Jurnal Ilmu Komputer dan Agri-Informatika

Rancang Bangun Sistem Ketertelusuran Kopi dengan Implementasi QR-Code pada Platform Android

Setyo Pertiwi, Riski Arifani — Sat, 31 May 2025 22:17:55 +0700

Kopi merupakan salah satu komoditas perkebunan utama Indonesia dengan cita rasa yang khas karena pengaruh berbagai faktor. Untuk menjaga kualitas rasa kopi, penting untuk mengetahui informasi perjalanan bahan baku dari tingkat petani hingga ke pabrik pengolah melalui sistem ketertelusuran. Penelitian ini bertujuan mengidentifikasi rantai pasok kopi di Pulau Sumatra dan Pulau Jawa serta mengembangkan prototipe sistem ketertelusuran dengan implementasi QR Code pada platform Android yang dinamakan Tracko. Penelitian dilaksanakan dengan menggunakan metode System Development Life Cycle (SDLC) yang disesuaikan dengan kebutuhan Tracko. Tahap pertama adalah investigasi rantai pasok dengan aktor utama seperti petani, pengepul, pedagang besar, pabrik pengolahan, kedai kopi, eksportir, dan konsumen. Prototipe Tracko difokuskan pada petani dan pabrik pengolahan kopi sebagai pengguna utama, sementara pengepul dan pedagang besar hanya berperan sebagai penyalur tanpa akses menambah informasi produk. QR Code pada Tracko memuat kode unik produk untuk mengakses informasi dari server. Pengujian alpha menunjukkan semua fungsi Tracko berjalan baik, sedangkan pengujian beta menunjukkan aplikasi mudah digunakan namun masih perlu penyempurnaan untuk memenuhi kebutuhan pabrik pengolahan secara efektif.

Topic Modelling on Beauty Product Reviews Using Latent Dirichlet Allocation

Ade Sarah Huzaifah, Rossy Nurhasanah, R. A. Fattah Adriansyah — Sat, 31 May 2025 21:33:56 +0700

In contemporary society, beauty products have become essential, particularly for women. With their growing popularity, online review platforms now provide extensive information on product trends, customer satisfaction, and performance. However, the sheer volume of available reviews presents challenges in drawing meaningful conclusions. To address this, topic modeling techniques such as Latent Dirichlet Allocation (LDA) have been widely employed in text mining and information retrieval. LDA is a probabilistic model capable of uncovering latent structures within textual data and identifying similarities across documents. Recent studies suggest that topic modeling of product reviews in the cosmetics industry can yield valuable insights into consumer perceptions and product attributes. This study aims to identify thematic patterns in customer reviews of ten facial cleanser brands sourced from the Female Daily website. The research methodology consists of five main stages: data collection, preprocessing, topic modeling using LDA, visualization, and topic interpretation. The results reveal that Topic 2, which highlights preferred product advantages, is the most frequently discussed, accounting for 48.5% of the total reviews. Topic 1, which focuses on the effects of products on acne-prone skin, constitutes 38%, while Topic 3, emphasizing products with natural ingredients, makes up 13.5% of the reviews. These findings can assist businesses in developing products that align more closely with consumer preferences. Moreover, they support prospective buyers in making informed purchasing decisions by enhancing their understanding of product attributes based on user experiences

Edukasi Batik dan Kujang Bogor melalui Game Arcade Berbasis 3D dan Fuzzy

Kamel Mahdi, Eneng Tita Tosida, Sufiatul Maryana — Sat, 31 May 2025 21:23:44 +0700

Batik adalah bagian dari warisan budaya yang terus berkembang hingga saat ini di Indonesia, salah satunya adalah batik Bogor yang memiliki motif unik seperti hujan gerimis dan kujang. Dalam era teknologi modern, upaya memperkenalkan batik dan kujang kepada generasi muda melalui media pembelajaran digital sangat penting. Penelitian ini mengembangkan game arcade edukasi 3D berbasis fuzzy mamdani menggunakan metode Multimedia Development Life Cycle (MDLC) untuk mengenalkan budaya batik dan kujang Bogor secara interaktif. Hasil pengujian alpha dan beta menunjukkan tingkat kepuasan pengguna sebesar 84%, serta game ini secara efektif mengintegrasikan logika fuzzy untuk mengatur percepatan pemain. Game "Batik dan Kujang Bogor" tidak hanya menawarkan pengalaman bermain yang seru tetapi juga menjadi alat edukasi yang mempromosikan budaya lokal Indonesia.

