Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Ilmiah Teknologi dan Rekayasa
Silfianti, Widya
Unknown Affiliation
Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology

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

Found 2 Documents
Search

 1 
PENGUKURAN MUTU LAYANAN WEBSITE PENDAFTARAN PENERIMAAN MAHASISWA BARU PADA UNIVERSITAS GUNADARMA MENGGUNAKAN METODE WEBQUAL Nugraha, Adam Huda; Silfianti, Widya
Jurnal Ilmiah Informatika Komputer Vol 21, No 2 (2016)
Publisher : Universitas Gunadarma

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

Abstract

Perkembangan website yang demikian pesat memberikan dampak pada perubahan layanan organisasi ataupun perusahaan. Website suatu perusahaan harus mempresentasikan kehadiran perusahaan tersebut di mata pelanggan secara virtual, sehingga konsumen menjadi percaya dan melakukan transaksi secara online melalui website perusahaan. Oleh karena itu, perlu dilakukan analisis kualitas website untuk mengukur keberhasilan suatu website. Kualitas suatu website bisa dianalisis dengan menggunakan metode Webqual. Saat ini, penggunaan website tidak hanya sebagai media promosi atau iklan tapi telah berkembang menjadi media penyedia informasi di bidang pendidikan. Misalnya, Universitas Gunadarma yang membuka Pendaftaran Penerimaan Mahasiswa Baru (PPMB) melalui jalur website PPMB dengan mengisi formulir pendaftaran secara online. Akan tetapi, pada website PPMB online Universitas Gunadarma masih terdapat masalah atau kendala dari sisi user yang berpengaruh terhadap admin. Oleh karena itu, pada penelitian ini dilakukan pengukuran mutu layanan website pendaftaran penerimaan mahasiswa baru Universitas Gunadarma yang bertujuan untuk mengukur mutu layanan website tersebut. Metode yang digunakan dalam penelitian ini adalah Webqual 4.0 dengan sampel sebanyak 97 responden. Hasil penelitian menunjukkan kualitas pelayanan ditinjau dari tangibles sebesar 53,6% responden menyatakan pelayanan sudah baik, ditinjau dari reliability sebesar 56,7% responden menyatakan pelayanan sudah baik, ditinjau dari responsiveenes sebesar 60,8% responden menyatakan pelayanan baik, ditinjau dari assurance sebesar 54,6% responden menyatakan pelayanan baik, dan ditinjau dari empaty sebesar 72,2% responden menyatakan pelayanan sudah baik. Kata kunci: Kualitas Website, Pengukuran Mutu, Website PPMB, Webqual 4.0
IMPLEMENTASI DEEP LEARNING MENGGUNAKAN FRAMEWORK TENSORFLOW DENGAN METODE FASTER REGIONAL CONVOLUTIONAL NEURAL NETWORK UNTUK PENDETEKSIAN JERAWAT Hasma, Yunita Aulia; Silfianti, Widya
Jurnal Ilmiah Teknologi dan Rekayasa Vol 23, No 2 (2018)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/tr.2018.v23i2.2459

Abstract

Jerawat sering dialami oleh kaum wanita maupun pria dari usia remaja hingga dewasa. Banyak rumah sakit dan klinik kecantikan yang dapat di datangi oleh para penderita untuk memeriksakan jerawat tersebut. Penelitian ini merupakan implementasi dari pendeteksian jerawat menggunakan image processing dan secara realtime, lalu sistem akan mengklasifikasikan jerawat yang ada pada wajah. Jerawat yang dapat dikenali oleh sistem ini yaitu jerawat, bekas, dan pus. Sistem deteksi dan klasifikasi ini dibuat dengan metode deep learning dengan menggunakan bahasa pemrograman Python, yang dibantu dengan menggunakan framework TensorFlow dengan model Faster R-CNN. Sistem ini hanya dapat berjalan di laptop dengan memiliki Python versi 3.6 di dalamnya dan telah memliki library Numpy, TkInter, Matplotlib, dan OpenCV dan juga memiliki kamera pada laptop yang digunakan agar dapat menjalankan sistem secara realtime yang didukung dengan GPU yang memadai. Perancangan alur aplikasi menggunakan flowchart diagram. Hasil uji terhadap sistem menggunakan perbandingan objek yang terdeteksi dengan yang seharusnya lalu dibagi dan dikalikan dengan seratus persen. Hasil yang didapat dari pengujian cukup baik menggunakan metode deep learning.
Co-Authors Hasma, Yunita Aulia Nugraha, Adam Huda