Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JSAI (Journal Scientific and Applied Informatics) Jurnal Karya untuk Masyarakat (JKuM)
Sri Dianing Asri
Fakultas Teknik dan Informatika, Universitas Dian Nusantara
Humanities Computer Science & IT Education Environmental Science Languange, Linguistic, Communication & Media Social Sciences

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

Found 2 Documents
Search

 1 
Pengenalan Company Profile Berbasis Web untuk Meningkatkan Keterampilan Digital di APM Frozen Food Bias Yulisa Geni; Sri Dianing Asri; Husnul Khatimah; Asep Supriadi; Weni Indri Yanti
Jurnal Karya untuk Masyarakat (JKuM) Vol 6 No 2: JULI 2025
Publisher : Universitas Tarakanita

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36914/zxew0541

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk merancang dan mengimplementasikan company profile berbasis web sebagai langkah strategis digitalisasi di APM Frozen Food, sebuah usaha kecil dan menengah (UKM) yang bergerak di sektor produksi makanan beku. Program ini dirancang untuk meningkatkan keterampilan digital sumber daya manusia di perusahaan sekaligus memperluas jangkauan informasi dan aksesibilitas terhadap pelanggan. Kegiatan dilaksanakan melalui tahapan sistematis yang meliputi analisis kebutuhan, pengembangan situs web, pelatihan pengelolaan konten digital, serta evaluasi keberlanjutan pengelolaan platform. Metode pelaksanaan mencakup pendekatan partisipatif, dengan melibatkan karyawan perusahaan dalam proses desain dan pengelolaan situs web. Platform yang dihasilkan menyajikan fitur-fitur utama, seperti profil perusahaan, katalog produk, testimoni pelanggan, serta formulir kontak, yang dirancang untuk meningkatkan visibilitas dan kredibilitas perusahaan dalam pasar digital. Hasil kegiatan menunjukkan bahwa pengenalan company profile berbasis web memberikan dampak positif terhadap efisiensi komunikasi bisnis dan peningkatan citra profesional perusahaan. Selain itu, keterlibatan karyawan dalam pelatihan dan pengelolaan situs web turut berkontribusi pada pengembangan keterampilan digital yang relevan dengan kebutuhan era transformasi digital. Hasil evaluasi menunjukkan peningkatan pemahaman teknologi sebesar 85% pada peserta pelatihan. Program ini tidak hanya memberikan manfaat langsung bagi APM Frozen Food tetapi juga memiliki potensi sebagai model penerapan transformasi digital bagi UKM lainnya. Rekomendasi untuk pengembangan lebih lanjut mencakup integrasi fitur e-commerce untuk mendukung aktivitas transaksi daring serta pengembangan kapasitas lanjutan bagi karyawan melalui pelatihan berkelanjutan.
Pengaruh Learning Rate dan Regularisasi pada Kinerja ResNet50 untuk Klasifikasi Motif Kain Tenun Palembang Hadiguna Setiawan; Sri Dianing Asri
JSAI (Journal Scientific and Applied Informatics) Vol 9 No 2 (2026): Juni
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v9i2.11058

Abstract

Palembang woven fabric is one of Indonesia's cultural heritages, characterized by diverse motifs with distinctive visual patterns that require accurate identification methods to support cultural preservation and digitalization. This study aims to analyze the effect of learning rate and regularization techniques on the performance of a transfer learning-based ResNet50 model for Palembang woven fabric motif classification. The dataset consisted of 800 images representing eight motif classes, divided into 70% training, 15% validation, and 15% testing sets. All images underwent preprocessing, including resizing to 224 × 224 pixels and normalization. The ResNet50 model was trained using the Adam optimizer for 50 epochs with three learning rates (0.01, 0.001, and 0.0001) and two regularization techniques, namely L2 Regularization and Dropout. Model performance was evaluated using Accuracy, Precision, Recall, and F1-Score, while training and validation curves were analyzed to assess model convergence. The experimental results demonstrate that both learning rate and regularization techniques significantly influence classification performance. The best performance was achieved using a learning rate of 0.001 with Dropout, resulting in a training accuracy of 99.11%, validation accuracy of 96.67%, and testing accuracy of 95.83%, outperforming all other configurations.
Co-Authors Asep Supriadi Bias Yulisa Geni Hadiguna Setiawan Husnul Khatimah Weni Indri Yanti