K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah
Techno.Com
Authors
Purnawansyah; Herdianti; Harlinda, Universitas Muslim Indonesia
Abstract
Bawang merah merupakan suatu kebutuhan masyarakat terutama pada bahan makanan dan juga digunakan untuk Kesehatan. Dengan banyaknya manfaat bawang merah, dibalik itu juga memiliki suatu kendala atau resiko pada penanaman bawang merah salah satu resikonya adalah hama atau penyakit yang dapat merugikan petani bawang merah. Tujuan dari penelitian ini yaitu mengklasifikasi penyakit daun bercak ungu dan moler pada tanaman bawang merah, yang di implementasikan menggunakan metode ekstraksi fitur Gray Level Co-Occurance Matix (GLCM) yang digunakan untuk ekstraksi fitur tekstrur. Selain itu ada lima jarak yaitu Eucludiean, Manhattan, Chebyshev, Minkowski, Hamming digunakan dalam metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini juga menggunakan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari penelitian ini yang diperoleh menggunakan metode GLCM dan KNN dengan jarak Euclidean, Manhattan, Chebyshev, dan Minkowski mendapatkan hasil akurasi yang tinggi yakni sebesar 100%, sedangkan nilai akurasi terendah terdapat pada KNN jarak Hamming nilai akurasi yaitu sebesar 42%, adapun klasifikasi dari gabungan dari metode GLCM dan CNN mendapatkan hasil akurasi sebesar 100% dan pada metode CNN yang tanpa metode ekstraksi memiliki nilai akurasi sebesar 100%
Sosialisasi dan Pelatihan Bijak Bermedia Sosial agar Terhindar dari Jerat UU ITE bagi Siswa/Siswi Madrasah Aliyah Darud Da'wah wal Irsyad (DDI) Pangkep
Devote: Jurnal Pengabdian Masyarakat Global
Authors
Alwi, Erick Irawadi, Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Muslim Indonesia; Hasanuddin, Tasrif, Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Muslim Indonesia
Abstract
Students become the next generation of the nation and the state must know how to utilize technology properly. Not all students have an understanding of how to be wise with social media to avoid the snares of the ITE Law, not a few students do not understand the legal risks of applying the ITE Law, including students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. For this reason, socialization and training on Wise social media and ITE Law are needed so that students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep can avoid the legal traps of the ITE Law. The method used in this service is in the form of socialization and training in providing education to students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. The results of measuring the level of understanding before socialization were carried out pre-test with results of 40.8% and post-test after socialization of 90.6% of these results can conclude that community service activities have increased student understanding related to Wise social media to Avoid the Snares of the ITE Law by 49.8%.
Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal
Indonesian Journal of Data and Science
Authors
Purnawansyah; Herdianti; Astuti, Wistiani, Universitas Muslim Indonesia
Abstract
Tumbuhan herbal memiliki banyak variasi yang dapat dikenali melalui ciri uniknya secara visual. Namun, cara ini sulit diterapkan pada tumbuhan yang memiliki ciri hampir sama. Penelitian ini membandingkan kinerja metode K-Nearest Neighbour (KNN) dan Convolutional Neural Network (CNN) dalam klasifikasi fitur daun herbal yang diekstraksi dengan menggunakan Geometric Moment Invariant (GMI) dan Hue Saturation Value (HSV). Dataset yang digunakan adalah dataset citra daun katuk (Sauropus androgynus) dan daun kelor (Moringa oleifera) dengan skenario citra terang dan citra gelap. Pembagian data untuk tiap skenario adalah 80% untuk training dan 20% untuk testing. Metode KNN diuji menggunakan nilai dan evaluasi kinerja KNN dan CNN meliputi accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa CNN tanpa ekstraksi fitur dan CNN dengan kombinasi ekstraksi fitur HSV memperoleh performa terbaik dengan rata-rata nilai precision, recall, f1-score dan accuracy sebesar 98% untuk skenario gelap maupun terang
Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Convolutional Neural Network dan K-Nearest Neighbor