Analisis Pembiayaan Sistem Digital Signage dengan Metode Function Point Analysis pada Industri F&B

Dede Rukmana, Hustinawati — Sat, 31 May 2025 21:18:21 +0700

Digital Signage merupakan teknologi strategis dalam industri makanan dan minuman (F&B) yang memungkinkan penyampaian konten dinamis, seperti menu, promosi, dan iklan secara real-time, sehingga meningkatkan pengalaman pelanggan dan efisiensi operasional. Sistem Digital Signage pada penelitian ini dirancang menggunakan arsitektur microservices berbasis Java Spring Boot dan React JS, serta terintegrasi dengan platform MagicInfo untuk mendukung manajemen konten secara efisien. Fitur Sync Play memungkinkan penayangan konten secara sinkron di berbagai layar. Penelitian ini bertujuan untuk mengukur fungsionalitas dan kompleksitas sistem menggunakan metode Function Point Analysis (FPA), guna menghasilkan estimasi yang akurat terkait upaya, biaya, dan waktu pengembangan. Hasil perhitungan menunjukkan selisih antara estimasi dan ukuran aktual sebesar 1,68%, yang mencerminkan tingkat akurasi tinggi dari metode ini. Penelitian ini diharapkan dapat mendukung transformasi digital di industri F&B melalui implementasi solusi Digital Signage yang inovatif dan efektif.

Pemodelan Prediksi Perdagangan Satwa Liar Menggunakan Algoritma k-Nearest Neighbor

Angela Primasari, Irman Hermadi, Medria Hardhienata — Sat, 31 May 2025 21:14:37 +0700

Perdagangan satwa liar dengan pengawasan yang tidak optimal dapat merupakan salah satu ancaman yang mampu memberikan dampak signifikan bagi keberlangsungan keanekaragaman hayati. Beberapa spesies hewan seperti mamalia dan reptil saat ini terancam punah dengan adanya perdagangan satwa liar yang tidak terpantau dengan baik. Praktik perdagangan satwa liar kerap ditemukan di berbagai media, termasuk situs internet, karena kemudahan akses yang ditawarkan kepada masyarakat luas. Namun jika data tersebut diolah secara manual maka dibutuhkan waktu, tenaga, dan upaya yang cukup besar. Oleh sebab itu, dibutuhkan sebuah pendekatan berbasis kecerdasan buatan untuk mengidentifikasi wilayah dengan aktivitas perdangan satwa liar yang tinggi dan berpotensi melampai batas perdagangan satwa liar yang diizinkan. Penelitian ini bertujuan untuk membangun sebuah model yang dapat melakukan prediksi area yang rawan perdagangan satwa liar. Algoritma yang digunakan dalam penelitian ini adalah algoritma clustering K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan aktivitas perdagangan satwa liar, serta algoritma k-Nearest Neighbor untuk melakukan prediksi tingkat kerawanan wilayah perdagangan satwa liar. Selain itu, metode Market Basket Analysis digunakan untuk mengidentifikasi pola asosiasi dalam perdagangan satwa liar antar negara. Data yang digunakan merupakan data perdagangan satwa liar dari berbagai negara pada tahun 2018 hingga 2020. Dengan menggunakan pendekatan clustering, dalam penelitian ini diklasifikasikan tiga wilayah dengan potensi kerawanan perdagangan satwa liar, yaitu wilayah dengan resiko rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa model prediksi yang dibangun mampu memprediksi wilayah rawan perdagangan satwa liar dengan tingkat akurasi model training sebesar 99% dengan data impor dan 100% dengan data ekspor. Setelah dievaluasi dengan 3-cross fold validation, akurasi model yang diperoleh adalah sebesar 97% untuk data impor dan 98% untuk data ekspor. Hasil akurasi model testing dalam penelitian ini adalah sebesar 100% dengan data impor maupun ekspor. Melalui pendekatan metode market basket analysis, penelitian ini menyimpulkan dengan data yang dipertimbangkan belum ditemukan pola asosiasi yang kuat dalam aktivitas perdagangan satwa liar antara satu negara spesifik dengan negara lainnya.

