Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Mnemonic

ANALISIS PENGUJIAN SISTEM INFORMASI MUI KABUPATEN PAMEKASAN MENGGUNAKAN METODE BLACKBOX FUNCTIONAL TESTING Fikri, Ali; Hozairi, Hozairi; Muhsi, Muhsi
Jurnal Mnemonic Vol 5 No 2 (2022): Mnemonic Vol. 5 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v5i2.4803

Abstract

Tujuan dari penelitian ini adalah membangun sistem informasi MUI Pamekasan dengan menggunakan metode RAD (Rapid Application Development) dengan tahapan perencanaan, desain sistem, pengembangan dan implementasi. Modul yang dikembangkan dalam website MUI Pamekasan antara lain: (1) data masjid, (2) berita, (3) data fatwa, (4) laporan, (5) konsultasi, (6) pengguna (7) data pengurus, (8) data ulama, (9) kegiatan. Pada tahap implementasi terdapat pengujian sistem untuk mеndеtеkѕі kesalahan уаng аdа pada sistem yang dіkеmbаngkа menggunakan metode blасkbоx dengan functional testing. Jenis реnggujіаn іnі dilakukan untuk mengetahui setiap fungsi dari арlіkаѕі bеrjаlаn ѕеѕuаі dengan yang diharapkan, pengujian ini menghasilkan rata-rata 92% dari sembilan modul yang di uji dengan menemukan satu modul yang error atau belum terselesaikan. Kontribusi penelitian ini mampu memberikan informasi yang terpercaya dan valid kepada masyarakat, memberikan kontribusi nyata peran dan fungsi dari MUI khususny di kabupaten Pamekasan.
PENERAPAN PIECES FRAMEWORK UNTUK ANALISA TINGKAT KEPUASAN PENGGUNA PADA APLIKASI BAKAMLA MESSENGER Hozairi, Hozairi; Wahyudi, Furqon; Muhsi, Muhsi
Jurnal Mnemonic Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i2.6656

Abstract

Bakamla Messenger dikembangkan khusus untuk anggota Badan Keamanan (Bakamla) Indonesia dan Relawan Penjaga Laut (Rapala) sebagai sarana komunikasi dalam kegiatan operasionalnya untuk melindungi dan menjaga keamanan serta kedaulatan laut Indonesia. Bakamla Messenger merupakan aplikasi yang baru dikembangkan, maka dari itu dibutuhkan suatu analisis untuk mengetahui kelebihan, kekurangan dan tingkat kepuasan pengguna dalam penggunaan aplikasi tersebut. Metode penelitian yang digunakan pada penelitian ini menggunakan metode kuantitatif, sedangkan untuk metode analisis sistem menggunakan metode PIECES Framework dengan enam variabel yaitu (Kinerja, Informasi dan data, Ekonomi, Kontrol dan Keamanan, Efficirncy dan Layanan). Pengumpulan data pada penelitian ini menggunakan penyebaran kuisioner terhadap pengguna Bakamla Messenger yang akan digunakan untuk menentukan tingkat kepuasan pengguna pada setiap variabel PIECES Framework. Adapun hasil perhitungan dari masing-masing variabel yaitu 4.51 (Sangat puas) untuk variabel Kinerja, 4.48 (Sangat Puas) untuk variabel Informasi dan data, 4.54 (Sangat Puas) untuk variabel Ekonomi, 4.41 (Sangat Puas) untuk variabel Kontrol dan Keamanan, 4.45 (Sangat Puas) untuk variabel Efisiensi, 4.38 (Sangat puas) untuk variabel Layanan. Dari hasil rekapitulasi setiap variabel maka didapatkan nilai rata-rata sebesar 4.46 (Sangat Puas), sehingga dapat simpulkan bahwa pengguna merasa sangat puas terhadap aplikasi Bakamla Messenger dalam penggunaanya.
ANALISA KEPUASAN PENGGUNA APLIKASI CBT DI UNIVERSITAS ISLAM MADURA MENGGUNAKAN METODE PIECES Hozairi, Hozairi; Muhsi, Muhsi; Fitra, Anis
Jurnal Mnemonic Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i2.10145