Computer Science Research and Its Development Journal
Authors
Purnawansyah; Herdianti; Alwi, Erick Irawadi, Universitas Muslim Indonesia
Abstract
The potential for yield loss due to shallot plant disease is the main trigger that can reduce agricultural productivity. Pest and disease attacks can be minimized and overcome quickly if farmers are able to classify the types of diseases that attack plants based on the characteristics and symptoms that appear. This study aims to classify shallot plant diseases, namely purple spotting and moles with a total of 320 datasets using Hue Saturation Value color feature extraction using the K-Nearest Neighbor (Euclidean Distance) and Convolutional Neural Network methods. Based on the results of the study, the accuracy, f1-score was 94% and precision, recal was 97%, 91% in purple spot disease while in moler disease it was 94% in accuracy, precision, recall, and f1-score in HSV and KNN classifications. Classification using HSV and CNN yielded high scores in accuracy, precision, recall, and f1-score with a value of 100% in both purple spot and moler shallot leaf diseases. Classification using deep learning CNN obtains very good accuracy, precision, recall and f1-score, namely 100%. With this description, the classification of shallot plant diseases using HSV and CNN, and CNN deep learning are stated to be able to classify shallot plant diseases, namely purple spotting and moles effectively and accurately
Analisis Eksplorasi Data Aplikasi Android pada Playstore
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Purnawansyah; Herdianti, Universitas Muslim Indonesia
Abstract
Google Playstore memiliki karakteristik yang berbeda dengan Apple App Store yaitu lebih terbuka terhadap developer aplikasi mobile sehingga memiliki varian yang lebih beragam dibanding dengan Apple App Store. Setiap aplikasi di dalam app store dapat dikelompokan berdasarkan karakteristik yang sama dan dapat disebut sebagai kategori dan genre. Pada tahun 2018 jumlah mobile app yang tersedia mencapai 3,6 juta aplikasi. Berbagai jenis mobile app tersedia pada layanan google play store, mulai dari hiburan, media sosial, editor, jasa transportasi, perdagangan (marketplace), dan kesehatan. Penelitian ini bertujuan untuk melakukan 5 analisis yaitu aplikasi dengan rating tertinggi, mencari 5 aplikasi dengan size paling berat (MBs), visualisasi data content ratings aplikasi, mengidentifikasi aplikasi dengan install terbanyak, visualisasi kategori aplikasi. Dari 2152981 data yang telah di crawling diperoleh bahwa 5 aplikasi dengan rating tertinggi yaitu Biliyor Musun - Sonsuz Yarış, CoronaSurveys, Amkshoproom Shopping, Merlin CRM, Tictactoe Superpowers dan free game. Fun and Chalmo, mencari 5 aplikasi dengan size paling berat (MBs) yaitu SkySafari 6 Pro, Audio Book Bible Offline Arabic, Audio Book Bible Offline Burmese, Audio Book Bible Offline Amharic dan Audio Book Bible Offline Germany, Visualisasi content data rating dari grafik dapat kita lihat bahwa mayoritas aplikasi mobile pada android mengatur content rating kedalam kategori Everyone, Mengindentifikasi aplikasi install terbanyak dari data yang telah diperoleh bahwa hanya terdapat 1 aplikasi yang memiliki jumlah install lebih dari 10M install dan 14 aplikasi yang memiliki jumlah install lebih dari 5 M, visualisasi kategori aplikasi dari data yang diperoleh bahwa aplikasi berkategori education memiliki jumlah terbanyak yang ada di pasar playstore saat ini
Prediksi Potensi Donatur Menggunakan Model Logistic Regression
Indonesian Journal of Data and Science
Authors
Jabir, Sitti Rahmah; Azis, Huzain; Widyawati, Dewi; Tenripada Andi Ulfa, Universitas Muslim Indonesia
Abstract
