Jurnal Ilmu Komputer dan Agri-Informatika

The Multivariate Forecasting of Chicken and Beef Prices Involving Weather, Economic, and Health Factors Using the Gated Recurrent Unit Method

Muhammad Ikhsan Ananda — Wed, 28 Jun 2023 22:51:00 +0700

Food security, especially in the livestock sector in the form of broiler chicken and beef cattle, is a strategic issue for Indonesia to always be able to balance supply and demand for these food commodities. Food price forecasting is needed to mitigate rising food prices for these commodities. Previous research on food price forecasting was only univariate forecasting and comparison of error results between forecasting algorithms. This study aims to perform multivariate forecasting of broiler and beef cattle prices in DKI Jakarta by involving weather, economic, and health factors using the Gated Recurrent Unit (GRU) algorithm where the accuracy test is based on the MAPE value. The GRU algorithm for multivariate forecasting of broiler and beef cattle prices yielded an average MAPE for training and testing of 0.471% and 1.150% indicating that all models in the very good accuracy category for multivariate forecasting of broiler and beef cattle were represented. In addition, the model also produces deviations between MAPE values in the training data and test data which are not too different so that the model developed with each price of broiler chicken and beef cattle is categorized in the best fitting category.

Analisis Perbandingan Performa Model Klasifikasi Kesehatan Daun Tomat menggunakan arsitektur VGG, MobileNet, dan Inception V3

Wed, 28 Jun 2023 22:49:55 +0700

Salah satu masalah dalam bidang pertanian tanaman tomat adalah adanya penyebaran penyakit pada tanaman tomat ketika ada tanaman tomat yang terkena penyakit dan terlambat diketahui serta tidak ditangani segera. Banyak penelitian tentang pengenalan klasifikasi pada penyakit tanaman tomat dengan metode convolutional neural network (CNN). Namun, peneliti terus melakukan pembelajaran mendalam pada berbagai tugas klasifikasi objek berbasis gambar. Dalam makalah ini, beberapa model akan dilakukan uji coba untuk mengklasifikasi kesehatan daun tanaman tomat guna dapat mengidentifikasi tanaman tomat yang terkena penyakit. Metode yang diusulkan menggunakan pendekatan CNN dengan arsitektur VGG, MobileNet, dan Inception V3. Data citra yang digunakan berasal dari plant disease classification merged (public dataset) memiliki banyak kategori gambar yang digunakan dalam karya eksperimental. Dari hasil eksperimen menunjukkan bahwa masing- masing model telah mencapai kinerja akurasi 98%, 93% dan 88% untuk InceptionV3, VGG, dan Mobile Net. Hasil diperoleh bahwa model dengan urutan terbaik dalam memproses data didapatkan oleh Inception V3, lalu VGG dan Mobile Net. walaupun demikian, mobileNet tetap memiliki efektifitas dan efisiensi saat menjalankan model yang jauh lebih baik daripada Inception V3 dan VGG.

Perancangan Sistem Informasi Pertanian untuk Meningkatkan Partisipasi Petani dengan Pendekatan Gamifikasi

Mochammad Arief Hermawan Sutoyo, Dana Indra Sensuse — Wed, 28 Jun 2023 22:49:04 +0700

Sektor pertanian di Indonesia merupakan sektor penting untuk perekonomian dan stabilitas negara. Data dan informasi terkait komoditas pertanian dianggap penting oleh pemerintah yang dibuktikan dengan peraturan pemerintah yang mengatur permasalahan tersebut. Walau dianggap penting, namun masih terdapat masalah pada data pertanian, seperti tidak tepatnya data pertanian, bantuan pemerintah yang tak tepat sasaran dan permasalahan lahan pertanian yang di alih gunakan. Untuk mengatasi permasalahan ini, penulis memiliki hipotesa untuk membuat sistem informasi pertanian yang datanya dapat dimasukan secara mandiri. Selama penelitian berlangsung, didapatkan bahwa sistem informasi yang sejenis telah dibuat, namun berdasarkan wawancara oleh narasumber, diketahui bahwa sistem tersebut mengalami kegagalan disebabkan tidak adanya motivasi petani untuk memasukan datanya menggunakan sistem informasi. Berdasarkan permasalahan ini peneliti mencoba merancang sistem informasi menggunakan gamifikasi yang diharapkan dapat meningkatkan motivasi petani. Penelitian dilakukan menggunakan metodologi SSM yang dimofikasi dengan metodelogi perancangan gamifikasi. Setelah prototipe di sebarkan kepada pengguna yaitu petani, akademisi, pengusaha dan pemerintah terkait, skor dari kuesioner SUS adalah 60%, namun kebanyakan pengguna menyatakan bahwa akan menggunakan sistem informasi ini jika benar-benar diterapkan. Hasil penelitian ini juga ditemukan bahwa penggunaan gamifikasi dapat dimanfaatkan, namun belum terlalu menonjol kebermanfaatannya karena sistem masih berupa konsep dan diperlukannya perancangan yang berfokus pada satu komoditas terlebih dahulu dikarenakan berbedanya rantai pasok antara komoditas pertanian di Indonesia.

