Jurnal Ilmu Komputer dan Agri-Informatika

Pengembangan Prototipe Aplikasi Berbasis Blockchain dan QR Code dengan Metode ABCDE untuk Rantai Pasok Beras

2024-12-03T09:40:17+07:00

Pengembangan aplikasi berbasis blockchain memiliki potensi untuk merevolusi transparansi dan ketertelusuran rantai pasok. Makalah ini menyajikan pengembangan Ricetrack, sebuah aplikasi berbasis blockchain dan QR Code yang dirancang untuk meningkatkan transparansi dan ketertelusuran dalam rantai pasok beras. Ricetrack dikembangkan menggunakan teknologi Hyperledger Sawtooth dengan metodologi Agile Blockchain DApp Engineering. Aplikasi ini diprototipekan dan diuji dalam rantai pasok beras di Menata Citra Selaras, Kabupaten Bekasi, Indonesia. Sebelum Ricetrack, ketertelusuran dan transparansi data sangat minim atau hampir tidak ada, dengan catatan yang dipelihara secara manual menggunakan kertas dan/atau Microsoft Excel. Pengujian prototipe menunjukkan peningkatan signifikan dalam ketertelusuran, transparansi data, dan efisiensi operasional. Temuan utama meliputi peningkatan kemampuan melacak beras dari petani hingga konsumen, peningkatan akses data real-time bagi pemangku kepentingan, dan pengurangan kesalahan serta waktu dalam proses pencatatan data. Studi ini menawarkan wawasan berharga tentang tantangan praktis dan manfaat penerapan teknologi blockchain dalam manajemen rantai pasok serta menyediakan dasar untuk peningkatan lebih lanjut dan implementasi Ricetrack yang lebih luas di masa depan.

Analisis Kinerja Komunikasi Data Berbasis LoRa pada IoT untuk Pemantauan Lingkungan Kandang Ayam

2024-11-30T23:23:11+07:00

Teknologi IoT dapat mempermudah peternak dalam memantau kandang ayam dari jauh. Teknologi LoRa cocok untuk diterapkan untuk implementasi IoT pada lingkungan kandang yang umunya berada jauh dari pemukiman penduduk, karena memiliki jarak jangkauan yang jauh dan hemat dalam penggunaan daya. Penelitian ini bertujuan untuk mengimplementasikan dan menguji kinerja IoT menggunakan LoRa dengan modul RFM95W pada lingkungan kandang ayam. Kinerja yang diamati berupa jarak, kekuatan sinyal, dan keberhasilan transmisi data. Pengujian yang dilakukan adalah pengujian fungsional dan pengujian kinerja dengan antena 3 dBi dan 5 dBi pada SF7. Hasil pengujian fungsional berhasil mengirimkan data ke Thingspeak. Hasil pengujian menggunakan antena 5 dBi mendapatkan hasil yang lebih baik dibandingkan dengan antena 3 dBi. Untuk skenario tanpa halangan, jarak terjauh adalah 400 m dengan error rate 15% dan untuk skenario dengan halangan jarak terjauh adalah 80 m dengan error rate 5%.

I-NusaPlant Apps : Indonesian Medical Plants Identification Using Convolutional Neural Network With Pre-trained Model MobileNetV2

2024-11-30T23:23:11+07:00

Indonesia has about 30,000 different kinds of medicinal plants, which is a very large number compared to the total of 40,000 that exist all over the world. In fact, Indonesia, along with other Asian countries like China and India, has one of the highest concentrations of medicinal plants in the world. An expert is required to identify functional medicinal plants, but the number that such experts is quite limited. Convolutional Neural Networks (CNNs) and transfer learning can be very effective tools for identifying Indonesian medical plants. These methods have been shown to be highly accurate at classifying different objects. Transfer learning was used because it can reuse the knowledge gained from previous training, which speeds up the process and improves accuracy. This study used 5,000 images divided into 20 categories. The MobileNetV2 model was used, and it achieved 100% accuracy for all categories in the experiments. The Identification Indonesian Medical Plants method in this study has been implemented in the I-NusaPlant mobile-based application. The app's performance was tested, and it was found to use a maximum of 17% CPU and 197 MB of memory. This app works on all Android versions from 8.0 to 13.

