Kuliner Jalan Roda, Pasar 45, Manado dalam mengoptimalkan Facebook Marketplace untuk memperluas jangkauan pasar. Hasil analisis menunjukkan bahwa sebagian besar peserta memiliki keterbatasan pengetahuan tentang strategi pemasaran digital yang efektif. Peserta dibekali keterampilan membuat konten visual menarik dan mengoptimalkan fitur-fitur Facebook Marketplace. Setelah pelatihan, terjadi peningkatan signifikan dalam pemahaman dan keterampilan peserta dalam membuat konten menarik dan mengelola akun Facebook untuk promosi. Dengan memanfaatkan potensi pemasaran digital, program ini diharapkan dapat mendorong pertumbuhan dan keberlanjutan bisnis UMKM kerajinan rotan di Pasar 45 Manado. Metode ini tidak hanya akan memperluas jangkauan pasar pengrajin ke luar wilayah Manado, tetapi juga akan meningkatkan daya saing produk kerajinan lokal di pasar yang lebih luas. Pada akhirnya, ini akan berdampak positif pada pertumbuhan ekonomi lokal.
Komparasi Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Klasifikasi Ekspresi Wajah Faizah, Arbiati; Imron, Syaiful; Rewur, Afny; Makasunggal, Juan Natanel; Hari Saputro, pujo
Informatik : Jurnal Ilmu Komputer Vol 21 No 1 (2025): April 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i1.11091

Abstract

Ekspresi wajah merupakan komponen penting dalam komunikasi nonverbal, karena mampu menyampaikan emosi tanpa perlu berkata-kata. Berbagai studi menyebutkan bahwa lebih dari 55% informasi emosional dalam komunikasi manusia disampaikan melalui ekspresi wajah. Dalam bidang pengolahan citra digital, klasifikasi ekspresi wajah menjadi salah satu tantangan yang banyak dikaji. Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam mengklasifikasikan empat ekspresi wajah: happy, sad, neutral, suprise. Data yang digunakan berasal dari dataset FER-2013 dengan 4000 gambar per kelas. Setiap citra melalui tahap preprocessing berupa konversi grayscale, normalisasi piksel, dan augmentasi data. Model Support Vector Machine (SVM) menghasilkan akurasi pelatihan sebesar 99,70%, namun akurasi validasinya hanya 41,47%, menandakan terjadinya overfitting. Sebaliknya, Convolutional Neural Network (CNN) memberikan hasil yang lebih stabil dengan akurasi pelatihan sebesar 85,08% dan akurasi validasi tertinggi mencapai 55,03%. Convolutional Neural Network (CNN) juga menunjukkan performa tertinggi dalam mengenali ekspresi suprise dengan akurasi 69%. Hasil penelitian ini menunjukkan bahwa Convolutional Neural Network (CNN) lebih unggul dalam mengenali pola visual kompleks dibandingkan Support Vector Machine (SVM). Dengan demikian, penelitian ini memberikan kontribusi dalam pemilihan metode klasifikasi citra wajah yang optimal dan relevan untuk implementasi sistem pengenalan ekspresi secara otomatis.
Co-Authors Ade Yusupa Biringpasemba, Thya Oksabella Dringhuzen J. Mamahit Faizah, Arbiati Hari Saputro, Pujo Imron, Syaiful Kendek Allo, Yusi Meilany Rewur, Afny Rewur, Afny Rahel Prastika Rombeallo, Gabryela Umboh, Markus Karamoy