Warta Dharmawansa : Journal of Dharmawangsa University
Not a member yet
3034 research outputs found
Sort by
PENGARUH GAYA HIDUP, DOMPET DIGITAL DAN LITERASI KEUANGAN TERHADAP PERILAKU KEUANGAN PADA MAHASISWA FEB-UNIMA
No full textThis research aims to analyze the influence of lifestyle, digital wallets and financial literacy on the financial behavior of students at the Faculty of Economics and Business, Manado State University (FEB-UNIMA). The background of this study is based on the phenomenon of student financial behavior that tends to be consumptive, has difficulty saving, and does not understand the importance of long-term financial planning. This study uses a quantitative approach with a survey method by distributing questionnaires to active students majoring in Management and Accounting, class of 2021–2024 who use digital wallets and are recipients of KIP-Kuliah scholarships. The data analysis technique used is Partial Least Square (PLS) with the help of SmartPLS 4 software. The results of the study show that lifestyle, digital wallet, and financial literacy simultaneously have a significant effect on student financial behavior. Partially, the three variables also have a significant effect. Thus, this study emphasizes the importance of improving financial literacy as well as managing lifestyle and using digital wallets wisely to create healthy financial behavior in students
Minat Mahasiswa Terhadap Penggunaan QRIS di Era Digital
No full textPenelitian ini bertujuan untuk mengetahui minat mahasiswa terhadap metode pembayaran digital Quick Response Code Indonesia Standard (QRIS) dalam transaksi sehari-hari. Latar belakang penelitian ini adalah pengaruh teknologi modern terhadap penggunaan transaksi pembayaran digital. Metode penelitian yang digunakan adalah pendekatan kualitatif melalui wawancara dengan beberapa mahasiswa dan studi literatur dari jurnal ilmiah yang diperoleh melalui Google Schoolar. Hasil penelitian menunjukan bahwa sebagian besar mahasiswa sebagai generasi digital lebih mempertimbangkan nilai dan rasa aman dalam menggunakan teknologi pembayaran digital. Kesimpulan dari penelitian ini adalah mahasiswa lebih mempertimbangan nilai dan rasa aman saat menggunakan pembayaran digital sehingga pengembangan dan promosi QRIS di kalangan mahasiswa sebaiknya difokuskan pada peningkatan manfaat yang dirasakan serta jaminan kepercayaan terhadap sistem pembayaran QRIS di Indonesia.
ANALISIS PENGENDALIAN KOMPOSISI DAN PENGOLAHAN BAHAN BAKU TERHADAP KUALITAS TAHU MENGGUNAKAN SEVEN TOOLS DAN RENCANA KAIZEN DI PABRIK TAHU HM
No full textPenelitian ini menggunakan metode Seven Tools dan pola pikir Kaizen di Pabrik Tahu HM untuk menganalisis bagaimana komposisi bahan baku dan kontrol pemrosesan mempengaruhi kualitas tahu. Untuk mengurangi kesalahan dan meningkatkan konsistensi, penelitian ini bermaksud untuk memperkuat metode kontrol kualitas dan menciptakan pendekatan operasional yang seragam. Pelatihan pekerja yang tidak memadai, metode yang tidak terstandardisasi, bahan baku berkualitas rendah, kondisi produksi yang tidak optimal, dan peralatan yang tidak terawat dengan baik merupakan beberapa masalah utama yang diidentifikasi melalui analisis data proses produksi. Implementasi Kaizen digunakan untuk memberikan solusi, dengan fokus pada kondisi kerja yang lebih baik, proses operasi yang terstandardisasi, pelatihan personil yang berkelanjutan, dan pemilihan bahan baku yang lebih baik. Hasilnya menunjukkan bahwa penerapan Kaizen dan kontrol kualitas yang sistematis dapat mengurangi tingkat kesalahan, meningkatkan efektivitas produksi, dan memuaskan pelanggan.
