Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Innovative: Journal Of Social Science Research

Evaluasi Kualitas Website Kampus Politeknik eLBajo Commodus menggunakan Metode Webqual 4.0 Modified and Importance Performance Analysis (IPA) Fhelly Djun, Sisilia; Jeannywelasny Ngasa, Gracedelia; Galih Cahaya Widianto, Angling; Sandrio, Laurensius; Sabatani Jangku, Wilhelmus
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.20795

Abstract

Website eLBajo Commodus Polytechnic memiliki peran penting dalam mendukung kegiatan akademik. Penelitian ini mengevaluasi kualitas website menggunakan metode Webqual 4.0 Modification and Importance Performance Analysis (IPA), dengan pendekatan kuantitatif melalui survei terhadap 101 mahasiswa. Hasilnya menunjukkan tingkat kesesuaian situs web sebesar 99,1% dan kesenjangan rata-rata -0,22, menunjukkan bahwa masih ada aspek yang perlu ditingkatkan. Empat indikator prioritas utama peningkatan meliputi tampilan, akurasi informasi, keandalan tautan, dan kemudahan komunikasi. Rekomendasi perbaikan disusun berdasarkan pedoman WCAG 2.0 untuk meningkatkan kualitas layanan website.
Perancangan Aplikasi Deteksi Motif Songke Manggarai Berbasis Pengolahan Citra Digital untuk Promosi dan Pemasaran Sentra IKM Tenun Molas Poco Lembor Sabatani Jangku, Wilhelmus; Yosef Seran, Marius; Wayan Pio Pratama, I; Putu Eka Sudarsana, I; Fhelly Djun, Sisilia; Toni Harjo, Kristoforus; Made Dwija Oka Negara, I; G.C. Widiyanto, Angling
Innovative: Journal Of Social Science Research Vol. 5 No. 4 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i4.20810

Abstract

Penelitian ini bertujuan merancang dan mengembangkan aplikasi berbasis pengolahan citra digital untuk mendeteksi dan mengklasifikasikan motif Songke Manggarai. Dengan memanfaatkan algoritma Convolutional Neural Network (CNN) berbasis MobileNetV2 dan teknik augmentasi data, sistem mampu mendeteksi enam jenis motif Songke dengan akurasi mencapai 95%. Aplikasi ini dibangun berbasis web menggunakan Flask sebagai backend dan TensorFlow/Keras sebagai engine machine learning. Hasil penelitian menunjukkan bahwa sistem dapat membantu pelaku IKM dalam mendokumentasikan, mengenali, serta mempromosikan produk tenun Songke secara digital, sekaligus memperluas jangkauan pasar melalui teknologi.