Abstract

Saat ini dibeberapa instansi Pendidikan sudah banyak menggunakan aplikasi CBT sebagai metode tes online untuk meningkatkan fleksibilitas dan efisiensi dalam lingkungan pendidikan,salah satunya di universitas islam madura.Namun hingga kini tidak ada penelitian yang secara khusus mengevaluasi tingkat kepuasan pengguna aplikasi CBT tersebut.Yang mana kepuasan pengguna merupakan kunci keberhasilan penggunaan teknologi.Oleh karena itu, tujuan dari penelitian ini adalah untuk mengevaluasi tingkat kepuasan pengguna dari aplikasi CBT yang ada di Fakultas teknik, dengan harapan dapat membantu dalam pengembangan aplikasi tersebuts.Dalam penelitian ini,maka metode PIECES digunakan untuk menganallisa kepuasan pengguna aplikasi CBT. Penggunaan PIECES Framework untuk memberikan wawasan yang lebih holistik dengan mempertimbangkan faktor-faktor seperti kinerja sistem,informasi,ekonomi,kontrol,efisiensi dan servis.Pada penelitian ini menggunakan 34 orang untuk menguji aplikasi CBT dengan hasil perhitungan jumlah rata-rata tingkat kepuasan pengguna Aplikasi CBT sebanyak 4,38.Yang masuk pada kategori Sangat Puas menurut karakteristik tingkat kepuasan PIECES Framework,yang dibangun menggunakan model Kaplan dan Norton.Hasilnya menunjukkan bahwa aplikasi CBT memiliki fungsi yang efektif dan bermanfaat sehingga penggunanya sangat puas,sehingga menunjukkan sistem telah memenuhi harapan pengguna dengan baik. Meskipun demikian, masih ada ruang untuk peningkatan seperti pemantauan performa secara berkelanjutan, pembaruan informasi berkala, optimalisasi biaya, dan peningkatan pelatihan dan dukungan pengguna.
KLASIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN RANDOM FOREST Rozi, Khairul; Muhsi, Muhsi; Anwari, Anwari; Tamam, Moh. Badri
Jurnal Mnemonic Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i2.10187

Abstract

Penelitian ini bertujuan mengembangkan metode klasifikasi yang efektif untuk mengidentifikasi penyakit pada tanaman padi, dengan memanfaatkan teknologi Convolutional Neural Network (CNN) dan Random Forest. Model yang dihasilkan diharapkan mampu mengenali dan mengklasifikasikan berbagai penyakit padi dengan tingkat akurasi tertinggi. Convolutional Neural Network (CNN) merupakan salah satu jenis algoritma terawasi yang cara kerjanya adalah menerima masukan berupa gambar. CNN bisa sangat cocok untuk memproses input berupa gambar. CNN merupakan metode pembelajaran mesin yang dikembangkan dari Multi Layer Perceptron (MLP) yang dirancang untuk memproses data 2D. Random Forest adalah metode klasifikasi yang terdiri dari kumpulan pohon keputusan terstruktur dimana vektor acak independen didistribusikan secara identik dan setiap pohon keputusan memberikan unit suara untuk kelas tertinggi. Populer, Hasil pelatihan menunjukkan performa yang menjanjikan. Dengan 15 epoch, akurasi pelatihan dan validasi menunjukkan tren peningkatan yang konsisten, mendekati nilai 1.0. Pada epoch ke-15, akurasi pelatihan mencapai 1.0, sedangkan akurasi validasi mencapai 0.9473. Namun, nilai error validasi (1.0000) lebih tinggi dibandingkan error pelatihan (0.0010), yang mengindikasikan potensi overfitting.