The Influence of Da'wah Content on Social Media on Generation Z's Religious Understanding at STAI Balikpapan
No full textThis study aims to determine the influence of da'wah content on social media on the religious understanding of generation Z, with the research subject of students of the Islamic Religious College (STAI) Balikpapan. The background of this research is based on the increasing use of social media as a medium for spreading da'wah among the younger generation. The method used is a quantitative method with a survey approach. The sample in this study amounted to 30 students who were selected purposively, with active criteria using social media and included in the age category of Generation Z. Data collection techniques used questionnaires, and data analysis was carried out by simple linear regression test. The results of the study showed that there was no significant influence between da'wah content on social media on students' religious understanding. These findings indicate that exposure to da'wah content on social media has not been effective enough in increasing religious understanding among the younger generation. Therefore, it is recommended that da'wah content be packaged in a more attractive, interactive, and tailored to the characteristics of Generation Z to increase the effectiveness of the religious message conveyed
Analysis of the Pastor's Leadership in Instilling Christian Values in the GSJA CLC Congregation
No full textThis study aims to analyze in depth the role and effectiveness of pastoral leadership in the process of instilling Christian values in the congregation at the City Life Center Assemblies of God Church (GSJA CLC). Christian values are an essential foundation for the congregation's spiritual and moral growth, and the pastor's leadership plays a key role as a role model, teacher, and motivator. The research method used is descriptive qualitative with a case study approach. Data collection was conducted through in-depth interviews with the pastor and congregation representatives, participant observation, and analysis of internal church documents related to the development and teaching programs
Sistem Informasi Pengadaan Barang Reward Kumpul Point Pada PT. Perkasa Internusa Mandiri Medan Berbasis Dekstop
No full textPerkembangan teknologi informasi mendorong perusahaan untuk berinovasi dalam pengelolaan data dan pelayanan pelanggan. PT. Perkasa Internusa Mandiri Medan menerapkan sistem “Millenation Point Reward” untuk meningkatkan loyalitas pelanggan melalui pengumpulan poin belanja yang dapat ditukar dengan hadiah. Namun, proses pengadaan dan pendataan barang reward yang sebelumnya dilakukan secara manual menimbulkan kendala dalam efisiensi waktu, akurasi data, dan efektivitas pelaporan. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Informasi Pengadaan Barang Reward Kumpul Point berbasis desktop guna mengatasi permasalahan tersebut. Metode penelitian meliputi observasi, analisis kebutuhan sistem, perancangan menggunakan Data Flow Diagram (DFD) dan Entity Relationship Diagram (ERD), serta implementasi melalui Microsoft Visual Studio 2010 dan Crystal Report 8.5. Hasil implementasi menunjukkan sistem mampu mengotomatisasi proses pengadaan barang, pencatatan data pelanggan, serta pelaporan reward secara cepat, akurat, dan real-time. Sistem juga meningkatkan keamanan data melalui autentikasi pengguna dan mengurangi risiko kesalahan pencatatan. Meskipun masih bersifat stand-alone, sistem ini telah terbukti meningkatkan efisiensi kerja dan akurasi pendataan pada PT. Perkasa Internusa Mandiri Medan, serta berpotensi dikembangkan menjadi sistem berbasis web untuk mendukung integrasi dan aksesibilitas yang lebih luas.
