Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Technologica
Prayudha, Hari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

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

Found 2 Documents
Search

 1 
Implementasi Electronic Proof of Delivery (e-POD) dan Mobile Printing untuk Meningkatkan Efisiensi Manajemen Logistik (Studi Kasus: Flores Travel) Jambak, Cindy Afriana; Prayudha, Hari; Widodo, Aditya; Alda, Muhamad
Technologica Vol. 5 No. 1 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i1.527

Abstract

Ketidakteraturan administrasi logistik akibat ketergantungan pada dokumentasi fisik dan proses manual di Flores Travel menjadi hambatan utama dalam validasi serah terima barang serta transparansi data pengiriman. Penelitian ini bertujuan untuk mengatasi inefisiensi tersebut melalui pengembangan aplikasi logistik berbasis React Native yang mengintegrasikan fitur Electronic Proof of Delivery (e-POD) dan Mobile Printing. Metode penelitian mengikuti kerangka System Development Life Cycle (SDLC) yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi kode, hingga pengujian fungsional. Fitur utama yang dikembangkan mencakup otomasi pencetakan label resi dengan protokol Thermal Standard Printer Language (TSPL) melalui koneksi Bluetooth, distribusi surat jalan digital melalui WhatsApp Gateway, serta verifikasi penerimaan barang menggunakan pemindaian barcode dan tanda tangan elektronik. Hasil penelitian menunjukkan adanya transformasi proses dari administrasi berbasis kertas menuju sistem digital yang mampu meminimalisir risiko kehilangan dokumen dan mempercepat pemutakhiran status pengiriman dari lapangan ke sistem pusat. Integrasi teknologi e-POD ini memberikan kepastian data penerimaan yang lebih akurat serta memperlancar koordinasi operasional antara peran admin, karani, dan supir secara terpadu. Kesimpulannya, implementasi sistem ini berhasil mengoptimalkan efisiensi operasional dan meningkatkan transparansi alur logistik secara real-time tanpa bergantung pada birokrasi fisik yang lambat
Klasifikasi Kualitas Biji Kopi Arabika Berdasarkan Nilai Cupping Menggunakan Backpropagation Neural Network Handika, Arlan Tri; Widodo, Aditya; Prayudha, Hari; Rambe, Rayhan Atricha
Technologica Vol. 5 No. 1 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i1.530

Abstract

Penilaian kualitas biji kopi Arabika merupakan proses penting dalam menjaga konsistensi cita rasa dan mutu produk kopi. Metode cupping yang umum digunakan masih memiliki tingkat subjektivitas yang tinggi karena dipengaruhi oleh perbedaan pengalaman dan persepsi panelis. Penelitian ini mengusulkan model klasifikasi kualitas biji kopi Arabika menggunakan Backpropagation Neural Network untuk menghasilkan penilaian yang lebih objektif dan konsisten. Data yang digunakan merupakan data sekunder dari Coffee Quality Institute (CQI) yang diperoleh melalui platform Kaggle dengan total 207 sampel kopi Arabika. Atribut yang digunakan meliputi aroma, flavor, acidity, body, aftertaste, balance, dan moisture. Kualitas biji kopi diklasifikasikan ke dalam tiga kelas, yaitu Grade A, Grade B, dan Grade C, berdasarkan nilai total cupping points. Hasil pengujian menunjukkan bahwa model menghasilkan akurasi sebesar 85,7%, dengan nilai precision 55,6%, recall 60,4%, dan F1-score 56,6%. Perbedaan nilai metrik evaluasi tersebut menunjukkan bahwa meskipun model mampu melakukan klasifikasi secara umum dengan baik, kemampuannya dalam mengidentifikasi setiap kelas secara tepat masih dipengaruhi oleh distribusi data, sehingga evaluasi kinerja tidak dapat hanya bergantung pada nilai akurasi. Model yang diusulkan berpotensi membantu proses penilaian kualitas biji kopi dengan menyediakan hasil klasifikasi beserta informasi probabilitas.
Co-Authors Handika, Arlan Tri Jambak, Cindy Afriana Muhamad Alda Rambe, Rayhan Atricha Widodo, Aditya