Claim Missing Document
Check
Articles

Found 3 Documents
Search

Perbandingan Efektivitas Sistem Informasi Manajemen (SIM) Manual dan Berbasis Komputer Palaka, Muhammad Mabi; Ramadhan, Muhammad Rizky; Ramadhan, Nabil Gilang; Ramadhani, Dhemes Ichsan; Wijoyo, Agung
Jurnal Riset Informatika dan Inovasi Vol 3 No 7 (2025): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jurnal ini mengevaluasi efektivitas Sistem Informasi Manajemen (SIM/SIM) manual dan berbasis komputer. Dengan menggunakan metodologi kualitatif berbasis literatur, penelitian ini mensintesis studi empiris dan tinjauan terkini yang dilakukan antara tahun 2020 dan 2025, sekaligus menerapkan teori efektivitas organisasi bersama Model Keberhasilan Sistem Informasi DeLone & McLean untuk menilai kinerja di berbagai dimensi: ketepatan waktu, akurasi, efisiensi biaya, keamanan, aksesibilitas, dan kepuasan pengguna. Temuan menunjukkan bahwa SIM berbasis komputer umumnya melampaui sistem manual dalam hal kecepatan, kualitas informasi, skalabilitas, dan dukungan pengambilan keputusan; meskipun demikian, manfaat aktualnya sangat dipengaruhi oleh faktor manusia seperti pelatihan dan manajemen perubahan, serta kesiapan infrastruktur dan kualitas data. Studi ini menawarkan rekomendasi praktis dan panduan yang peka terhadap konteks untuk proses adopsi bertahap.
Rancang Bangun Sistem Absensi Siswa Berbasis Barcode untuk Peningkatan Akurasi Data Kehadiran SMA IT Yapira Rusmanto, Akbar; Ramadhan, Nabil Gilang; Witama, Fiyado Yudha; Kholik, Abdul; Fariz, Muhammad; Maulana, Zikri; Ramadhan, Rizki; Raffi , Muhammad; Nurmala, Mega; Innayah, Nabila; Ramdani, Dani
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 3 No 3 (2025): APPA : Jurnal Pengabdian kepada Masyarakat (INPRESS)
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kehadiran siswa merupakan indikator penting kedisiplinan dalam proses akademik. Di SMA IT Yapira, sistem pencatatan kehadiran saat ini masih dilakukan secara konvensional dengan memanggil nama siswa satu per satu (manual roll call). Metode ini sangat tidak efisien karena memakan waktu efektif pembelajaran, rawan kesalahan pencatatan, dan menyulitkan proses rekapitulasi data. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk merancang dan membangun sistem absensi berbasis barcode (QR Code) serta memberikan pelatihan penggunaannya kepada guru dan siswa. Metode pelaksanaan meliputi perancangan sistem selama tiga minggu dan pelatihan intensif selama satu hari. Hasil dari kegiatan ini adalah tersedianya sistem absensi digital yang memungkinkan pencatatan kehadiran secara instan melalui pemindaian kartu pelajar, menggantikan metode pemanggilan manual yang lambat. Penerapan sistem ini terbukti meningkatkan efisiensi waktu jam pelajaran dan validitas data absensi.
Klasifikasi Batu Permata Berdasarkan Gambar dengan CNN Ramadhan, Nabil Gilang; Reza, Ahmad; Taufik, Wildan Az Zikri; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Identifikasi batu permata masih banyak dilakukan secara manual oleh ahli gemologi dengan kelemahan subjektivitas dan potensi kesalahan. Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk membangun sistem klasifikasi otomatis berbasis citra digital batu permata. Dataset yang digunakan terdiri dari tiga kelas, yaitu Alexandrite, Almandine, dan Amazonite, dengan jumlah data yang relatif terbatas. Tahapan penelitian meliputi preprocessing citra (resize menjadi 100×100 piksel, normalisasi), augmentasi data (rotasi, flipping, zooming, shifting), serta pembangunan model CNN sequential dengan tiga lapisan konvolusi, batch normalization, max pooling, dropout, dan lapisan fully connected. Model dilatih menggunakan optimizer Adam dengan fungsi loss categorical crossentropy. Hasil penelitian menunjukkan bahwa model mencapai akurasi training akhir sebesar 100,00% dengan loss training 0,0217, namun akurasi validasi hanya 33,33% dengan loss validasi 4,3854, mengindikasikan terjadinya overfitting. Analisis confusion matrix menunjukkan bahwa model memiliki performa terbaik pada kelas Alexandrite, sedangkan kelas Almandine dan Amazonite sering mengalami misklasifikasi. Faktor utama overfitting adalah jumlah dataset yang terbatas dan kompleksitas arsitektur CNN yang tinggi. Disimpulkan bahwa CNN berhasil mempelajari pola visual data training dengan sangat baik, namun memerlukan peningkatan kuantitas dan variasi data untuk kemampuan generalisasi yang optimal. Saran untuk penelitian selanjutnya adalah penambahan dataset, penerapan transfer learning, dan penyesuaian kompleksitas model.