Prototipe Mobile GIS Kandungan Hara Lahan Spesifik Lokasi

Wed, 28 Jun 2023 22:48:06 +0700

Untuk memenuhi kebutuhan pangan yang semakin tinggi maka produktivitas usaha pertanian perlu ditingkatkan. Salah satu yang penting dilakukan untuk mendorong peningkatan produksi adalah menyediakan informasi karakteristik hara lahan kepada petani secara akurat, tepat dan mudah. Jika petani memahami kondisi area yang ditanami maka mereka dapat menentukan teknik budidaya yang sesuai. Dengan semakin banyaknya petani yang menggunakan smartphone, maka penting adanya sistem informasi geografis yang berjalan di perangkat mobile (mobile GIS) yang dapat memberikan informasi kandungan hara lahan spesifik lokasi. Penelitian ini akan mengembangkan prototipe mobile GIS untuk perangkat berbasis Android. Diharapkan dengan aplikasi ini petani dapat menentukan lokasi yang menjadi perhatian melalui menu pencarian lokasi atau menggunakan GPS di perangkat. Setelah lokasi ditentukan, sistem akan memperlihatkan peta dan tabel kandungan hara di wilayah tersebut. Aplikasi ini menghasilkan fitur utama berupa peta yang menampilkan kandungan nitrogen, phospor dan kalium serta kondisi keasaman tanah (pH) di lokasi tertentu di Jawa Barat. Sistem yang dikembangkan dilengkapi dengan petunjuk penggunaan fitur dan glosarium untuk membantu pengguna dalam menggunakan aplikasi dan memahami istilah penting yang terdapat di dalam aplikasi. Prototipe yang dihasilkan merupakan produk awal yang bersifat umum dan merupakan bagian dari usaha untuk mencari bentuk interaksi antarmuka yang tepat dan arsitektur sistem yang adaptif.

Evaluasi Efisiensi Kinerja Web API Menggunakan Object Relational Mapping Pada Aplikasi Point Of Sale Menggunakan ISO 25010

Nur Rahmat Dwi Riyanto — Wed, 28 Jun 2023 22:46:28 +0700

Aplikasi Point of Sale merupakan aplikasi yang menangani suatu kegiatan transaksi penjualan dan pembelian suatu produk. Pada penelitian ini aplikasi Point of Sale berbasis android tersebut dikembangkan dengan menggunakan pendekatan Object Relational Mapping untuk mengatasi (Impedance Mismacth) dan meningkatkan produktifitas, performa dan maintainability sistem. Sehingga penerapan pendekatan Object Relational Mapping tersebut perlu dilakukan evaluasi untuk mengukur kualitas suatu sistem. ISO/IEC 25010 merupakan salah satu standar pengukuran sistem internasional yang memiliki 6 karakteristik pengukuran salah satu nya adalah pengukuran Performance Efficiency (Efisiensi Kinerja) suatu sistem. Performance Efficiency (Efisiensi Kinerja) memilik 3 sub karakteristik yaitu Time Behavior (Perilaku Waktu), Resource Utilization (Pemanfaatan Sumber Daya), dan Capacity (Kapasitas). Web API Point Of Sale yang menerapkan pendekatan Object Relational Mapping (ORM) telah memenuhi standar Performance Efficiency (Efisiensi Kinerja) yang lebih baik di bandingkan dengan Web API yang tidak menggunakan pendekatan Object Relational Mapping dengan rata-rata selisih response time 14.8 milisecond ketika di uji per 1 user. Dan memiliki rata-rata response time yang lebih cepat dan throughput yang lebih tinggi ketika di uji dengan banyak user secara bersamaan.