Meningkatkan Usability dalam Aplikasi Pendidikan: Studi Qualitiva menggunakan System Usability Scale dan Metode Heuristic

Marutha Berlianti, Usman Ependi, Yesi Novaria Kunang, A. Haidar Mirza — Sat, 31 May 2025 21:11:19 +0700

Studi ini mengevaluasi kegunaan aplikasi Qualitiva menggunakan metode System Usability Scale (SUS) dan Heuristic Evaluation (HE). Tujuan dari penelitian ini adalah untuk mengidentifikasi kekuatan dan kelemahan aplikasi, serta memberikan rekomendasi perbaikan. Pendekatan kuantitatif digunakan dengan mendistribusikan kuesioner SUS kepada 100 responden, sementara pendekatan kualitatif melibatkan evaluasi heuristik oleh dua ahli usability. Hasil menunjukkan skor rata-rata SUS sebesar 69,00 (Grade C), yang menunjukkan penerimaan pengguna secara umum namun menyoroti beberapa area yang perlu perbaikan dalam kecepatan, desain, keamanan data, dan efisiensi sistem. Evaluasi heuristik mengidentifikasi masalah seperti kejelasan status sistem, penggunaan terminologi yang ramah pengguna, desain antarmuka, dan fitur pencegahan kesalahan. Penelitian ini meningkatkan pemahaman tentang kegunaan dalam aplikasi pendidikan dan memberikan rekomendasi yang dapat ditindaklanjuti untuk meningkatkan pengalaman pengguna, termasuk mengoptimalkan kecepatan, memperbaiki antarmuka, dan meningkatkan panduan pengguna.

Pengembangan Modul Front-End KMS Desa Digital untuk meningkatkan adopsi Inovasi Digital pada Desa di Indonesia

Yani Nurhadryani, Fitria Nuryantika, Irman Hermadi, Hafidlotul Fatimah Ahmad — Sat, 31 May 2025 21:07:41 +0700

Indonesia memiliki jumlah desa yang sangat besar, yaitu sebanyak 83.794 desa, sehingga transformasi digital memegang peranan penting dalam meningkatkan kesejahteraan masyarakat pedesaan. Desa digital adalah desa yang menerapkan teknologi informasi untuk mendorong efisiensi pelayanan publik, penguatan ekonomi masyarakat desa, serta peningkatan kualitas hidup masyarakat desa. Namun, rendahnya literasi digital dan terbatasnya kapasitas sumber daya manusia masih menjadi kendala dalam implementasi desa digital. Penelitian sebelumnya yang bekerja sama dengan FAO pada program Digital Village Initiative (2023) telah menghimpun data melalui pendekatan etnografi terhadap 160 desa digital dan 100 inovasi digital yang dikategorikan dalam 10 kelompok, seperti Agri-Food Marketing and E-commerce, E-Government, Smart Farming, dan Social Service. Sayangnya, informasi desa digital saat ini tersebar secara tidak terstruktur sehingga sulit diakses dan dimanfaatkan oleh desa lain. Penelitian ini bertujuan mengembangkan platform Knowledge Management System (KMS) desa digital menggunakan pendekatan Prototyping melalui tahapan komunikasi, perencanaan cepat, desain, pembuatan prototipe, dan evaluasi. KMS ini ditujukan bagi inovator, perangkat desa, dan masyarakat desa, serta dapat diakses secara publik. Modul yang dikembangkan memuat informasi inovasi digital dalam 10 kategori beserta deskripsinya, profil inovator, profil desa digital, serta fitur asesmen kesiapan digital desa. Hasil ini diharapkan dapat mempercepat diseminasi pengetahuan dan adopsi inovasi digital antar desa di Indonesia.

