Techno.COM Jurnal 

Abstract: Karyawan sebagai aset yang sangat berharga karena merupakan salah satu faktor penting berjalannya suatu perusahaan, dengan mempunyai karyawan memiliki keahlian/kompetensi yang sesuai dengan standar kualifikasi serta kriteria -kriteria yang sesuai standar dibutuhkan oleh perusahaan untuk stabilitas perusahaan, proses dalam seleksi yang masih belum objektif sesuai dengan kriteria yang dibutuhkan, sehingga akan berakibat salah dalam mengambil keputusan seleksi karyawan. Dengan adanya sistem pendukung keputusan ini yang menggunakan metode Multi Attribute Utility Theory (MAUT) dan juga untuk pembobotannya menggunakan metode Rank Order Centroid (ROC), sedangkan untuk kriteria dalam proses seleksi karyawan yaitu skill/keahlian, tingkat pendidikan,usia, pengalaman kerja, tes tertulis dan wawancara, maka diharapkan untuk pengambilan keputusan menjadi lebih objektif, cepat, dan tepat sesuai dengan standar kriteria yang telah ditentukan. Dalam proses perhitungan didapatkan hasil bahwa alternatif A2 yaitu atas nama Dodi Pasaribuan mendapatkan nilai tertinggi dengan jumlah nilai 0,732.

Abstract: Pada tahun 2020, terdapat 1,1 milyar orang yang mengalami kehilangan penglihatan di seluruh dunia. Jumlah ini diproyeksikan akan terus bertambah hingga mencapai 1,76 milyar orang pada tahun 2050. Penyebab utama kebutaan untuk anak-anak dan remaja adalah penyakit mata, yang dapat dicegah apabila dilakukan deteksi dan penanganan lebih dini. Oleh sebab itu, pada penelitian ini diusulkan metode berbasis Convolutional Neural Network (CNN) untuk mendeteksi penyakit mata pada citra fundus. Metode yang diusulkan menggunakan metode transfer learning dengan arsitektur jaringan MobileNetV2 sebagai base model. Arsitektur head model yang diusulkan, yang terdiri dari lapisan global average pooling dan diikuti oleh 2 lapisan fully-connected, mampu memberikan akurasi yang paling tinggi dan efisiensi paling baik dibandingkan dengan arsitektur head model lainnya. Eksperimen pada dataset citra fundus yang terdiri dari 601 citra dengan berbagai macam penyakit mata menunjukkan bahwa metode yang diusulkan mampu memberikan performa yang baik dengan nilai akurasi sebesar 72%, precision sebesar 72%, recall sebesar 72%, dan F1-score sebesar 72%. Hasil eksperimen menunjukkan bahwa metode yang diusulkan dapat memberikan akurasi yang lebih tinggi dan lebih efisien dibandingkan dengan menggunakan arsitektur CNN lainnya, seperti ResNet50V2, InceptionV3, InceptionResNetV2, VGG16, dan VGG19.

Abstract: Perpustakaan memiliki pelayanan utama memfasilitasi peminjaman buku, untuk memudahkan anggota perpustakaan menemukan buku yang tepat, perpustakaan dapat dilengkapi dengan sistem pencarian buku. Sistem pencarian buku yang tersedia umumnya kurang membantu untuk menemukan buku yang tepat bagi anggota yang belum menentukan buku yang akan dipinjam. Algoritma Frequent Pattern Growth (FP-Growth) merupakan metode yang digunakan dalam sistem rekomendasi peminjaman buku. Tahapan dari metode FP-Growth yaitu tahap pengumpulan data, tahap menyusun tabel generate frequent itemset, tahap menentukan nilai minimal support, tahap pembangkitan conditional pattern base, tahap pembangkitan conditional FP-tree, tahap pencarian frequent item sets dan menentukan nilai support dan confidence pada setiap itemset. Hasil penggunaan sistem rekomendasi peminjaman buku ini mempermudah pustakawan dalam proses pengolahan data buku, data peminjaman, serta anggota dapat mengetahui perbaharuan dari setiap buku-buku yang direkomendasikan secara random. Bagi anggota rekomendasi top five merupakan rekomendasi buku yang terbanyak dipinjam oleh semua anggota, rekomendasi sejenis merupakan rekomendasi bagi anggota berdasarkan judul yang terkait dengan pencarian dan peminjaman.

Abstract: Situasi pandemi Covid-19 berpengaruh terhadap penyelenggaraan pendidikan. Kegiatan pembelajaran yang pada awalnya dilaksanakan secara tatap muka dengan guru/dosen di kelas terpaksa harus dilaksanakan secara jarak jauh. Hal ini berdampak pada percepatan implementasi dari pendidikan 4.0. Salah satu platform yang mendukung terselenggaranya pembelajaran jarak jauh di universitas adalah Google Workspace for Education yang berupa Google Drive, Google Meet, dan Google Classroom. Jika penggunaan ketiga aplikasi ini dapat diterima dengan baik oleh penggunanya (khususnya mahasiswa), maka kegiatan pembelajaran akan terselenggara dengan lancar. Untuk mengetahui persepsi mahasiswa terhadap kegunaan (usability) aplikasi Google Workspace for Education dalam pembelajaran menjadi tujuan dilaksanakannya penelitian ini. Pengukuran usability dilakukan menggunakan pendekatan System Usability Scale (SUS) dengan studi kasus pada Sekolah Tinggi Multi Media (STMM) Yogyakarta. Penelitian ini menggunakan metode kuantitatif deskriptif dengan 338 responden. Hasil penelitian menyatakan bahwa usability untuk aplikasi Google Workspace for Education adalah di atas rata-rata, dengan rincian sebagai berikut: 1) grade aplikasi adalah “B”, 2) kategori adjective rating aplikasi adalah “Good”, 3) acceptability rating aplikasi adalah “acceptable”, dan 4) Net Promoter Score (NPS) dari aplikasi adalah “passive”. Berdasarkan jawaban responden juga diketahui bahwa responden tidak mengalami hambatan saat menggunakan aplikasi, hanya diperlukan pembiasaan diri terlebih dahulu sebelum menggunakan aplikasi.