Pengujian Tahap Beta Literasik: Permainan Edukasi Bahasa Indonesia

Gerardo Keandre Lisrianto, Ahmad Ridha — Wed, 31 May 2023 16:46:42 +0700

Penulisan perlu memperhatikan tata bahasa dan aturan yang berlaku seperti Ejaan Bahasa Indonesia yang Disempurnakan (EYD V), tetapi kesalahan penulisan masih sering terjadi bahkan di tingkat perguruan tinggi. Literasik telah dikembangkan sebagai sarana edukasi penggunaan Bahasa Indonesia yang sesuai dengan pedoman penulisan dengan menguji pengguna untuk menemukan kesalahan pada penulisan kata, pemakaian huruf kapital, dan penggunaan tanda baca. Pengembangan lebih lanjut memerlukan pengujian tahap beta ke target pengguna sekaligus untuk mendapatkan masukan agar Literasik siap untuk dirilis. Dari pengujian dan survei, ditemukan nilai engagement Literasik berada pada rentang nilai baik hingga sangat baik. Focused attention menjadi aspek dengan nilai terendah yang berarti daya Literasik untuk membuat pemain fokus pada permainan masih bisa dikembangkan. Berdasarkan survei pengguna, Literasik disesuaikan dengan penambahan suara latar belakang, penyingkatan waktu respons jawaban, dan penambahan tombol untuk keluar dari permainan.

Strategi Implementasi Aplikasi Mobile KMS Sawit Rakyat Berbasis Rural Participatory

Wed, 31 May 2023 00:00:00 +0700

Aplikasi Mobile KMS Sawit telah dikembangkan pada tahun 2020 dengan harapan dapat membantu mengatasi masalah yang dialami oleh petani sawit mandiri dalam meningkatkan produktivitas perkebunan sawit rakyat. Aplikasi mobile knowledge management system (KMS) sawit rakyat merupakan aplikasi yang memiliki fungsi utama yaitu saling berbagi pengetahuan ke sesama pengguna aplikasi. Penelitian ini bertujuan untuk melakukan strategi implementasi aplikasi kepada para petani sawit agar dapat diterima dan diadopsi oleh petani serta usability testing untuk mengukur tingkat penerimaan aplikasi serta mengetahui kendala petani dalam menggunakan aplikasi. Penelitian ini dilakukan menggunakan metode implementasi KM – IRIS dengan pendekatan Participatory Rural Apprasial (PRA) dan usability testing terhadap aspek learnability, efficiency, dan error dengan memberikan beberapa skenario tugas. Hasil implementasi aplikasi menyatakan bahwa petani dapat menerima dan berinteraksi dengan aplikasi. Hasil pengujian dan perhitungan usability testing menunjukkan nilai learnability sebesar 91,5% , Efficiency sebesar 0,0864, dan Error 0,56 yang berarti tingkat kesuksesan para petani dalam menggunakan sistem sudah berada di atas rata-rata, penyelesaian task yang tergolong cepat dan jumah error yang di bawah rata-rata. Berdasarkan hasil tersebut maka sudah menunjukkan bahwa aplikasi mobile knowledge management system (KMS) sawit rakyat dapat digunakan dengan mudah dan cepat.