Pengembangan Model Prediksi Kelulusan Calon Mahasiswa Sarjana pada Sistem Seleksi SNMPTN IPB

Wadudi Muthahari, Sony Hartono Wijaya, Utami Dyah Syafitri — Sat, 31 May 2025 21:01:36 +0700

Since 2019, the SNMPTN selection process at IPB has used web-based selection media and specific algorithms. However, the process has not yet implemented machine learning-based modeling that can provide recommendations on a student's likelihood of being accepted as an IPB student. This study aims to find out what factors influence prospective students passing the IPB SNMPTN pathway and to develop machine learning modeling using Random Forest and Binary Logistic Regression. Four models were built and trained using hyperparameter tuning. The first model uses all features without balancing. The second model uses all features and SMOTE. The third model uses feature selection and SMOTE, and the fourth uses feature selection by Expert Adjustment (EA) and SMOTE. The results show that the models tested using test data with SMOTE data balancing consistently show higher recall values compared to models without data balancing. The third model with Binary Logistic Regression on West Java data and the second model with Binary Logistic Regression on Non-West Java data show the best recall values of 88.93% and 86.91%, respectively. The modeling results also show that the order of college selection, school index category, academic achievements, and program of study choice significantly impact the prediction of applicants’ passing.

Pengembangan Virtual Reality Walking Tour untuk Eksplorasi Jajanan Tradisional di Lawang Rangga Gading, Kota Bogor

Sat, 31 May 2025 20:56:10 +0700

Meningkatnya minat untuk melestarikan warisan budaya Indonesia, khususnya di Kota Bogor, memotivasi metode inovatif dalam pariwisata. Pandemi COVID-19 mempercepat pengembangan pariwisata virtual, yang memungkinkan pengalaman melalui platform digital, yang meluas ke ekowisata untuk pelestarian lingkungan dan inklusivitas. Studi ini memperkenalkan tur jalan kaki realitas virtual untuk memelihara dan mempromosikan situs sejarah dan budaya Bogor, dengan fokus pada Lawang Rangga Gading, pusat kuliner yang direvitalisasi. Penelitian ini menggabungkan teknik video imersif 360 dan prinsip desain interaksi untuk memberikan pengalaman yang menarik. Fitur desain utama meliputi pengembangan naratif berdasarkan sejarah lokal, navigasi adegan, dan gamifikasi menggunakan Octalysis Framework untuk memperkaya pengalaman pengguna. Sebagai kesimpulan, studi ini berhasil menunjukkan penggunaan tur jalan kaki VR untuk melestarikan dan mempromosikan warisan budaya Bogor, khususnya di Lawang Rangga Gading. Pengujian pengguna menggunakan SUS mengungkapkan skor rata-rata 62,3, yang menunjukkan sistem yang dikembangkan memiliki rentang penerimaan yang sangat tinggi. Ada beberapa area yang perlu ditingkatkan: meningkatkan kemampuan belajar, menyediakan navigasi yang lebih mudah untuk mengurangi bantuan teknis, dan meningkatkan kejelasan sistem.

