Claim Missing Document
Check
Articles

Pengembangan Aplikasi CMS dan Dashboard Monitoring Peserta Didik Pesantren Indonesia Berkah Nur Ichsan Utama; Safara Cathasa Riverinda Rijadi; Elvira Lailatuth Thohiroh
Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Vol. 5 No. 1 (2025): Januari 2025 - Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/altifani.v5i1.649

Abstract

Pesantren merupakan lembaga pendidikan Islam yang memiliki peran strategis dalam pembentukan karakter dan keilmuan masyarakat Indonesia. Namun, pengelolaan administrasi, khususnya dalam monitoring aktivitas peserta didik, menjadi tantangan seiring meningkatnya jumlah siswa. Pesantren Indonesia Berkah di Bandung, yang menaungi siswa dengan karakteristik dan kebutuhan beragam, menghadapi kesulitan dalam mencatat dan melaporkan aktivitas seperti hafalan, salat berjamaah, dan kegiatan lainnya secara efisien. Penggunaan Content Management System (CMS) yang telah terbukti efektif di sekolah umum menjadi solusi potensial untuk meningkatkan efisiensi dan transparansi. Dengan CMS, pengelolaan data administrasi dapat dilakukan secara terpusat, memungkinkan guru dan admin untuk memantau serta melaporkan aktivitas kepada orang tua secara real-time. Penelitian ini bertujuan untuk mengimplementasikan CMS yang sesuai dengan kebutuhan pesantren, guna mendukung proses pendidikan yang lebih baik.
Evaluating Civil Servant Selection through Machine Learning Analysis of National Insight, General Intelligence, and Personal Characteristics Test Scores Muhammad Fauzan Nur Adillah; Sinung Suakanto; Nur Ichsan Utama
Advance Sustainable Science Engineering and Technology Vol. 8 No. 2 (2026): February-April
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v8i2.2300

Abstract

This study analyzes the score distribution of 2,490 candidates in the 2024 Ministry of Finance Public sector recruitment, focusing on the CNI, GIT, and PCT sections using machine learning classification. Models used include Logistic Regression (accuracy 0.7897), Random Forest (0.9779), and XGBoost (0.9809), all trained with default parameters (n_estimators=100, max_depth=None) and evaluated using accuracy, precision, recall, and F1-score. While ensemble models outperformed Logistic Regression, the presence of false negatives—especially in the latter—reveals structural imbalances in test design. PCT scores dominate the total, while CNI and GIT show limited variation. These patterns suggest the need to revise PCT items with more complex ethical scenarios and enhance CNI and GIT content for better discrimination. This study contributes to improving test validity and fairness using empirical, data-driven methods. The findings support broader policy reforms toward more meritocratic and competency-aligned recruitment in Indonesia's civil service.
Implementasi Model Deep Learning Pada Sistem Deteksi dan Klasifikasi Kualitas Batang Tebu untuk Optimasi Penentuan Kualitas Anggiat Pandu Daniel Siregar; NUR ICHSAN UTAMA; Riska Yanu Fa'rifah
Journal of Production, Enterprise, and Industrial Applications Vol. 4 No. 1 (2026): June 2026
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jpeia.v4i1.11019

Abstract

Industri gula nasional mengalami penurunan produksi sebesar 7,01% pada tahun 2023, salah satunya disebabkan oleh rendahnya efisiensi pascapanen akibat proses klasifikasi mutu batang tebu yang masih dilakukan secara manual. Proses ini menimbulkan inkonsistensi, potensi konflik antara petani dan petugas lapangan, serta peningkatan biaya operasional. Penelitian ini mengembangkan sistem klasifikasi mutu batang tebu berbasis deep learning menggunakan pendekatan dua tahap. Tahap pertama menggunakan YOLOv11 untuk mendeteksi batang tebu, sedangkan tahap kedua menggunakan arsitektur EfficientNet (B0–B3) untuk mengklasifikasikan mutu ke dalam lima kategori (A–E). Dataset citra diperoleh dari jalur produksi PT Sinergi Gula Nusantara dan diproses melalui tahapan Knowledge Discovery in Database (KDD), meliputi data preprocessing, augmentasi, resizing, dan splitting. Hasil evaluasi menunjukkan bahwa YOLOv11 mencapai akurasi 93,5%, precision 95,7%, recall 94,4%, mAP@0.5 sebesar 97,8%, dan mAP@0.5:0.95 sebesar 89,4%. Sementara itu, EfficientNet-B2 menghasilkan akurasi klasifikasi tertinggi sebesar 88,57% setelah proses fine-tuning. Sistem yang dikembangkan mampu beroperasi pada kondisi visual yang kompleks dan dinamis, serta memberikan hasil klasifikasi yang konsisten. Studi ini menunjukkan potensi teknologi deep learning dalam mendukung otomasi dan peningkatan objektivitas proses penilaian mutu di industri agroindustri.
Penguatan Kompetensi Teknologi Santri melalui Pelatihan Kecerdasan Artifisial di Pesantren Terpadu Darul ’Amal Nur Ichsan Utama; Adityas Widjajarto; Daffa Aliefiandy Yudhistira; Rofiif Nabil Syafaqoh; Muhamad Rizal
NJCOM: Community Service Journal Vol. 2 No. 2 (2026): JULY
Publisher : RAM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.21322255