EVALUASI KINERJA YOLO V8 DAN SSD DALAM DETEKSI REAL-TIME SAMPAH BOTOL PLASTIK BERBASIS DEEP LEARNING
No full textSampah botol plastik merupakan salah satu fraksi paling dominan dalam timbunan sampah kota dan berkontribusi besar terhadap pencemaran lingkungan. Laporan global memperkirakan jutaan ton plastik masuk ke ekosistem perairan setiap tahun dan jumlah ini terus meningkat. Deteksi otomatis botol plastik menggunakan object detection berbasis deep learning menjadi pendekatan yang menjanjikan untuk mendukung aplikasi smart waste management seperti smart bin dan reverse vending machine. Penelitian ini mengevaluasi dan membandingkan kinerja YOLOv8 dan Single Shot MultiBox Detector (SSD) untuk deteksi real-time sampah botol plastik. Dataset yang digunakan merupakan gabungan 4.827 citra eksternal dan 251 citra internal, yang kemudian diaugmentasi menjadi lebih dari 10.000 sampel dan dianotasi untuk satu kelas bottle. Model YOLOv8 dilatih di Google Colab dengan GPU T4, sedangkan SSD diuji pada laptop berbasis CPU dalam dua skenario: (1) SSD-COCO menggunakan model pretrained umum, dan (2) SSD-Kustom yang di-fine-tune menggunakan dataset botol plastik. Hasil eksperimen menunjukkan bahwa YOLOv8 mencapai mAP@0,5 ≈ 0,984 untuk kelas botol dengan kurva precision–recall yang stabil. SSD-COCO menghasilkan sekitar 5 FPS di CPU, namun hanya mampu mendeteksi botol pada 4,07% dari 18.755 frame uji. Sebaliknya, SSD-Kustom mempertahankan FPS yang sebanding tetapi mendeteksi botol pada 100% dari 2.154 frame dengan rata-rata ≈171 deteksi per detik, yang mengindikasikan sensitivitas tinggi namun disertai gejala over-detection. Secara keseluruhan, YOLOv8 memberikan keseimbangan terbaik antara akurasi dan stabilitas, sedangkan SSD-Kustom berpotensi menjadi alternatif pada perangkat CPU-only setelah optimasi lanjutan terhadap confidence threshold dan non-maximum suppression.Kata Kunci— Sampah botol plastik, deteksi objek, YOLOv8, SSD, deep learning, real-time.ABSTRACT Plastic bottle waste is one of the most dominant fractions of municipal solid waste and contributes significantly to environmental pollution. Global reports estimate that millions of tons of plastic are discharged into aquatic ecosystems every year, with a steadily increasing trend. Automatic detection of plastic bottles using deep learning–based one-stage object detectors is a promising approach to support smart waste management applications such as smart bins and reverse vending machine. This study evaluates and compares the performance of YOLOv8 and Single Shot MultiBox Detector (SSD) for real-time plastic bottle detection. The dataset combines 4,827 external images and 251 internally acquired images, which are then augmented to more than 10,000 samples and annotated for a single bottle class. YOLOv8 is trained on Google Colab with a T4 GPU, while SSD is evaluated in two scenarios on a CPU laptop: (1) SSD-COCO using a generic pretrained model, and (2) SSD-Custom fine-tuned on the plastic bottle dataset. Experimental results show that YOLOv8 achieves [email protected] ≈ 0.984 for the bottle class with high precision–recall stability. SSD-COCO reaches about 5 FPS on CPU but detects bottles in only 4.07% of 18,755 tested frames. In contrast, SSD-Custom maintains similar FPS, but detects bottles in 100% of 2,154 frames with an average of ≈171 detections per second, indicating strong sensitivity but also over-detection. Overall, YOLOv8 provides the best balance of accuracy and stability, whereas SSD-Custom becomes a viable alternative for CPU-only deployment after further optimization of confidence threshold and non-maximum suppression.Keywords— Plastic bottle waste, object detection, YOLOv8, SSD, deep learning, real-time.
SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN METODE MABAC UNTUK PEMILIHAN MOBIL JENIS SUV COMPACT TERBAIK
No full textPemilihan mobil yang tepat menjadi tantangan karena banyaknya pilihan di pasar. Penelitian ini merancang sistem pendukung keputusan pemilihan mobil SUV Compact menggunakan metode Multi-Objective Border Approximation Area Comparison (MABAC). Sistem dikembangkan dengan PHP dan MySQL, terdiri dari tiga komponen utama: data alternatif mobil, data kriteria (dengan bobot dan jenis), serta penilaian tiap alternatif. MABAC dipilih karena mampu menangani kriteria kompleks seperti harga, performa, efisiensi, fitur kenyamanan dan keselamatan, serta desain. Data diperoleh dari sumber terpercaya, lalu diolah melalui tahapan normalisasi, pembobotan, dan perhitungan nilai akhir. Hasil akhir berupa peringkat mobil terbaik untuk membantu pengambilan keputusan. Pengujian menunjukkan sistem mampu memberikan rekomendasi akurat dan efisien. Berdasarkan 10 alternatif dan 6 kriteria, Hyundai Creta N-Line Turbo dengan nilai 1.15 menempati peringkat tertinggi. Metode MABAC terbukti efektif dalam mendukung keputusan pemilihan mobil SUV Compact terbaik
PERANCANGAN APLIKASI MONITORING KEHADIRAN DAN KEGIATAN PESERTA MAGANG BERBASIS WEB
No full textProgram magang menghubungkan pembelajaran teori dengan pengalaman kerja nyata. Namun, pemantauan manual terhadap kehadiran dan aktivitas peserta sering menimbulkan keterlambatan laporan dan ketidakakuratan data, sehingga menurunkan efisiensi pengawasan. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi monitoring berbasis web guna meningkatkan efisiensi, akurasi, serta transparansi dalam pengelolaan kegiatan magang. Sistem dikembangkan menggunakan PHP, MySQL, dan HTML dengan fitur pencatatan kehadiran, pelaporan kegiatan, unggah dokumentasi, pengelolaan sertifikat, serta penilaian secara real-time. Proses pengembangan menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Berdasarkan hasil pengujian Black Box, seluruh fitur sistem seperti login, input kehadiran, pencatatan kegiatan, dan pembuatan sertifikat berjalan dengan baik tanpa kesalahan fungsional. Hasil menunjukkan bahwa aplikasi ini meningkatkan akurasi data, mengurangi kesalahan manusia, memperkuat transparansi, serta memberikan kemudahan bagi pembimbing dalam memantau peserta magang secara efektif dan efisien. Kata Kunci____ Magang, Monitoring, Aplikasi Web
KLASIFIKASI PENGENALAN WAJAH SISWA PADA SISTEM KEHADIRAN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
No full textPengelolaan kehadiran yang konvensional sering kali memakan waktu dan rentan terhadap kesalahan manusia. Oleh karena itu, diperlukan suatu inovasi untuk meningkatkan sistem pengelolaan kehadiran yang lebih akurat, cepat, dan efisien. Pengenalan wajah telah menjadi salah satu teknologi yang semakin populer dalam berbagai aplikasi, termasuk dalam bidang pendidikan. Teknologi ini menawarkan solusi yang efisien dan inovatif untuk mengatasi tantangan dalam sistem kehadiran siswa. Artificial Intelligence, sebagai cabang dari ilmu komputer, bertujuan untuk menciptakan sistem yang mampu melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia, seperti pengambilan keputusan, pengenalan pola, dan pembelajaran dari data. Salah satu algoritma yang dapat digunakan adalah Convolutional Neural Network (CNN) yang telah menunjukkan performa yang sangat baik dalam tugas pengenalan wajah, terutama dalam hal ekstraksi fitur dan klasifikasi gambar. Penelitian ini bertujuan untuk mengembangkan model klasifikasi pengenalan wajah siswa pada sistem kehadiran dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian ini menyimpulkan bahwa melakukan retrain pada 50 layers akhir dan 4 layers custom dapat meningkatkan accuracy untuk arsitektur MobileNetV2 mencapai 25% sedangkan ResNetV2 mencapai 26%. Selain itu, skenario dua yang menggunakan arsitektur MobileNetV2 menghasilkan model terbaik dengan nilai precision 92%, recall 91% dan accuracy 91%