Perbandingan Kinerja Algoritma Random Forest, AdaBoost, dan XGBoost Dalam Memprediksi Resiko Penyakit Osteoporosis

2024-11-30T23:23:10+07:00

Penyakit tulang yang disebut osteoporosis ditandai oleh berkurangnya massa tulang dan meningkatnya kerapuhan, yang meningkatkan kemungkinan patah tulang terutama pada pinggul, tulang belakang dan pergelangan tangan. Penyakit ini dapat dialami oleh perempuan dan laki-laki, khususnya usia tua. Penyakit ini umumnya tidak menimbulkan gejala pada tahap awal, sehingga prediksi dini sangat penting untuk pencegahan dan penanganan. Tujuan dari penelitian ini adalah untuk membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Random Forest, AdaBoost dan XGBoost, dalam memprediksi resiko osteoporosis. Dataset yang digunakan berjumlah 1781 data dengan tiga skema pembagian data 80:20, 70:30 dan 60:40. Pada algoritma Random Forest, skema 80:20 memberikan hasil terbaik dengan akurasi 87,11%, dan presisi 89,09%. Sementara itu, algoritma AdaBoost menunjukkan performa terbaik pada skema 60:40 dengan akurasi 92,01% dan presisi 93,13%. Algoritma XGBoost menunjukkan hasil terbaik pada skema 80:20 dengan akurasi 90,20% dan presisi 90,77%. Hasil penelitian menunjukkan bahwa algoritma AdaBoost memiliki kinerja terbaik di antara ketiga algoritma yang diuji. Setelah itu mengimplementasikan model prediksi resiko osteoporosis ke dalam website, yang memungkinkan pengguna melakukan prediksi berdasarkan 14 variabel: umur, jenis kelamin, riwayat keluarga, etnis, penggunaan obat, riwayat patah tulang, perubahan hormonal, asupan vitamin D, asupan kalsium, berat badan, aktivitas fisik, konsumsi alcohol, merokok dan kondisi medis.

EVALUATION OF SIDALIH IMPLEMENTATION USING PIECES FRAMEWORK

2024-11-30T23:23:09+07:00

Various organizations including government (e-government) have used information technology to support services to the community. Indonesia is one of the major democracies and has implemented e-government in the field of democracy, commonly called e-democracy in the form of applications used to support the implementation of the 2024 election stages, one of which is SIDALIH. The preparation of the voters list is a very important stage to ensure the sovereign rights of citizens. The preparation of the voter list took a long time but until the last election in 2019 there were still various problems, including voters who had not been recorded in the DPT, fake voters, multiple voters, data disabilities, and abnormal data. Bawaslu's findings that 1,013,366 DPTs that were declared double were distributed in seventy-five districts/cities. Research on the use of SIDALIH in the 2024 election using the pieces framework. The variables in this study are performance, information and data, economics, control and security, efficiency, and service. The population in this study were all SIDALIH users in Kebumen Regency, while the sample was 320 from the organizers of the Kebumen Regency KPU. Data analysis was carried out using SmartPLS 3.0, including the outer model test, inner model including the R² test. The results showed that as many as 2 variables, namely performance and efficiency, had no influence on user satisfaction, and the variables of information and data, economics, control and security, service had a positive and significant influence on user satisfaction. Together the pieces framework has a contribution of 64.2% to user satisfaction, while 35.2% is influenced by other variables.

Pengukuran Kesiapan Adopsi Teknologi Informasi Pada Poktan Hidup Baru Dengan Metode Digital Literacy Index

2024-12-05T15:19:19+07:00

Although advances in digital technology offer great opportunities to improve efficiency and productivity in agricultural sector, its application has been uneven. Adoption of information technology still faces challenges, especially among farmers. This study aims to measure the readiness of information technology adoption in the Kelompok Tani (Poktan) Hidup Baru, Cempaka District, OKU Timur, using the Digital Literacy Index (DLI) which includes four main pillars such as Digital Skill, Digital Ethics, Digital Safety, and Digital Culture. The results show that farmers' digital literacy index has an average of 2.91, lower than the national average of 3.54. The biggest gap is in the digital skills pillar (2.20), signaling difficulties in operating devices. Meanwhile, digital ethics awareness is quite good (2.87). Education level (r = 0.79) and frequency of internet use (r = 0.97) have positive correlations with digital skills. However, the correlation between digital skills and digital safety was weak (r = 0.14), indicating a lack of understanding of cybersecurity. These findings emphasize the need to improve digital literacy to support technology adoption.