YOLO V5 untuk Deteksi Plat Kendaraan di DKI Jakarta

Reezky Illmawati, Hustinawati — Wed, 31 May 2023 00:00:00 +0700

Aturan ganjil genap pada pelat nomor kendaraan di DKI Jakarta bertujuan untuk mengurangi kemacetan yang terjadi di DKI Jakarta. Penerapan peraturan tersebut terkendala oleh keterbatasan fungsi pengawasan manual oleh petugas. Permasalahan tersebut dapat diatasi dengan mengimplementasikan kecerdasan berupa pendeteksian objek plat nomor dengan algoritma YOLO v5 dan proses ekstraksi karakter dengan teknologi Optical Character Recognition menggunakan Tesseract OCR. Teknologi pendeteksi objek akan mendeteksi objek berupa plat kendaraan. Metode OCR dapat mengekstraksi karakter pada plat nomor, hasil ekstraksi dapat diolah menjadi kategorisasi parameter sehingga program dapat membedakan kendaraan yang melanggar aturan dan tidak melanggar aturan secara otomatis dan lebih efektif serta meminimalisir kesalahan. Berdasarkan penelitian ini, rata-rata persentase objek yang terdeteksi pada setiap video adalah 92,38%, dan rata-rata nilai kepercayaan yang diperoleh pada deteksi objek antara 75,55%. Tingkat keberhasilan proses ekstraksi karakter pada plat nomor adalah 95,45%, dan rata-rata proporsi menurut kategori pelat nomor yang terdeteksi adalah 97,2%. Implementasi Algoritma YOLO berhasil mendeteksi plat nomor dengan kategori ganjil dan genap pada video yang dapat memberikan rambu-rambu dan menyelamatkan pelanggaran kendaraan yang melanggar aturan ganjil dan genap.

Manajemen dan Pencatatan Ternak Berbasis Internet Of Things Pada Program Penggemukan Kambing

Nanda Amaliatus Sholicha, Randali Irfandi, Carles Turawan — Wed, 31 May 2023 00:00:00 +0700

Indonesia memiliki potensi besar di bidang agraria, khususnya peternakan. Potensi tersebut terlihat pada komoditas kambing yang permintaan pasarnya selalu tumbuh eksponensial. Fakta lapangan di Indonesia ditemukan beberapa kelemahan dalam sistem pengelolaan pendataan ternak kambing atau recording. Pencatatan ternak di Indonesia masih menerapkan metode konvensional dengan kepemilikan individu menggunakan kertas, tidak menggunakan RFID, tidak adanya kontrol dan monitoring kondisi kandang (suhu, kelembaban, gas amoniak) yang akan mempengaruhi pertumbuhan ternak jika kondisi kandang tidak stabil, dan belum menerapkan jadwal dan laporan pemberian pakan. Tujuan dari penelitian ini adalah menciptakan suatu gagasan pencatatan recording elektronik berbasis IoT dengan mobile system guna mempermudah proses pencatatan ternak. Metode yang digunakan adalah metode IoT yang meliputi tahapan: analisis, desain, implementasi, dan pengujian. Aplikasi Smart Goat ini memiliki beberapa fitur yaitu manajemen data ternak, komposisi serta pemberian pakan, pemantauan suhu dan intensitas cahaya, kelembaban, gas amonia, pemantauan bobot badan dan pengontrol suhu. Adapun keunggulan Smart Goat ini adalah aplikasinya dapat diakses dari mana saja dan kapan saja melalui internet, sistem ini juga dilengkapi dengan sensor RFID, timbangan digital, serta pengontrol dan pemantau kadang terintegrasi dengan server. Hal ini membuat data yang terupdate dalam sistem akan lengkap, cepat, tepat, dan akurat.

Menumbuhkan Talenta Desain Pengalaman Pengguna Melalui ACM SIGCHI Student Chapter: Refleksi dari IPB University

Wed, 31 May 2023 00:00:00 +0700

Student chapter adalah bagian integral dari asosiasi ilmiah yang misinya untuk memajukan ilmu pengetahuan sambil memperkenalkan mahasiswa pada dunia ilmiah dan profesional. IPB University ACM SIGCHI Student Chapter didirikan pada tahun 2019 sebagai student chapter pertama di Indonesia, mungkin bahkan di Asia Tenggara. Student chapter ini secara bertahap telah menjadi komunitas praktik yang menghubungkan mahasiswa, dosen, dan alumni dengan minat atau bahkan profesi di bidang desain pengalaman pengguna (UXD) terkait. Kami mengidentifikasi faktor-faktor kunci dan strategi-strategi yang memungkinkan babak mahasiswa kami berkembang. Kami juga telah mengamati dampak kegiatan babak mahasiswa pada kompetensi mahasiswa dalam UXD. Meskipun penelitian sebelumnya telah membahas kompetensi pengalaman pengguna dan cara mengajarkannya di universitas, kami menemukan sedikit literatur tentang pengukuran dampak kegiatan mahasiswa dalam student chapter pada kompetensi UXD mereka. Dalam makalah ini, kami bertujuan untuk mempresentasikan peran IPB University ACM SIGCHI Student Chapter dari tahun 2019 hingga 2021 dalam menumbuhkan talenta UXD di IPB University. Pertama-tama, kami mempresentasikan strategi yang kami gunakan untuk memastikan keberlanjutan babak mahasiswa. Kedua, kami mempresentasikan penelitian awal kami untuk mengukur kegiatan student chapter dan dampaknya pada perkembangan talenta UXD mahasiswa. Terakhir, kami mempresentasikan peluang dan tantangan yang kami temukan dalam tiga tahun pertama menjalankan student chapter. Kami berharap pelajaran yang kami peroleh dari kegiatan kami dapat mendorong lebih banyak student chapter, mendorong kolaborasi antar-student chapter, dan memupuk diskusi lebih lanjut tentang keberlanjutan dan dampak student chapter.