Analisis Keamanan Informasi pada Sistem Komputerisasi Terpadu Menggunakan Metode Indeks KAMI dan Octave Allegro

Muhammad Said Hasibuan, Nuzul Rahmat Romadhoni, Kurnia Muludi — Sat, 31 May 2025 20:52:31 +0700

Transformasi digital meningkatkan pelayanan publik melalui teknologi, seperti Sistem Komputerisasi Terpadu di Kementerian XYZ, yang memproses data secara terpadu. Namun, ancaman keamanan data menjadi perhatian utama. Upaya mitigasi melibatkan Indeks KAMI untuk evaluasi keamanan berbasis ISO 27001 dan metode OCTAVE Allegro untuk identifikasi risiko aset informasi, sehingga mendukung pengelolaan data yang aman dan andal. Penelitian ini dimulai dengan identifikasi masalah keamanan informasi, dilanjutkan tinjauan pustaka terkait teori, standar, dan metode seperti Indeks KAMI dan Octave Allegro. Data dikumpulkan melalui observasi, wawancara, dan kuesioner, lalu dianalisis menggunakan kedua metode tersebut. Berdasarkan penilaian Indeks KAMI menunjukkan skor 570 dengan predikat “Cukup Baik”. Sedangkan dalam penilaian Octave Allegro menghasilkan 4 dari 5 area risiko memiliki kategori mitigate or transfer dan 1 area lainya berkategori defer. Risiko seperti pencurian perangkat dapat ditangani kantor kabupaten, sementara risiko besar seperti peretasan atau kegagalan backup ditransfer ke kantor pusat untuk mitigasi lebih lanjut. Analisis keamanan informasi dengan Indeks KAMI dan Octave Allegro menunjukkan bahwa kantor kabupaten memiliki pencapaian baik dalam kepatuhan ISO 27001, namun pengelolaan risiko masih bergantung pada kantor pusat. Octave Allegro lebih efektif dalam mengidentifikasi dan menangani risiko, sehingga cocok digunakan untuk instansi dengan kewenangan yang terbatas.

Penerapan Metode K-Nearest Neighbor dan Support Vector Machine untuk Klasifikasi Kematangan Buah Mengkudu

Siti Gayatri Hehanussa, Sony Hartono Wijaya, Toto Haryanto — Sat, 31 May 2025 20:47:31 +0700

Buah mengkudu (Morinda citrifolia) merupakan salah satu komoditas ekspor buah-buahan di Indonesia yang selalu tersedia di setiap musim dan dikenal memiliki berbagai manfaat kesehatan. Buah mengkudu berasal dari wilayah Asia Tenggara, termasuk Indonesia, dan sering digunakan dalam pengobatan tradisional. Pada umumnya masyarakat menentukan kematangan buah mengkudu secara manual, yaitu dengan menggunakan penampakan visual. Hal ini menyebabkan adanya perbedaan persepsi dalam menentukan tingkat kematangan buah mengkudu. Oleh karena itu, penelitian ini bertujuan membangun model machine learning untuk klasifikasi tingkat kematangan buah mengkudu. Metode klasifikasi yang digunakan adalah K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM) dengan menggunakan ekstraksi fitur warna Hue Saturation Intensity (HSI) dan ekstraksi fitur tekstur Local Binary Pattern (LBP). Pengklasifikasian yang dilakukan pada buah mengkudu dengan algoritma KNN menghasilkan model klasifikasi yang lebih baik daripada menggunakan algoritma SVM. Akurasi terbaik yang dihasilkan oleh KNN sebesar 88.62% pada k=11, sedangkan akurasi terbaik SVM dengan kernel polynomial sebesar 87.80%, menggunakan parameter C=0.1 Gamma=1, Degree=5, dan coef0=1.0. Hasil ini didapatkan dari data latih dan data uji dengan perbandingan 80:20.