Analisis Sistem Informasi Repositori Institusional Menggunakan Metode PIECES (studi kasus: Politeknik Kemenkes Palu)

2024-11-30T23:23:07+07:00

Perkembangan teknologi informasi dan komunikasi telah berkembang secara signifikan dan dapat diterapkan di segala bidang. Di lembaga pendidikan, teknologi sangat dibutuhkan untuk pengolahan data dan sumber informasi, termasuk dokumentasi digital karya intelektual seperti karya ilmiah. Repositori merupakan salah satu cara untuk menjadi sarana penyimpanan karya – karya intelektual dari civitas akademik pada perguruan tinggi. Terintegrasi dari repositori universitas dan lembaga penelitian di Indonesia. Politeknik Kesehatan Kemenkes Palu sudah memiliki repositori, namun perlu pengaturan lebih lanjut untuk mengoptimalkan pemanfaatannya. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kondisi sistem informasi repository di Politeknik Kesehatan Kemenkes Palu yang telah beroperasi. Metode PIECES digunakan untuk analisis ini, diharapkan dapat menghasilkan proposal yang lebih baik untuk sistem informasi repositori institusional. Data dikumpulkan dengan menggunakan skala Likert yang meliputi lima jenis nilai predikat mulai dari yang paling positif hingga yang paling negatif. Selain itu, penelitian ini menggunakan diagram RACI untuk menentukan tugas dan posisi yang bertanggung jawab atas website repositori. Uji validitas dan reliabilitas dilakukan untuk memastikan keabsahan dan keandalan data yang diperoleh dari kuesioner.

Identifikasi Kematangan Tomat dengan Principal Component Analysis dan K-Nearest Neighbour Berdasarkan Citra Warna

2024-12-20T16:15:26+07:00

Penentuan tingkat kematangan tomat secara manual memiliki kelemahan karena standar yang subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat berbasis representasi warna Hue Saturation Value (HSV) menggunakan Principal Component Analysis (PCA) sebagai ekstraksi ciri dan K-Nearest Neighbor (KNN) untuk klasifikasi. Penelitian ini menggunakan 400 citra dengan resolusi spasial 400x400 yang dikelompokkan dalam 5 tingkat kematangan yaitu green, turning, pink, light red dan red. Data terbagi menjadi data latih dan data uji dengan rasio 80:20. Skenario yang diberlakukan merupakan pembagian data ruang warna yaitu Hue (H), Saturation (S), Value (V), Hue-Saturation (HS), Hue-Value (HV), Saturation-Value (SV) dan HSV. Nilai k sebagai tetangga pada KNN yang dijadikan sebagai skenario adalah 1, 3, 5, 7, 9 dan 11. Adapun nilai principal componen yang diterapkan sebesar 5, 10, 15 dan 65 dengan varian rasio 95%. Hasil penelitian menunjukkan bahwa dengan K=7 dan nilai PC =5 menghasilkan nilai akurasi tertinggi dengan persentase 94% pada pengujian HV. Hasil penelitian ini menunjukkan bahwa dengan klasifikasi data uji sebanyak 80 data citra, didapatkan hasil sebanyak 75 data hasil akurat dan 5 data yang tidak akurat.

SAE-DNN-GA: Sebuah Pendekatan Klasifikasi Multilabel dalam Prediksi Senyawa Herbal Potensial Untuk Penyakit COVID-19

