Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Informatik : Jurnal Ilmu Komputer Kreativitas Pada Pengabdian Masyarakat (Krepa)
Kalambia, Audia Endondaya
Unknown Affiliation
Arts Humanities Computer Science & IT Education Energy Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
STRATEGI PEMASARAN DIGITAL UMKM BARBERSHOP LEWAT POSTER UNTUK MENINGKATKAN CAKUPAN PASAR DI ERA MODERN Rahayaan, Jacob; Mokansi, Misael; Kalambia, Audia Endondaya; Batjo, Lourdes; Yusupa, Ade; Akay, Yuri Vanli
Kreativitas Pada Pengabdian Masyarakat (Krepa) Vol. 5 No. 1 (2025): Kreativitas Pada Pengabdian Masyarakat (Krepa)
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.8765/krepa.v5i1.12541

Abstract

ABSTRAK Kegiatan pengabdian kepada masyarakat ini dilatarbelakangi oleh rendahnya pemanfaatan media digital dalam strategi pemasaran UMKM, khususnya di sektor jasa seperti barbershop. Banyak pelaku usaha barbershop skala mikro dan kecil masih mengandalkan promosi konvensional seperti dari mulut ke mulut atau selebaran fisik, yang membatasi jangkauan pasar. Kegiatan ini bertujuan memberikan pelatihan dan pendampingan dalam pemanfaatan media digital, terutama melalui pembuatan dan penyebaran poster digital sebagai alat promosi. Metode pelaksanaan meliputi sosialisasi, pelatihan desain menggunakan aplikasi seperti Canva, serta pendampingan dalam menyusun konten promosi yang menarik dan sesuai dengan identitas usaha. Edukasi juga diberikan mengenai penggunaan media sosial seperti Instagram, Facebook, dan WhatsApp Business sebagai saluran distribusi poster. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan peserta, serta perubahan perilaku pelaku usaha yang mulai aktif mempromosikan jasanya secara daring dengan respon positif dari konsumen. ABSTRACT This community service activity addresses the low use of digital media in marketing among MSMEs, especially in the service sector like barbershops. Many micro and small-scale barbershop owners still rely on traditional methods such as word-of-mouth or printed flyers, limiting their market reach. To overcome this, the activity focused on training and mentoring barbershop MSMEs in utilizing digital media, particularly through the design and distribution of digital posters. The program included socialization, hands-on poster design sessions using user-friendly tools like Canva, and guidance on creating engaging content that suits each business’s identity. Participants were also educated on how to use Instagram, Facebook, and WhatsApp Business to share their posters effectively. As a result, participants showed improved skills and began promoting their services online, receiving positive responses from customers. This activity demonstrated that digital posters are a relevant and effective strategy to enhance barbershop MSMEs' market expansion.
Model Deep Learning YOLOv5 untuk Identifikasi Cuaca: Cloudy, Rain, Shine, dan Sunrise Kalambia, Audia Endondaya; Kevin, Geraldy; Saputro, Pujo Hari
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.11089

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra cuaca secara otomatis menggunakan arsitektur YOLOv5, khususnya varian ringan YOLOv5n (nano), untuk mengenali empat kelas cuaca: Cloudy, Rain, Shine, dan Sunrise. Dataset yang digunakan terdiri dari kurang lebih 800 gambar yang dikumpulkan secara manual dari sumber daring dan telah dianotasi serta diklasifikasikan ke dalam format YOLO (YOLOv5). Gambar diproses ke resolusi seragam 640×640 piksel sebelum pelatihan model selama 200 epoch dengan batch size 128 menggunakan PyTorch di lingkungan berbasis GPU. Evaluasi model menunjukkan performa tinggi dengan precision rata-rata sebesar 97,2%, recall sebesar 97,5%, serta mAP@0.5 mencapai 99,3%, yang mencerminkan akurasi sangat baik dalam mendeteksi objek dan klasifikasi cuaca. Hasil ini menunjukkan bahwa YOLOv5 efektif untuk tugas klasifikasi multi-kelas pada citra cuaca dan dapat diimplementasikan untuk sistem berbasis visi komputer real-time seperti kendaraan otonom atau sistem pemantauan lalu lintas. Temuan ini juga memperkuat efektivitas transfer learning dari model pralatih YOLOv5 dalam mempercepat konvergensi dan meningkatkan performa model dengan dataset yang relatif kecil.
Co-Authors Ade Yusupa Batjo, Lourdes Kevin, Geraldy Mokansi, Misael Pujo Hari Saputro Rahayaan, Jacob Yuri Vanli Akay