GRDS menghadapi kelangkaan dana, ketika diperlukan untuk merawat para korban Gaja. Gaja adalah topan bernama kelima dari musim siklon Samudra Hindia Utara 2018 yang mempengaruhi sebagian besar tempat di Tamil Nadu, India selama bulan November 2018. Tujuan dari penelitian ini adalah untuk menggunakan riwayat donasi untuk menganalisis apakah donator akan menyumbang atau tidak menggunakan regresi logistik. Data Tamil Nadu diberikan untuk menerapkan model yang dibangun untuk memprediksi donator yang paling mungkin menjadi korban topan Gaja. Pada tahap pengumpulkan data seringkali terjadi hambatan, salah satu hambatannya yaitu fenomena missing data atau data hilang. Akibat dari adanya missing data adalah pendugaan parameter menjadi tidak efisien. Ukuran data yang berkurang dapat mengakibatkan kesulitan dalam menganalisis, sehingga hasil yang didapatkan menjadi tidak valid dan tujuan dari penelitian tidak tercapai. Data yang hilang akan diisi menggunakan metode single imputation. Data yang telah diimputasi menggunakan beberapa metode akan membantu dalam melakukan prediksi. Dimana algoritma yang digunakan untuk melakukan prediksi ialah logistic regression. Beberapa data dihilangkan setelah melihat multikolinearitas. Dalam tahap pemodelan, data dibagi menjadi 2 yaitu 70% untuk data pelatihan dan 30% untuk data tes. Dimana hasil perhitungan akurasi dari model ialah 0,6129 yang menunjukkan bahwa model tidak melakukan prediksi dengan baik menggunakan metode tersebut
Implementasi Aset 3D Rumah Tongkonan Pada Desa Marinding
Ilmu Komputer untuk Masyarakat
Authors
Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia
Abstract
Salah satu penerapan bidang teknologi yang berkembang ialah multimedia. Dalam multimedia terdapat Animasi 3 dimensi (3D), yang mana merupakan proses pembuatan pergerakan gambar dalam lingkaran 3 dimensi. Pada animasi 3D, sebuah perangkat lunak menciptakan real virtual dalam 3 dimensi dan perubahan (Gerakan) dihitung 3 aksis (x, y dan z). berdasarkan hasil tersebut, didapatkan sebuah objek yang dapat terlihat dari sisi tampak muka, samping, belakang, atas, dan bawah. Dimana orang dapat menjelajahi objek tersebut dari sudut pandang manapun. Tim Program Kemitraan Program Kemitraan Masyarakat (PKM) Pemula UMI memalukan riset pada desa Marinding, yang ditemukan belum terdapat penerapan aset 3D pada rumah Tongkonan yang ada di Desa Marinding). Dimana budaya pada desa tersebut yang masih sangat kental yang menjadikan sebagai objek budaya yang patut untuk dilestarikan. Aset 3D yang dapat diterapkan pada rumah Tongkonan nantinya dapat membantu masyarakat khususnya desa Marinding dalam memperlihatkan objek rumah Tongkonan mereka. Berdasarkan permasalahan yang telah dipaparkan sebelumnya, PKM Pemula UMI ingin memberikan solusi pelestarian budaya dengan berpatisipasi dalam melestarikan kebudayaan Tana Toraja dalam hal implementasi 3D aset pada salah satu objek budaya yang ada disana yaitu rumah Tongkonan. Desa yang akan dipilih untuk dilakukan pengabdian yaitu pada Desa Marinding. Implementasi Aset 3D yang nantinya akan dibuat diharapkan dapat membatu masyarakat dalam melestarikan budaya menerapkan aset 3D pada rumah Tongkonan.Hasil yang diperoleh dari kegiatan pengabdian yaitu mitra kantor desa Tamangapa dapat memanfaatkan aset 3D dalam pelestarian budaya, mitra Kantor Desa Tamangapa dapat membantu wisatawan dalam mengenalkan objek budaya mereka khusunya rumah Tongkonan, wisatawan dapat dengan mudah mempelajari terkait rumah tongkonan yang ada di Kab. Tana Toraja dan perangkat desa dapat memperlihatkan dengan mudah objek wisata yang dimiki dalam bentuk 3D. Sebagai penunjang dalam kegiatan tersebut, staf yang mengikuti kegiatan pelatihan diberikan modul implementasi aet 3D rumah Tongkonan pada Desa Marinding. Luaran akhir berupa publikasi di media masssa (inipasti.com) dan artikel yang akan di publikasipadan pada jurnal ILKOMAS (Ilmu Komputer Untuk Masyarakat (ILKOMAS)
The Support Vector Regression Method Performance Analysis in Predicting National Staple Commodity Prices
ILKOM Jurnal Ilmiah
Authors
Azis, Huzain; Purnawansyah, Universitas Muslim Indonesia; Dwiyanto, Felix Andika, AGH University Of Science and Technology
Abstract