Pengembangan Modul Otomatisasi Pengunduhan Citra Sentinel-1A Berbasis Web Menggunakan Metode Prototyping

Muhammad Asyhar Agmalaro, Imas Sukaesih Sitanggang, Taufik Hidayat — Wed, 30 Nov 2022 21:08:19 +0700

Citra Sentinel-1A dapat dimanfaatkan untuk berbagai keperluan seperti survei dan pemetaan penggunaan lahan pertanian. Sebagai contoh, citra sentinel dapat digunakan untuk melakukan proses identifikasi lahan, validasi hasil tanam dari tanaman holtikultura seperti bawang putih. Namun, saat ini proses akuisisi dan pengunduhan data citra sentinel masih dilakukan secara manual dengan beberapa tahapan sehingga dirasa masih belum efektif dan efisian. Oleh karena itu perlu diterapkan suatu cara alternatif untuk mempercepat akuisi data sentinel dengan mengoptimalkan proses otomatisasi pengunduhan data citra Sentinel. Penelitian ini bertujuan untuk membangun sebuah modul front-end untuk mengotomatisasi proses pengunduhan data citra Sentinel berbasis web menggunakan Framework Django. Metode prototyping digunakan untuk melakukan pembangunan modul front-end otomatiasi pengunduhan citra Sentinel. Metode ini dipilih didasarkan pada kelebihannya dalam mendapatkan umpan balik yang cepat dari pengguna dari setiap iterasi yang dilakukan sehingga perbaikan dapat cepat dilakukan sesuai dengan kebutuhan pengguna. Hasil dari penelitian ini adalah sebuah sistem otomatisasi pengunduhan citra Sentinel-1A. Sistem dapat melakukan pengunduhan data citra Sentinel melalui map atau dengan memvalidasi data geoJson yang dimasukan oleh pengguna. Pengembangan sistem ini dilakukan sebanyak dua iterasi. Dalam pengujian secara black-box, semua fungsi pada modul yang telah dikembangkan, berhasil dilakukan tanpa ada menunjukkan kesalahan.

From Immersive to Metaverse: The Gap of Learning and Technology in Agriculture Education Application

Wed, 30 Nov 2022 21:07:07 +0700

Teknologi imersif seperti augmented reality, virtual reality, media sosial, avatar virtual, dan game online telah mendukung pendidikan. Pertanian, sebagai salah satu proses penting untuk kesejahteraan manusia, menuntut teknologi pendidikan yang kaya interaksi dan konten untuk meningkatkan pemahaman siswa tentang lingkungan pertanian yang kompleks. Tren teknologi pendidikan saat ini mulai bergeser ke metaverse. Namun, ada kesenjangan antara penerapan teknologi imersif saat ini dan metaverse yang matang. Selain itu, penelitian sebelumnya menunjukkan kurangnya penekanan pada teori pembelajaran, konten pembelajaran, dan elemen desain untuk aplikasi imersif dalam pendidikan. Penelitian ini dilakukan untuk mengidentifikasi kesenjangan tersebut, khususnya dalam pendidikan pertanian. Kami secara sistematis menganalisis publikasi sebelumnya yang mengembangkan aplikasi mendalam untuk pendidikan pertanian di pendidikan tinggi. Kami menyimpulkan bahwa (1) sebagian besar konten pembelajaran dan elemen desain teknologi metaverse kurang dimanfaatkan; (2) ada banyak kesenjangan implementasi antara implementasi saat ini dengan metaverse yang matang; dan (3) Pendidikan metaverse yang matang adalah kompleks dan mahal, sehingga perencanaan jangka panjang yang cermat dan mengidentifikasi kasus penggunaan dianjurkan. Kesenjangan ini penting untuk penelitian selanjutnya tentang pengembangan metaverse untuk pendidikan, terutama di bidang pertanian. Kami berharap hasil penelitian ini akan memberi pendidik pengetahuan dasar tentang teknologi metaverse untuk membuat keputusan yang lebih baik dalam memanfaatkan metaverse di lembaga pendidikan.