2024-11-30T23:23:05+07:00

COVID-19 adalah penyakit dengan laju penyebaran yang tinggi. Percepatan proses penemuan obat untuk penyakit tersebut sangat dibutuhkan. Penggunaan kembali obat (drug repurposing) merupakan salah satu alternatif dalam pengembangan dan penemuan obat dengan biaya murah serta waktu yang singkat. Tanaman herbal dapat digunakan sebagai obat dengan khasiat yang lebih baik, efek samping yang lebih sedikit, dan lebih murah. Prediksi interaksi obat-target dan penggunaan kembali obat dapat digunakan untuk mengeksplorasi senyawa herbal potensial. Penelitian ini mengatasi kelemahan klasifikasi biner dengan model DSSL-DTI (Deep Semi Supervised Learning-Drug Target Interaction) yang dioptimasi menggunakan Algoritma Genetika. Tujuan penelitian ini adalah mendeteksi kemungkinan adanya hubungan antar label menggunakan pendekatan klasifikasi multilabel dengan model yang dioptimasi. Data yang digunakan penelitian ini antara lain: data protein, data interaksi senyawa-protein, dan data senyawa herbal. Data protein diperoleh dari situs GeneCards yang berisi kumpulan protein yang berasosiasi dengan COVID-19 dan ditemukan pada manusia. Data interaksi senyawa-protein diperoleh dari situs DrugBank dan SuperTarget. Adapun data senyawa herbal diperoleh dari HerbalDB. Hasil penelitian menunjukkan bahwa dengan menggunakan model SAE-DNN-GA yang diusulkan, prediksi senyawa herbal menghasilkan sepuluh senyawa yang berinteraksi dengan dua protein bernilai relevansi tertinggi, yaitu protein INS (7.094) dan ALB (3.178). Hasil ini diharapkan mampu meningkatkan hasil prediksi kandidat senyawa herbal sebagai obat penyakit COVID-19 menjadi lebih akurat.

Klasifikasi Daerah Penangkapan Ikan Menggunakan Algoritma Random Forest dan Support Vector Machine

2024-11-30T23:23:04+07:00

Kondisi ekonomi nelayan tradisional masih berada di lingkaran kemiskinan sehingga diperlukan solusi untuk meningkatkan kesejahteraan. Salah satu solusi adalah dengan menggunakan teknologi informasi mengenai daerah penangkapan ikan, sehingga nelayan dapat menghemat bahan bakar dan menambah jumlah tangkapan. Informasi daerah penangkapan ikan dapat di tentukan dengan cara mengolah data citra satelit dan menggunakan teknologi machine learning. Penelitian ini bertujuan membuat model yang dapat melakukan menklasifikasi daerah penangkapan ikan menggunakan algoritma Random Forest dan Support Vector Machine menggunakan data citra satelit laut jawa dan sekitarnya dari tahun 2019-2021 dengan menggunakan parameter klorofil, suhu permukaan laut, salinitas, ketinggian dan suhu air laut. Hasil penelitian ini menunjukan parameter klorofil mempunyai peran paling besar sebesar 77.14% dalam menentukan daerah penangkapan ikan. Hasil nilai precision yang dihasilkan algoritma Support Vector Machine (99.83%) lebih tinggi dibanding dengan yang dihasilkan algoritma Random Forest (99.80%). Meski demikian model klasifikasi yang dihasilkan algoritma Random Forest mempunyai nilai accuracy (99.90%), recall (100%) dan F1 score (99.90%) yang lebih tinggi dibanding dengan yang dihasilkan algoritma Support Vector Machine dengan nilai accuracy (99.89%), recall (99.96%) dan F1 score (99.89%).

Perancangan Antarmuka Pengguna Aplikasi Mobile Sistem Informasi Akademik (SIMAK) menggunakan Metode Design Thinking

2024-06-07T13:13:14+07:00

SIMAK (Sistem Informasi Akademik) merupakan sebuah sistem yang dibangun untuk mendukung pelaksanaan penyelenggaraan pendidikan, seperti proses registrasi, perkuliahan, evaluasi, serta pelaporan. Saat ini SIMAK banyak digunakan di perguruan tinggi, termasuk di Universitas Pakuan. Meski demikian, SIMAK yang digunakan saat ini oleh mahasiswa Universitas Pakuan adalah berbasiskan website dengan tampilan yang tidak responsif ketika dibuka di peramban web pada perangkat mobile. Akibatnya tampilan dan pengalaman pengguna SIMAK akan tetap seperti yang diperuntukan untuk pengguna website dan belum menyesuaikan dengan tampilan dan pengalaman pengguna pada perangkat mobile. Selain itu, Universitas Pakuan juga belum memiliki aplikasi mobile SIMAK sendiri yang dirancang khusus sesuai dengan kebutuhan pengguna. Berdasarkan masalah tersebut, pada penelitian ini dilakukan perancangan antarmuka pengguna aplikasi mobile SIMAK Universitas Pakuan menggunakan pendekatan Design Thinking. Evaluasi dalam penelitian dilakukan dengan kuesioner berdasarkan persepsi pengguna terhadap lima aspek usability heuristic, yaitu Visibility of Status System, Match Between System and The Real World, Consistency and Standards, Recognition Rather Than Recall, dan Aesthetic and Minimalist. Selanjutnya dilakukan survey untuk mendapatkan umpan balik dari pengguna terkait perancangan antarmuka pengguna yang telah dibangun. Hasil penelitian menunjukkan bahwa perancangan antarmuka pengguna aplikasi mobile SIMAK untuk Universitas Pakuan telah berhasil dirancang dengan prototipe sebagai luaran yang memiliki kinerja yang lebih baik dari sistem yang dibangun sebelumnya. Selain itu, hasil usability testing menunjukkan bahwa prototipe SIMAK berbasis mobile dapat diterima dengan baik oleh pengguna dan dapat dijadikan acuan untuk pengembangan aplikasi mobile SIMAK lebih lanjut.