Support Vector Regression (SVR) is a supervised learning algorithm to predict continuous variable values. The basic goal of the SVR algorithm is to find the most suitable decision line. SVR has been successfully applied to several issues in time series prediction. In this research, SVR is used to predict the price of staple commodity, which are constantly changing in price at any time due to several factors making it difficult for the public to get groceries that are easy to reach. National staple commodity data consisting of 17 commodities, including shallots, honan garlic, kating garlic, medium rice, premium rice, red cayenne peppers, curly red chilies, red chili peppers, meat of broiler chicken, beef hamstrings, granulated sugar, imported soybeans, bulk cooking oil, premium packaged cooking oil, simple packaged cooking oil, broiler chicken eggs, and wheat flour. With a data set for the last 3 years, including from January 1, 2020, to December 31, 2022. There are 3 variables in the data set, namely commodity, date, and price. This research divides the entire dataset into 80% training and 20% testing data. The results of this research show that SVR using the RBF kernel produces good forecasting accuracy for all datasets with an average Mean Square Error (MSE) training data of 6,005 while data testing is 6,062, Mean Absolute Deviation (MAD) of training data is 6,730 while data testing is 6.6831, Mean Absolute Percentage Error (MAPE) training data is 0.0148 while data testing is 0.0147, and Root Mean Squared Error (RMSE) training data is 7.772 while data testing is 7.746
Penerapan Metode String Matching dengan Algoritma Rabin Karp untuk Merekomendasikan Objek Wisata di Kabupaten Bulukumba Berbasis Web
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Yusuf, Hadi; Satra, Ramdan; Fattah, Farniwati Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia
Abstract
Pariwisata merupakan salah satu kegiatan yang digemari oleh banyak kalangan saat ini, bahkan dapat dikatakan bahwa pariwisata merupakan salah satu kebutuhan yang penting bagi orang banyak, terutama menyangkut kegiatan sosial ekonomi yang dipandang sebagai salah satu industry pariwisata yang prospektif di masa yang akan datang. Pariwisata yang saat ini menarik diberbagai kalangan, mendorong pengembangan sektor pariwisata, salah satunya pengembangan dengan menggunakan teknologi digital. Pemanfaatan teknologi digital dan internet merupakan salah satu upaya dalam mengembangkan pariwisata baik dalam kegiatan promosi atau kegiatan dalam menjalankan bisnis pariwisata. Salah satu bidang ilmu dalam Ilmu Komputer yang dapat dimanfaatkan pada segmentasi pariwisata adalah metode String Matching untuk proses pencarian objek wisata. Metode pencocokan String atau String Matching ini dapat digunakan dengan menggunakan beberapa Algoritma, salah satunya adalah Rabin-Karp. Pada penelitian ini, peneliti memanfaatkan metode String Macthing dalam pencarian objek wisata berdasarkan deskripsi kriteria tempat wisatanya yang berupa data objek wisata berupa nama, lokasi, sarana dan prasana, alamat google maps, gambar, dan kriteria objek wisata lainnya yang diinputkan. Hasil dari penelitian ini adalah sebuah sistem yang menerapkan Algoritma Rabin-Karp untuk merekomendasikan objek wisata di Kabupaten Bulukumba yang dimana persentase kemiripan antara inputan pencarian objek wisata dengan hasil rekomendasi wisata yaitu sebesar 33.49%.
Related SDGs
Chemical Composition and Aroma Profiling: Decision Tree Modeling of Formalin Tofu
Journal of Embedded Systems, Security and Intelligent Systems
Authors
Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia
Abstract
This study focuses on the analysis of the aroma quality of tofu preserved with formalin, with the goal of developing a predictive model based on its chemical composition. Utilizing a dataset that includes various chemical components such as Hydrogen, LPG, CO, Alcohol, Propane, Methane, Smoke, and temperature, this research applies a Decision Tree model. The model is validated using 5-fold cross-validation, resulting in an accuracy of 36.79%, precision of 50.82%, recall of 36.79%, and an F1-Score of 27.58%. These results indicate the model's limitations in consistent prediction, suggesting potential improvements through other methods or the addition of variables. This study provides new insights into the relationship between chemical composition and aroma quality of formalin tofu, and opens new avenues for further research in this field.