Rekomendasi dan Kontrol Penyiraman Tanaman Berbasis Internet of Things menggunakan Aplikasi Mobile

Syafei Karim, Eny Maria, Adelia Juli Kardika, Imron, Eko Junirianto — Sat, 31 May 2025 20:19:11 +0700

Pertanian merupakan salah satu sektor yang sangat penting bagi Indonesia untuk memenuhi kebutuhan pangan masyarakatnya. Dalam pertanian, banyak hal yang harus diperhatikan khususnya tanah yang digunakan untuk bertanam seperti pH tanah, natrium (N), fosfor (P), kalium (K), dan juga kelembaban tanah. Untuk melakukan pengecekan kondisi tanah, petani perlu menggunakan alat bantu dalam pengecekannya. Terdapat konsep yang dapat digunakan untuk mengecek dan memantau kondisi tanah dengan memanfaatkan perangkat keras dan perangkat lunak yang berkomunikasi dengan internet. Konsep tersebut dinamakan dengan Internet of Things. Pada penelitian ini menerapkan konsep Internet of Things untuk memantau kondisi tanah dan kontrol pompa penyiraman serta memberikan rekomendasi penyiraman berdasarkan dari data sensor suhu dan kelembaban tanah. Sistem yang digunakan pada penelitian ini terdiri dari sensor node dan pompa node. Berdasarkan hasil pengujian, sensor dapat berfungsi secara baik dengan berhasil mengirimkan data ke Thingsboard dan dapat ditampilkan pada aplikasi mobile serta memberikan rekomendasi penyiraman. Rekomendasi yang diberikan sistem tidak semua dilakukan oleh petani karena tergantung dengan cuaca yang ada di lokasi lahan

Kinerja Low-Cost Chlorophyll Meter pada Pengukuraan Indeks Klorofil Daun Srikaya Jumbo

Sat, 31 May 2025 00:00:00 +0700

Salah satu faktor yang mempengaruhi hasil panen yaitu kondisi unsur hara pada tanaman. Kondisi unsur hara pada tanaman khususnya nitrogen dapat diidentifikasi melalui kandungan klorofil pada daun tanaman yang dapat diukur menggunakan klorofil meter. Namun, klorofil meter yang ada saat ini harganya masih mahal, selain itu masih memiliki kelemahan seperti penyimpanan data yang terbatas, dan data akan hilang jika tidak ada catu daya. Pada makalah ini, telah dikembangkan klorofil meter berbasis ESP32 yang dapat menyimpan data chlorophyll content index (CCI) pada modul memori sehingga data CCI dapat digunakan untuk analisis status nitrogen, tanaman yang diukur kandungan klorofilnya yaitu tanaman srikaya jumbo. Metode penelitian yang digunakan meliputi kajian pustaka dari penelitian-penelitian sebelumnya, perancangan, realisasi dan pengujian kinerja perangkat klorofil meter berbasis ESP32 dibandingkan dengan klorofil meter TYS-A pada pengukuran kandungan klorofil daun tanaman srikaya jumbo. Hasil pengujian menunjukkan nilai koefisien determinasi (R²) antara nilai TYS-A dengan nilai klorofil meter berbasis ESP32 adalah 0.9517, hal ini menunjukkan korelasi yang signifikan. Klorofil meter berbasis ESP32 telah berfungsi dengan baik, yaitu mampu mengukur indeks klorofil tanaman srikaya jumbo, dan menyimpan data indeks klorofil pada modul memori. Klorofil meter berbasis ESP32 dapat digunakan sebagai alternatif yang murah dari klorofil meter TYS-A.

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

Ulfa Khaira, Edi Saputra, Ade Adriadi — Sat, 30 Nov 2024 23:18:24 +0700

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

May Linda Tri Alfianti, Raden Supriyanto — Sat, 30 Nov 2024 23:16:30 +0700

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

Yulianto Yulianto, Miftahul Huda — Sat, 30 Nov 2024 23:06:43 +0700

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

Sat, 30 Nov 2024 23:04:15 +0700

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)

Indah Pratiwi, Yani Nurhadryani, Irman Hermadi — Sat, 30 Nov 2024 23:01:28 +0700

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

Khairani, Imas Sukaesih Sitanggang, Toto Haryanto, Aziz Kustiyo — Sat, 30 Nov 2024 22:58:50 +0700

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

Eko Praja Hamid Wijaya, Wisnu Ananta Kusuma, Sony Hartono Wijaya — Sat, 30 Nov 2024 22:56:10 +0700

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.