Perancangan Arsitektur Sistem Informasi Pelayanan Pengujian Benih pada (Balai Besar PPMBTPH) Menggunakan TOGAF ADM

2024-06-07T13:13:18+07:00

Pengujian mutu benih berperan besar dalam menyajikan hasil uji yang tepat dan akurat, sesuai dengan peraturan. Balai Besar Pengembangan Pengujian Mutu Benih Tanaman Pangan dan Hortikultura (BBPPMBTPH) memiliki peran dalam pelaksanaan pelayanan dan sebagai laboratorium acuan nasional dalam pengujian mutu benih. Penelitian ini bertujuan untuk merancang arsitektur sistem manajemen informasi pelayanan pengujian benih dengan menggunakan kerangka kerja TOGAF ADM. Tahapan penelitian dimulai dengan preliminary, arsitektur visi dan arsitektur bisnis menganalisis identifikasi tujuan, kebutuhan pengguna, pemetaan proses bisnis, dan identifikasi risiko. Kemudian, dilakukan perancangan arsitektur sistem informasi yang mencakup arsitektur data dan arsitektur aplikasi. Hasil penelitian menunjukkan bahwa TOGAF ADM dapat digunakan dalam perancangan arsitektur sistem informasi pengujian laboratorium BBPPMBTPH. Berdasarkan gap analysis, peningkatan kualitas pelayanan berkaitan dengan aspek efisiensi, efektivitas, akurasi, transparansi, dan akuntabilitas. Aspek-aspek tersebut menjadi proses bisnis yang diinginkan dalam bentuk sistem informasi manajemen. Arsitektur sistem informasi menghasilkan 5 kandidat modul aplikasi yaitu manajemen permohonan, manajemen pengujian, manajemen data, manajemen pelaporan, dan manajemen laporan, modul aplikasi tersebut saling terintegrasi membentuk sistem informasi manajemen pengujian laboratorium.

Analisis Quality of Service pada Rancang Bangun Pendeteksi Penyakit Tanaman Tomat Berbasis CNN dan Aplikasi Telegram

2024-06-07T13:13:22+07:00

Peningkatan tanaman tomat terjadi secara konsisten dari tahun ke tahun dan berkontribusi signifikan terhadap perekonomian nasional. Peningkatan kepadatan tanaman dan perluasan area panen dapat menciptakan kondisi yang ideal untuk penyebaran penyakit pada tanaman tomat, yang berpotensi mengancam hasil panen. Penelitian ini merancang model machine learning menggunakan algoritme Convolutional Neural Networks (CNN) untuk mendeteksi penyakit tanaman tomat dengan tingkat akurasi yang diperoleh mencapai 96%. Tingkat loss dari model tergolong rendah yaitu sekitar 13%, membuktikan bahwa prediksi model cukup dekat dengan kondisi sebenarnya. Hasil ini menunjukkan bahwa kinerja model efektif untuk mencegah penyebaran penyakit tanaman tomat dengan membantu mengidentifikasi penyakit lebih awal. Model machine learning diimplementasikan melalui Bot Telegram sebagai antarmuka pengguna, yang tidak hanya efektif dalam memberikan informasi deteksi penyakit tanaman tomat, tetapi juga memastikan informasi tersampaikan dengan efisien dan tepat. Analisis Quality of Service (QoS) dilakukan terhadap komunikasi antara pengguna dan server Telegram dengan mempertimbangkan parameter throughput, delay, dan packet delivery. Nilai QoS secara keseluruhan adalah berindeks 3 kategori “Memuaskan” sesuai standarisasi versi TIPHON. Nilai QoS tersebut didapatkan dari nilai parameter throughput dengan indeks 4 kategori “Sangat Bagus”, nilai parameter packet delivery dengan indeks 4 kategori “Sangat Bagus”, serta nilai parameter delay dengan indeks 4 kategori “Sangat Bagus”.

