Claim Missing Document
Check
Articles

Found 2 Documents
Search

DIGITALISASI OPERASIONAL DEPOT AIR ISI ULANG KAMANGEN BERBASIS APLIKASI WEB UNTUK OPTIMALISASI PENCATATAN KEUANGAN Turangan, Yermia; Adabaye, Sarmila; Sitanggang, Jonathan; Sembeng, Barca; Mamahit, Dringhuzen; Umboh, Markus; Yusupa, Ade
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.v4i4.3004

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) seperti Depot Kamangen di Kecamatan Wanea, Kota Manado, menghadapi tantangan operasional akibat minimnya pemanfaatan teknologi digital, seperti pencatatan manual yang rentan kesalahan dan pemesanan yang tidak terintegrasi, berimbas pada laporan dan pengelolaan yang kurang optimal. Pengabdian ini bertujuan mengoptimalkan pencatatan keuangan dan pembukuan melalui aplikasi web berbasis Laravel. Metode meliputi analisis kebutuhan, pengembangan aplikasi dengan fitur pemesanan, keuangan, dan laporan, serta pelatihan kapda pemilik selama Maret 2025. Hasil yang didapat cenderung pada waktu pencatatan yang dimana pencatatan transaksi turun 50% (dari 1,5 menit menjadi 45 detik) dan human error berkurang 75% (dari 3 menjadi < 1per minggu), meningkatkan efisiensi dan akurasi. Pembahasan menunjukkan digitalisasi mengurangi beban kerja, memperluas potensi pasar, dan mendukung daya saing, sejalan dengan studi digitalisasi UMKM. Kegiatan ini menegaskan peran pendampingan akademik dalam transformasi digital untuk keberlanjutan usaha dan ekonomi lokal.
Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Tomat Fithratul Zalmi, Wahyuni; Hari Saputro, Pujo; Sitanggang, Jonathan; Leatemia, Kevin
Informatik : Jurnal Ilmu Komputer Vol 21 No 2 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i2.11094

Abstract

Penyakit pada daun tomat merupakan salah satu masalah utama dalam pertanian yang dapat menyebabkan penurunan hasil panen dan kualitas tanaman. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk menghindari kerugian yang lebih besar. Dalam penelitian ini, kami mengembangkan sistem klasifikasi penyakit daun tomat menggunakan teknik deep learning dengan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari gambar daun tomat dalam beberapa kategori penyakit, yang kemudian diproses menggunakan data augmentation untuk meningkatkan jumlah dan variasi data pelatihan. Model CNN yang dibangun terdiri dari beberapa lapis konvolusi dan max-pooling, diikuti oleh lapis dens (dense layer) untuk mengklasifikasikan gambar ke dalam 10 kategori penyakit. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi sekitar 95.84% pada dataset validasi, dengan kemampuan yang baik dalam membedakan berbagai jenis penyakit. Analisis matriks kekacauan (confusion matrix) menunjukkan bahwa model memiliki performa yang konsisten dalam mengklasifikasikan penyakit, meskipun ada beberapa kesalahan klasifikasi pada kategori tertentu. Sistem ini dapat menjadi alat bantu yang efektif bagi petani dan peneliti untuk mendeteksi penyakit daun tomat secara akurat dan efisien.