Implementasi Simple Additive Weighting Dalam Pemilihan Karya Seni Kaligrafi Terbaik Di Pondok Pesantren Darul Aman Gombara Makassar
Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar
Authors
Hayati, Lilis Nur; Syafie, Lukman, Universitas Muslim Indonesia
Abstract
Penentuan penilaian kaligrafi terbaik masih dilakukan secara manual (tulis tangan) karena belum adanya sistem penilaian secara berbasis website. Demikian juga belum ada penentuan metode dalam menentukan pengambilan keputusan untuk menentukan kaligrafi terbaik, dimana guru yang mengajar pada mata pelajaran khat sangat membutuhkan sebuah aplikasi atau sistem yang mendukung penilaian kaligrafi terbaik dari para santri di pondok pesantren. Aplikasi atau sistem yang akan dibuat oleh peneliti ini akan menentukan penilaian setiap kriteria-kriteria. Kriteria pada jenis khat itu ditentukan dari kaidah, warna, motif, kerapian, dan nilai estetika. Berdasarkan hal tersebut untuk menentukan kaligrafi terbaik sesuai dengan kriteria yang akan ditentukan, maka penelitian ini menggunakan metode Simple Additive Weighting (SAW). Metode SAW atau yang dikenal penjumlahan terbobot yang merupakan metode yang digunakan untuk mencari nilai bobot pada rating kinerja setiap alternatif pada setiap atribut. Dalam perhitungannya membutuhkan proses normalisasi matriks keputusan ke suatu skala yang akan dibandingkan dengan semua kriteria dari setiap alternative. Dengan adanya analisis penerapan metode SAW untuk pemilihan kaligrafi terbaik, dapat mempermudah, mempercepat serta memberikan hasil rekomendasi yang akurat untuk penilaian kaligrafi terbaik sehingga dapat membantu dalam proses pengambilan keputusan dan menentukan kaligrafi yang terbaik yang dibuat oleh santri. Dengan ini hasil pengujian black box (beta) dari cara perhitungan tersebut diperoleh skor dan pernyataan sebagai berikut: soal nomor 1 = 4,60%, soal nomor 2 = 5,00%, soal nomor 3 = 4,20 %, soal nomor 4 = 4,80%, soal nomor 5 = 4,80%, soal nomor 6 = 4,90%. Maka diperoleh nilai rata-rata 4,71% dengan nilai indeks 78,50% yang termasuk dalam baik
Inovasi Aplikasi Gema Sebagai Pendukung Pembelajaran Anak Pada SLB Autis Bunda
Konferensi Nasional Pengabdian Masyarakat (KOPEMAS)# 4 & International Community Service 2023
Authors
Indra, Dolly; Ilmawan, Lutfi Budi, Mansyur, Budi, Universitas Muslim Indonesia
Abstract
Dalam pengabdian masyarakat ini kami sebagai pengabdi berkolaborasi dengan Sekolah Luar Biasa (SLB) Autis Bunda yang menghadapi tantangan terkait ketersediaan media pembelajaran berbasis digital. Selama ini, sekolah ini telah mengandalkan metode konvensional seperti ceramah, papan tulis, dan pengajaran melalui kertas dan pensil. Tujuan utama dari pengabdian ini adalah menerapkan sistem pembelajaran digital berbasis android yang inovatif di SLB Autis Bunda. Metode pelaksanaan pengabdian ini meliputi observasi, wawancara, perancangan aplikasi, sosialisasi, pelatihan, dan penerapan aplikasi bernama "GEMA" (Game dan Edukasi Mobile untuk Anak). Selain itu, pengabdian ini juga melibatkan evaluasi terhadap 11 guru SLB Autis Bunda untuk mengukur peningkatan pengetahuan mereka tentang aplikasi mobile. Hasil evaluasi ini disusun berdasarkan uji pretest dan posttest, di mana rata-rata nilai pretest awalnya mencapai 59.55 dan mengalami peningkatan menjadi 88.64 pada posttest
Analisis Aplikasi Pengajuan Surat Keterangan Pendamping Ijazah (App-SKPI) Menggunakan ISO/IEC 25010
Journal Pharmacy and Application of Computer Sciences
Authors
Asis, Muhammad Arfah, Ilmawan, Lutfi Budi; Universitas Muslim Indonesia; Jeffry, Azis Firman; Usman, Syahrul; Syam, Rahmat Fuadi, Universitas Trisakti
Feature Space Augmentation for Negation Handling on Sentiment Analysis
ILKOM Jurnal Ilmiah
Authors
Ilmawan, Lutfi Budi, Universitas Muslim Indonesia; Muladi; Prasetya, Didik Dwi, Universitas Negeri Malang
Abstract
One crucial issue affecting the performance of sentiment analysis tasks is negation. Handling negation involves determining the negation scope and negation cue. Feature space augmentation is one approach used to address negation. Feature space augmentation has been carried out by some previous researchers using a negation flag with the rule that the negation scope includes all words from the explicit negation cue to the punctuation mark. This study aimed to analyze the classifier's performance when negation handling was applied by adding a new rule for the negation scope. The new rule for determining the negation scope no longer took all words from the negation cue to the punctuation mark, but only considered or ignored words with certain POS tags. The results of this study showed that using the new rule for negation scope contributed to improving the performance of the classifier in sentiment analysis tasks. The proposed approach for negation handling was better than the previous approach in terms of accuracy, precision, recall, and f1-score.
