Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Syntax: Journal of Software Engineering, Computer Science and Information Technology Jurnal Pembina
Tanjung, Dewi Aulia
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Neuroscience Transportation Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Strategi Green Computing Untuk Optimalisasi Sumber Daya Digital dan Reduksi Limbah Kertas di Era Transformasi Digital Aulia, Arinda; Lestari, Tiara Amanda; Afandi, Falah; Tanjung, Dewi Aulia; Dedek
Jurnal Pembina Vol. 1 No. 2 (2025): November 2025
Publisher : CV. Multimedia Teknologi Kreatif

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65230/pembina.v1i2.90

Abstract

Transformasi digital mendorong peningkatan penggunaan perangkat dan infrastruktur teknologi yang berdampak pada konsumsi energi tinggi dan pemanfaatan sumber daya digital yang belum efisien. Pada saat yang sama, penggunaan kertas masih dominan dalam berbagai aktivitas operasional. Green computing menjadi pendekatan penting untuk mengurangi dampak lingkungan melalui efisiensi energi, pengelolaan teknologi yang bijak, dan penerapan sistem kerja digital. Penelitian ini bertujuan menganalisis strategi green computing yang dapat mendukung optimalisasi sumber daya digital serta mengurangi limbah kertas di era transformasi digital. Metode yang digunakan adalah studi literatur terhadap publikasi ilmiah lima tahun terakhir terkait green IT, efisiensi energi, dan digitalisasi proses kerja. Hasil analisis menunjukkan bahwa strategi efektif mencakup: (1) penggunaan infrastruktur hemat energi seperti virtualisasi dan cloud computing; (2) pengelolaan perangkat keras berstandar energi efisien dan manajemen e-waste; (3) digitalisasi dokumen untuk mendukung sistem paperless; dan (4) penerapan kebijakan organisasi yang mendorong budaya kerja ramah lingkungan. Implementasi strategi tersebut terbukti meningkatkan efisiensi operasional, menekan biaya, dan mengurangi jejak karbon organisasi.
PERANCANGAN APLIKASI MONITORING KEHADIRAN DAN KEGIATAN PESERTA MAGANG BERBASIS WEB Kesuma, Mahfuzhah Rahma; Tanjung, Dewi Aulia; ., suhardi
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.7947

Abstract

Program magang menghubungkan pembelajaran teori dengan pengalaman kerja nyata. Namun, pemantauan manual terhadap kehadiran dan aktivitas peserta sering menimbulkan keterlambatan laporan dan ketidakakuratan data, sehingga menurunkan efisiensi pengawasan. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi monitoring berbasis web guna meningkatkan efisiensi, akurasi, serta transparansi dalam pengelolaan kegiatan magang. Sistem dikembangkan menggunakan PHP, MySQL, dan HTML dengan fitur pencatatan kehadiran, pelaporan kegiatan, unggah dokumentasi, pengelolaan sertifikat, serta penilaian secara real-time. Proses pengembangan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Berdasarkan hasil pengujian Black Box, seluruh fitur sistem seperti login, input kehadiran, pencatatan kegiatan, dan pembuatan sertifikat berjalan dengan baik tanpa kesalahan fungsional. Hasil menunjukkan bahwa aplikasi ini meningkatkan akurasi data, mengurangi kesalahan manusia, memperkuat transparansi, serta memberikan kemudahan bagi pembimbing dalam memantau peserta magang secara efektif dan efisien. Kata Kunci____ Magang, Monitoring, Aplikasi Web.
Klasifikasi Algoritma K-Nearest Neighbor (KNN) untuk Pengenalan Angka Tulisan Tangan Berbasis Citra Digital Utami, Andita; Tanjung, Dewi Aulia; Ramadhana, Muhammad Fadil; Siregar, Farhan Sadli; Sir, Hapisfatly; Furqan, Mhd
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10366

Abstract

Abstrak - Klasifikasi angka tulisan tangan merupakan salah satu topik penting dalam analisis citra digital dan membutuhkan metode yang akurat serta efisien. Penelitian ini menerapkan algoritma K-Nearest Neighbor (KNN) untuk mengenali angka tulisan tangan pada dataset MNIST, yang dipadukan dengan teknik ekstraksi fitur zoning untuk memperoleh 16 fitur utama dari setiap citra. Beberapa nilai k diuji untuk menentukan konfigurasi yang paling optimal. Hasil pengujian menunjukkan bahwa nilai k = 7 memberikan akurasi terbaik sebesar 83.54%. Evaluasi menggunakan confusion matrix dan classification report mengonfirmasi bahwa model mampu mengklasifikasikan sebagian besar digit dengan baik, meskipun masih terdapat sebagian kecil kesalahan pada digit yang memiliki bentuk serupa. Temuan ini menunjukkan bahwa kombinasi metode zoning dan algoritma KNN tetap efektif digunakan untuk pengenalan angka tulisan tangan pada sistem yang membutuhkan komputasi ringan dan cepat.Kata kunci: Algoritma; Citra; K-Nearest Neighbors; MNIST; Abstract - Handwritten digit classification is an important topic in digital image analysis and requires accurate and efficient methods. This study applies the K-Nearest Neighbor (KNN) algorithm to recognize handwritten digits in the MNIST dataset, combined with the zoning feature extraction technique to obtain 16 main features from each image. Several values of k were tested to determine the most optimal configuration. The test results show that k = 7 provides the best accuracy of 83.54%. Evaluation using a confusion matrix and classification report confirms that the model is able to classify most digits well, although there are still some errors with digits that have similar shapes. These findings indicate that the combination of the zoning method and the KNN algorithm remains effective for handwritten digit recognition in systems that require light and fast computation.Keywords: Algorithm; Image; K-Nearest Neighbors; MNIST;
Co-Authors Afandi, Falah Aulia, Arinda Dedek Kesuma, Mahfuzhah Rahma Mhd Furqan Ramadhana, Muhammad Fadil Sir, Hapisfatly Siregar, Farhan Sadli Suhardi . Tiara Amanda Lestari Utami, Andita