Penerapan Konsep Internet of Things Pada Sistem Monitoring Volume Timbulan Sampah di Tempat Penampungan Sementara Kota Bogor

Sri Wahjuni, Wulandari, Rizqi Alifahasni Zakiah — Wed, 30 Nov 2022 21:05:38 +0700

Sampah masih menjadi salah satu masalah yang sulit untuk ditangani oleh pemerintah Kota Bogor. Dengan jumlah penduduk mencapai angka 1.08 juta jiwa, jumlah sampah yang dihasilkan perharinya mencapai 2 532.5 liter. Jumlah sampah yang tergolong banyak ini hanya diakomodasi oleh jumlah armada angkutan sampah yang terbatas. Hal ini mengakibatkan sampah di Tempat Penampungan Sementara (TPS) menumpuk sehingga mencemari lingkungan. Oleh karena itu, diperlukan sebuah sistem monitoring jarak jauh untuk mengetahui volume timbulan sampah. Penelitian ini membangun sebuah prototype untuk mengetahui volume timbulan sampah secara real-time dan memberikan notifikasi untuk pengambilan sampah di luar jadwal regular, yaitu ketika volume timbulan sampah mendekati volume maksimal bak sampah. Metode yang digunakan dalam penelitian adalah frame difference algorithm dan perspective transformation. Selain itu, penelitian ini juga menerapkan konsep Internet of Things dalam aplikasi berbasis mobile sebagai sistem monitoring dan notifikasi. Nilai error atau RMSE antara tinggi aktual volume timbulan sampah dan tinggi timbulan volume sampah hasil pengolahan citra yang didapat adalah 0.2060 dan akurasi sebesar 97.93 persen.

Pengembangan Model Bayesian Regularization Backpropagation untuk Estimasi Nilai Nutrisi berdasarkan Komposisi Kimia Pakan Ternak Ruminansia

Ulfa Nikmatya, Aziz Kustiyo, Anuraga Jayanegara — Wed, 30 Nov 2022 00:00:00 +0700

Perbedaan komponen kimia pakan ternak dapat memengaruhi nilai nutrisi hewan ternak ruminansia. Untuk menentukan komposisi kimia dan nutrisi yang dihasilkan oleh pakan ternak tersebut perlu dilakukan analisis di laboratorium. Sebagai alternatif, pada penelitian ini estimasi nutrisi pakan ruminansia berdasarkan komposisi kimia pakan dilakukan menggunakan bayesian regularization backpropagation menggunakan data sekunder. Data yang digunakan dalam penelitian ini diperoleh dari hasil penelitian Rowett Research Institute Prancis pada kategori main constituents dan ruminant nutritive values. Main constituents menunjukkan komposisi kimia pakan ruminansia sedangkan ruminant nutritive values menunjukkan nilai nutrisi pakan yang akan diprediksi. Model bayesian regularization backpropagation yang dibangun memiliki 12 neuron input yang berasal dari 12 komponen kimia pakan ruminansia. Jumlah maksimal output model tersebut adalah 8 neuron yang merupakan 8 nilai nutrisi pakan ruminansia. Proses pelatihan dilakukan dengan metode validasi silang dengan memvariasikan jumlah neuron lapisan tersembunyi dari 5 sampai dengan 50 dan jumlah neuron output sebanyak 8, 6 dan 3. Hasil percobaan menunjukkan model bayesian regularization backpropagation terbaik adalah model dengan 8 output dengan nilai root mean square error sebesar 3.47 dan nilai mean absolute percentage error sebesar 11.82%.