Pengamatan Lingkungan Kandang Berbasis Internet of Things (Iot) pada Pertumbuhan Ayam Pedaging

2024-06-07T13:13:25+07:00

Internet of Things (IoT) merupakan sistem jaringan dengan sensor-sensor tertanam yang terhubung ke internet. Dengan penerapan IoT dalam peternakan ayam, diharapkan kegiatan peternakan ayam menjadi lebih efektif. Ayam broiler merupakan ayam ras yang digunakan untuk menghasilkan daging dan merupakan peralihan dari vertebrata (berdarah panas) ke avertebrata (berdarah dingin) dengan suhu pemeliharaan optimal 23–24 ºC, sedangkan kelembapan ideal berkisar antara 50%–70%. Suhu lingkungan di Indonesia yang beriklim tropis mencapai rata-rata 27–28 ºC, dapat menyebabkan stres pada ayam. Ciri-ciri heat stress pada ayam meliputi gangguan pertumbuhan, penurunan konsumsi pakan, kegelisahan, pengembangan sayap, peningkatan konsumsi air, hingga kematian. Penelitian ini bersifat deskriptif dan menggunakan metode pengamatan dengan satu perlakuan dan lima ulangan. Parameter yang diukur dalam penelitian ini meliputi suhu, kelembapan, pakan, dan bobot ayam. Parameter tersebut digunakan untuk menghitung Temperature-Humidity Index (THI), konsumsi pakan, pertambahan bobot badan, bobot badan akhir, dan Feed Conversion Ratio (FCR) dengan menggunakan metode regresi dan korelasi. Analisis regresi dalam penelitian ini menunjukkan bahwa terdapat pengaruh yang sangat signifikan antara variabel terikat (THI) terhadap variabel bebas (konsumsi pakan, FCR, PBB) dengan nilai P < 0.01, dan variabel terikat (THI) terhadap variabel bebas (mortalitas) memiliki pengaruh yang signifikan dengan nilai P < 0.05. Hasil ANOVA yang digunakan untuk mengetahui perbedaan antar kandang menunjukkan superskrip yang sama.

Prediksi Performa Akademik Mahasiswa untuk Kelulusan Predikat Cum Laude dengan Pendekatan Machine Learning

2024-06-07T13:13:28+07:00

Penelitian ini bertujuan untuk mengembangkan model yang dapat memprediksi jumlah mahasiswa yang lulus dengan predikat cum laude pada perguruan tinggi. Penelitian ini menggunakan algoritma machine learning untuk klasifikasi sehingga dapat dilakukan prediksi. Hasil dari penelitian ini menunjukkan efektivitas model dalam memprediksi kelulusan cum laude agar dapat memberikan kesempatan bagi universitas untuk meningkatkan kualitas lulusan secara keseluruhan dan mengatasi penurunan standar kelulusan yang mungkin terjadi. Prediksi jumlah mahasiswa cum laude dilakukan pada penelitian ini, untuk membantu proses pengambilan keputusan oleh pemangku kebijakan pada perguruan tinggi. Dengan memanfaatkan teknik machine learning, institusi dapat mengantisipasi dan mendukung mahasiswa dalam mencapai predikat cum laude, sehingga diharapkan dapat meningkatkan kualitas lulusan secara keseluruhan. Dalam penelitian ini, dibandingkan tiga algoritma machine learning yakni algoritma Naïve Bayes, Random Forest, dan C4.5 untuk melakukan prediksi kelulusan mahasiswa dengan predikat cum laude. Hasil penelitian menunjukkan bahwa dalam kasus ini kinerja terbaik dicapai oleh algoritma Naïve Bayes dengan nilai akurasi 87.60%, precision 86.70%, recall 92.10% dan F1-score 89.30%. Selain itu, algoritma Naïve Bayes juga menghasilkan nilai waktu komputasi terendah pada kasus yang diujikan dibandingkan dengan algoritma lainnya.

