cover
Contact Name
Muhammad Jibril
Contact Email
kuliah.jibril@gmail.com
Phone
+6289610649844
Journal Mail Official
muhammad.jibril@nawansa.com
Editorial Address
Jalan Tanjung periok, Lorong tanjung pasir no 57
Location
Kota adm. jakarta utara,
Dki jakarta
INDONESIA
Teknofile, Jurnal Sistem Informasi
ISSN : -     EISSN : 30264936     DOI : -
TEKNOFILE merupakan nama unik dari jurnal sistem informasi. Dengan pilihan kata yang mencerminkan keterlibatan teknologi dan penelitian mendalam terhadap berbagai file informasi, jurnal ini secara khusus didedikasikan untuk mendokumentasikan dan menganalisis perkembangan terbaru dalam bidang sistem informasi seperti memuat tulisan-tulisan ilmiah mengenai penelitian-penelitian murni dan terapan serta ulasan-ulasan umum tentang perkembangan teori, metode dan ilmu-ilmu terapan terkait sistem informasi. Nama "Teknofile" sendiri mencerminkan tujuan jurnal untuk menjadi arsip yang canggih dan informatif, menggambarkan peran utamanya dalam merinci berbagai aspek penting dalam dunia sistem informasi tanpa terikat oleh singkatan atau akronim tertentu. jurnal keilmuan bidang sistem informasi dan teknologi informasi yang memuat tulisan-tulisan ilmiah mengenai penelitian-penelitian murni dan terapan serta ulasan-ulasan umum tentang perkembangan teori, metode dan ilmu-ilmu terapan terkait seperti: - Sistem Komputer / Teknik Komputer - Sistem Informasi - Teknik Perangkat Lunak - Teknologi Informasi - Teknik Informatika / Ilmu Komputer - Bidang-bidang lainnya yang masuk ke dalam rumpun ilmu tersebut.
Articles 12 Documents
Search results for , issue "Vol. 2 No. 12 (2024): Desember 2024" : 12 Documents clear
IMPLEMENTASI KNOWLEDGE MANAGEMENT SYSTEM BERBASIS WEBSITE PADA SENAT MAHASISWA UNIVERSITAS AMIKOM PURWOKERTO Astrid, Astriditiya Laila Nur Fadilah; Jenny Juniarlie Johan Suryani; Faradina Novi Lakshita; Ito Setiawan
TEKNOFILE : Jurnal Sistem Informasi Vol. 2 No. 12 (2024): Desember 2024
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengetahuan merupakan aspek penting dalam organisasi, terutama di era informasi saat ini. Semakin banyak pengetahuan yang dikelola dan diwariskan dalam sebuah organisasi, semakin maju pula organisasi tersebut. Senat Mahasiswa (SEMA) Universitas AMIKOM Purwokerto menghadapi permasalahan dalam pengelolaan pengetahuan, yang masih dilakukan secara manual atau melalui platform terbatas seperti grup chat dan Google Drive, sehingga informasi sering kali sulit diakses dan tersebar tidak merata. Untuk mengatasi hal ini, penelitian ini bertujuan merancang Knowledge Management System (KMS) berbasis website untuk SEMA menggunakan metode Knowledge Management System Life Cycle (KMSLC). Sistem ini memungkinkan pengorganisasian, penyimpanan, dan akses pengetahuan secara terstruktur, dengan fitur seperti forum diskusi dan manajemen dokumen yang sesuai kebutuhan organisasi. Diharapkan, penerapan KMS ini dapat meningkatkan efektivitas pengelolaan pengetahuan di SEMA.
KLASIFIKASI TINGKAT KUALITAS WORTEL MENGGUNAKAN METODECONVOLUTIONAL NEURAL NETWORK (CNN) Samsudin; Abdullah; Muhammad Rizky
TEKNOFILE : Jurnal Sistem Informasi Vol. 2 No. 12 (2024): Desember 2024
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Wortel (Daucus carota L.) adalah produk hortikultura yang memiliki nilai ekonomi tinggi di Indonesia. Penentuan kualitas wortel sangat penting dalam menentukan harga jual, namun proses klasifikasi kualitas secara manual sering tidak efisien dan konsisten. Dengan perkembangan teknologi, metode pengolahan citra digital dan kecerdasan buatan seperti Convolutional Neural Network (CNN) menawarkan solusi untuk mengotomatisasi klasifikasi kualitas wortel. Penelitian ini mengembangkan sistem klasifikasi kualitas wortel menggunakan metode CNN. Dataset terdiri dari 450 gambar wortel yang dibagi menjadi tiga kategori kualitas: baik, sedang, dan buruk. Model CNN dirancang dengan beberapa lapisan konvolusi, pooling, dan fully connected, menggunakan fungsi aktivasi ReLU dan softmax. Hasil penelitian menunjukkan bahwa model CNN mampu mengklasifikasikan kualitas wortel dengan akurasi tinggi, mencapai akurasi validasi hingga 94% pada epoch ke-50. Implementasi metode ini diharapkan dapat meningkatkan efisiensi dan akurasi dalam proses sortasi wortel, serta berkontribusi pada standarisasi kualitas di industri pertanian.

Page 2 of 2 | Total Record : 12