Abstract

Integrasi Kecerdasan Artifisial (Artificial Intelligence/AI) yang pesat dalam kehidupan sehari-hari menghadirkan peluang sekaligus tantangan bagi lingkungan pesantren, khususnya terkait kesenjangan antara penggunaan teknologi secara instan dan pemahaman konsep yang mendalam. Kegiatan pengabdian kepada masyarakat ini bertujuan menguatkan kompetensi teknologi santri Pesantren Terpadu Darul ’Amal, Sukabumi, melalui pelatihan AI terstruktur yang dibangun atas tiga pilar: literasi AI, pemanfaatan teknologi secara etis (adab digital), dan kesiapan kompetensi masa depan. Kegiatan dilaksanakan pada 2 Mei 2026 dan diikuti oleh 50 santri jenjang SMP–SMA dengan pendekatan Experiential Learning yang meliputi ceramah interaktif, praktik terbimbing penggunaan tools AI generatif dan otomatisasi berbasis n8n serta OpenRouter, dan diskusi studi kasus. Efektivitas diukur melalui pre-test dan post-test yang terdiri atas delapan butir soal pengetahuan serta skala sikap Likert, dan kepuasan mitra diukur melalui kuesioner yang dianalisis secara deskriptif persentase. Hasil menunjukkan rata-rata skor pengetahuan meningkat dari 58,5% (pre-test, n=50) menjadi 84,8% (post-test, n=46), atau naik 26,3 poin persen dengan indeks gain ternormalisasi (N-gain) sebesar 0,63 (kategori sedang). Peningkatan tertinggi terjadi pada pemahaman platform otomatisasi n8n (+43,1 poin) dan konsep machine learning (+31,1 poin). Efikasi diri santri untuk membangun workflow otomatisasi meningkat dari 2,96 menjadi 3,61 (skala 1–5), sementara kesadaran adab dan etika digital konsisten sangat tinggi (rata-rata 4,7–4,9). Kuesioner kepuasan mitra yang diisi 10 responden menunjukkan 98% respons pada kategori Setuju dan Sangat Setuju. Program menunjukkan bahwa penguatan kompetensi teknologi santri dapat dicapai selaras dengan pemeliharaan nilai-nilai kepesantrenan.
Evaluation of the Quality of the E-Report Information System by Developing the DeLone and McLean Information System Success Model at Pasundan Jatinangor Vocational High School Kartaatmadja, Achmad Taufiq; Kurniawan, Mochamad Teguh; Utama, Nur Ichsan
Jurnal Ragam Pengabdian Vol. 3 No. 2 (2026): Mei-Agustus, Sustainable Development Goals (SDGs): Multidisciplinary Perspectiv
Publisher : Lembaga Teewan Journal Solutions

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62710/ezhsne60

Abstract

The implementation of academic information systems plays an important role in improving educational administration. One such system is e-Rapor, which supports student assessment, report card generation, and academic data management. However, challenges related to system quality, information quality, and user satisfaction may affect its effectiveness. This study aims to examine the effects of System Quality and Information Quality on User Satisfaction, as well as the effect of User Satisfaction on the Effectiveness of Academic Management in the implementation of e-Rapor at Pasundan Jatinangor Vocational High School. A quantitative survey was conducted involving teachers, homeroom teachers, the e-Rapor operator, and the vice principal for curriculum. Data were analyzed using Structural Equation Modeling–Partial Least Squares (SEM-PLS). The results indicate that System Quality and Information Quality significantly influence User Satisfaction, with Information Quality having the strongest effect. In addition, User Satisfaction significantly improves the Effectiveness of Academic Management. The novelty of this study lies in extending the DeLone and McLean Information Systems Success Model by operationalizing Net Benefit as Effectiveness of Academic Management, providing a more context-specific framework for evaluating educational information systems in vocational schools.