Implementasi Teknologi MERN Stack dalam Merancang Aplikasi Penjualan Voucher Game Online dengan Metode Extreme Programming (XP)
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Lokapitasari, Poetri Lestari; Ilmawan, Lutfi Budi, Universitas Muslim Indonesia
Abstract
Perkembangan Game yang sebelumnya hanya bisa dimainkan secara offline, dengan adanya Game di internet, bisa dimainkan secara online tanpa kendala waktu. Banyak dari mereka menghabiskan waktunya untuk bermain Game dan membeli suatu item yang bertujuan untuk membuat para pemainnya menerima item yang berguna dalam Game tersebut dengan istilah cash in-Game. Nato Store salah satu pelaku bisnis penjualan voucher Game yang dimana masalah utama yang terdapat yaitu pada saat membeli voucher begitu banyak dalam perhari sekiranya 20 orderan lebih sehingga terdapat antrian ketika membeli voucher, sehingga untuk mengatasi permasalahan itu, diperlukan sistem berupa aplikasi penjualan Voucher Game yang lebih efisien dalam memonitoring penjualan ketika ada orderan masuk. Adapun metode yang digunakan yaitu Extreme Programming yang ditujukan untuk dihadapkan dengan requirement yang tidak jelas maupun terjadi perubahan yang sangat cepat. Berdasarkan kuesioner dari 20 responden yang merupakan masyarakat yang hobi bermain Game menggunakan pengujian black box, maka diperoleh pengujian antarmuka 90%, pengujian kinerja 90%, pengujian database 89,6%, pengujian fungsi yang hilang atau rusak 30% dan pengujian inisialisasi/terminasi 90%. Adapun index keseluruhan pada pengujian black box sebesar 82,4%. Hasil yang didapatkan yaitu menghasilkan aplikasi penjualan voucher Game yang dapat digunakan oleh pengguna yang ingin mengisi voucher Game tanpa harus lagi menghubungi admin dari Nato Store selaku penyedia Voucher
Implementasi Quick Response (QR) Code pada Aplikasi Pengajuan Surat Keterangan Pendamping Ijazah (App-SKPI)
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Asis, Muhammad Arfah; Ilmawan, Lutfi Budi; Universitas Muslim Indonesia
Abstract
App-SKPI dikembangkan untuk mempermudah mahasiswa dalam mengajukan atau membuat Surat Keterangan Pendamping Ijazah. Tujuan penelitian ini adalah mengimplementasikan QR Code pada Aplikasi pengajuan Surat Keterangan Pendamping Ijazah (SKPI) Fakultas Ilmu Komputer di Universitas Muslim Indonesia. Ada dua QR Code yang dimasukkan dalam dokumen yaitu pada halaman pertama dan pengesahan. Library yang digunakan untuk generate dokumen adalah TCPDF dengan pengaturan koreksi error QR Code yang lebih baik (tipe Q). Hasilnya dokumen berhasil menampilkan QR Code di kedua halaman tersebut. QR Code pertama berfungsi dengan baik dimana itu mengarahkan ke website FIKOMApps UMI untuk mengunggah file aslinya sehingga isi dokumen yang dipindai dapat dibandingkan dengan file aslinya. QR Code kedua juga berfungsi dengan baik dimana itu mengarahkan juga ke halaman pada website Fikom UMI untuk memperlihatkan informasi mahasiswa atau pemilik dokumen SKPI dan juga status dokumennya apakah sudah diverifikasi dan divalidasi. Halaman ini juga menampilkan informasi aktivitas dan prestasi dari pemilik beserta bukti dokumen setiap kegiatan tersebut.