Analisis Kesenjangan Pemenuhan Standar Sistem Manajemen Keamanan Informasi pada Ina-Geoportal

2024-06-07T13:13:31+07:00

Peningkatan ancaman terhadap keamanan informasi saat ini dan tuntutan regulasi terhadap sistem Ina-geoportal sebagai sistem elektronik strategis menuntut Badan Informasi Geospasial untuk menerapkan serta memperoleh sertifikasi standar ISO/IEC 27001 pada ruang lingkup Ina-geoportal. Analisis kesenjangan dilakukan guna mengevaluasi tingkat ketersediaan persyaratan standar dan kontrol keamanan informasi yang telah ditetapkan, berdasarkan studi dokumen, observasi, dan wawancara kepada 10 responden dari Pusat Pengelolaan dan Penyebarluasan Informasi Geospasial. Hasil analisis menunjukkan bahwa mayoritas persyaratan dalam standar belum terpenuhi, dengan 20 dari 26 persyaratan masih belum terpenuhi. Hal ini terjadi karena Badan Informasi Geospasial baru menerapkan ISO/IEC 27001 pada ruang lingkup fasilitas fisik dan jaringan di pusat data. Dari 108 kontrol keamanan informasi yang ditetapkan, sebanyak 28 kontrol belum terpenuhi, meskipun sebagian besar kontrol telah terpenuhi oleh penerapan standar pada ruang lingkup saat ini.

Perbaikan Kualitas Citra Cahaya Redup Menggunakan Teknik Perbaikan Histogram Equalization dan Adaptive Multi-scale Retinex

2024-06-07T13:13:35+07:00

Citra low light seringkali memiliki kualitas yang rendah, dengan kurangnya cahaya yang menyebabkan

citra yang gelap, kontras rendah, dan detail yang terabaikan. Dalam upaya untuk meningkatkan citra low light

berbagai metode telah dikembangkan, termasuk histogram equalization dan adaptive multi-scale retinex

(AMSR). Dari kedua metode ini, belum ada kesepakatan mengenai mana yang lebih efektif dalam perbaikan

citra low light. Dalam penelitian ini, kami membandingkan kinerja metode histogram equalization dan AMSR

dalam perbaikan citra low light. Metode histogram equalization diterapkan untuk mengubah distribusi intensitas piksel dalam citra. Histogram equalization memiliki kelemahan dalam mempertahankan kontras lokal dan dapat menghasilkan citra yang terlalu tajam. Selanjutnya, metode AMSR diterapkan untuk memperbaiki kontras dan detail citra low light. Dalam penelitian ini, AMSR diterapkan dengan skala adaptif pada berbagai tingkat deteksi. Hasil penelitian menunjukkan bahwa kedua metode memiliki kemampuan untuk meningkatkan citra low light. Metode histogram equalization memberikan peningkatan yang signifikan dalam kontras global dan kecerahan citra, sementara metode AMSR berhasil mempertahankan kontras lokal dan detail citra. Perbedaan juga terjadi pada hasil yang diperoleh, tergantung pada karakteristik citra dan preferensi pengguna. Berdasarkan analisis dan evaluasi yang dilakukan, dapat disimpulkan bahwa kedua metode memiliki kelebihan dan kelemahan masing-masing dalam perbaikan citra low light.

Evaluasi Tingkat Keamanan Informasi pada Dinas Kominfo Lampung Selatan Menggunakan Indeks Kami 4.3

2024-06-07T13:13:38+07:00

Dinas Komunikasi dan Informasi kabupaten Lampung Selatan mengelola dan menyimpan berbagai jenis

data sensitif, termasuk data pribadi penduduk seperti nama, alamat, nomor identitas, dan data pribadi lainnya.

Kebocoran data dapat menimbulkan risiko tindak kejahatan memberikan akses yang tidak sah kepada pihak-pihak yang tidak berwenang. Salah satu cara untuk mencegah dan mengurangi ancaman kebocoran data di sistem informasi dengan melakukan audit keamanan sistem informasi. Metode audit keamanan sistem informasi yang diaplikasikan adalah indeks Keamanan Informasi (KAMI). Hasil menunjukkan bahwa tingkat kematangan bernilai I yang bermakna kerangka kerja dan teknologi dan keamanan bernilai rendah dan belum layak sehingga diperlukan banyak perbaikan, untuk kategori pengolahan risiko dan pengolahan aset termasuk dalam tingkat kematangan I+ yang menunjukkan bahwa tergolong rendah sehingga butuh perbaikan dan peningkatan untuk mendapatkan nilai yang cukup baik atau baik, tata kelola termasuk dalam tingkat kematangan II yang menunjukkan bahwa pengelolaan aset tergolong pemenuhan kerangka kerja dasar.

Model Klasifikasi Kesesuaian Lahan Bawang Putih Menggunakan Interpolasi Spasial dan Algoritme Pohon Keputusan

2024-06-07T13:13:42+07:00

Bawang putih merupakan salah satu hasil hortikultura yang harus terpenuhi setiap tahunnya. Jumlah produksi bawang putih tidak sebanding dengan jumlah konsumsi bawang putih menjadi acuan pemerintah untuk melakukan impor guna mencukupi kebutuhan dalam negeri. Hal ini menjadi dasar pemerintah untuk melakukan swasembada bawang putih. Usaha yang dilakukan untuk mencapai swasembada bawang putih salah satunya adalah melakukan perluasan lahan untuk tanaman bawang putih. Penelitian ini bertujuan untuk menentukan model klasifikasi kesesuaian lahan bawang putih menggunakan algoritme C5.0 berdasarkan karakteristik lahan dan interpolasi temperatur menggunakan metode Inverse Distance Weighted (IDW). Penelitian ini menghasilkan pohon keputusan dengan 5 aturan kelas kesesuaian lahan dengan akurasi sebesar 97.81% pada dataset dengan data temperatur bulan Mei 2022. Variabel penting dalam menentukan kelas kesesuaian lahan pada periode ini adalah kedalaman mineral tanah. Sedangkan nilai akurasi pada dataset dengan data temperatur bulan Juli 2022 menghasilkan model pohon keputusan dengan 17 aturan kelas kesesuaian lahan dengan akurasi sebesar 95.91%. Variabel penting dalam menentukan kelas kesesuaian lahan pada periode ini adalah kejenuhan basa.

Kecerdasan Buatan untuk Monitoring Hama dan Penyakit pada Tanaman Eucalyptus: Systematic Literature Review

2023-12-21T15:54:55+07:00

Eucalyptus merupakan salah satu jenis tanaman kehutanan yang banyak dibudidayakan di berbagai negara karena memiliki nilai ekonomi dan lingkungan yang tinggi. Namun, tanaman eucalyptus juga rentan terhadap serangan hama dan penyakit yang dapat menurunkan produktivitas dan kualitasnya. Pemantauan atau monitoring yang akurat dan tepat waktu diperlukan untuk mengendalikan hama dan penyakit tanaman eucalyptus. Monitoring hama dan penyakit tanaman eucalyptus secara konvensional dilakukan dengan cara observasi langsung oleh manusia, namun metode ini memiliki beberapa kelemahan. Oleh karena itu, perlu adanya upaya untuk meningkatkan efektivitas dan efisiensi monitoring hama dan penyakit tanaman eucalyptus dengan memanfaatkan teknologi kecerdasan buatan atau Artificial Intelligence (AI). AI dapat digunakan untuk melakukan deteksi dan klasifikasi hama dan penyakit tanaman eucalyptus secara otomatis dengan menggunakan algoritma pembelajaran mesin atau pembelajaran mendalam dan pengolahan citra. Tujuan dari penelitian ini adalah untuk menyajikan tinjauan komprehensif tentang penggunaan AI dalam mendeteksi hama dan penyakit tanaman eucalyptus dengan menggunakan metode Systematic Literature Review (SLR). Penelitian ini mengidentifikasi, mengevaluasi, dan menganalisis literatur yang relevan dengan topik penelitian dari berbagai sumber digital. Penelitian ini juga memberikan gambaran menyeluruh tentang perkembangan terkini, metode-metode yang digunakan, hasil-hasil yang dicapai, serta tantangan dan peluang yang ada dalam bidang penelitian AI untuk deteksi hama dan penyakit tanaman eucalyptus.