Studi Awal Rancang Bangun Indoor Farming Monitoring System Berbasis IoT dengan Protokol Websocket

Agha Pradipta Merdekawan, Putriana Sari — Wed, 30 Nov 2022 00:00:00 +0700

Alih fungsi lahan dari sebelumnya lahan pertanian ke lahan pemukiman dapat menjadi masalah serius untuk menjaga ketahanan pangan. Selain alih fungsi lahan, dampak urbanisasi juga dapat memberikan dampak serius bagi ketersediaan pangan itu sendiri. Dengan solusi urban farming yang dapat dilakukan dengan memanfaatkan sedikit lahan yang tersedia di lingkungan perkotaan, diharapkan mampu untuk menyediakan kebutuhan baik sayur, buah dan tanaman obat lainnya. Penanaman dapat dilakukan di dalam ruangan dengan memanfaatkan barang-barang bekas yang berarti lebih ramah lingkungan. Namun, berkebun juga bukan memerlukan waktu dan tenaga karena setiap tanaman memiliki beberapa karakteristik unik yang dapat mempengaruhi pertumbuhan optimal tanaman. Hal tersebut tentu akan menjadi masalah karena terutama pada daerah perkotaan dengan tingkat mobilitas yang tinggi sehingga berpotensi tanaman tidak ter-monitor dengan baik. Pada penelitian ini, dikembangkan sistem pemantauan kebun dalam ruangan berbasis IoT yang terdiri atas sensor temperatur, kelembaban, dan intensitas cahaya. Hasil pengujian menunjukkan bahwa sistem mampu melakukan fungsi monitoring sesuai dengan yang telah direncanakan dan berfungsi dengan baik hingga menampilkan grafik perubahan nilai sensor.

Implementasi Metode Weight Aggregated Sum Product Assessment (WASPA) untuk Mengukur Tingkat Kepuasan Masyarakat Terhadap Marketplace

Eneng Tita Tosida, Halimah Tus Sa’diah, Caroko Hutomo Iriantoro Putra — Wed, 30 Nov 2022 00:00:00 +0700

Suatu perusahaan mengevaluasi diri melalui penilaian user terhadap e-commercenya dengan tujuan untuk meningkatkan performanya. Sistem Penunjang Keputusan dapat menjadi solusi dalam pengambilan keputusan untuk menentukan rekomendasi e-commerce yang baik dan tepat. Salah satu metode Sistem Penunjang Keputusan adalah WASPA. Penelitian ini bertujuan untuk untuk mengimplementasikan metode WASPA untuk mengukur tingkat kepuasan masyarakat terhadap marketplace. Pengembangan aplikasi menggunakan metode waterfall yang terdiri dari 5 tahap yaitu, perencanaan, analisis, desain, coding dan testing. Pada tahap implementasi WASPA menggunakan PHP-MYSQL. Hasil dari 100 responden dengan 500 data uji menunjukkan bahwa pada marketplace Tokopedia, Shopee, Bukalapak, Blibli dan Lazada, marketplace terbaik menggunakan metode WASPA adalah Tokopedia yang merupakan peringkat pertama dengan nilai tertinggi yaitu 0.894 point, peringkat ke 2 diperoleh Shopee dengan 0.89 point, peringkat ke 3 diperoleh Bukalapak dengan 0.886 point, peringkat ke 4 diperoleh Blibli dengan 0.845 point dan yang terakhir pada peringkat ke 5 diperoleh lazada dengan 0.849 point. Penelitian ini telah membandingkan hasil survey dengan 2 situs, yaitu Iprice.com dan Alexa.com. Hasil perbandingan survey marketplace memiliki hasil yang sama, yaitu Tokopedia merupakan marketplace yang memiliki keunggulan kriteria yang paling tinggi.

Augmented Reality untuk Museum Serangga IPB Menggunakan Unity dengan Image Tracking

Alwi Miftahul Karomi, Ahmad Ridha — Wed, 30 Nov 2022 00:00:00 +0700

Serangga berperan penting dalam kehidupan manusia sehingga diperlukan sebuah museum yang dapat menampung dan menyajikan informasi tentang keanekaragaman serangga tersebut kepada masyarakat. Museum Serangga Institut Pertanian Bogor memiliki banyak informasi dari aneka spesies serangga yang ada di Indonesia, tetapi interaktivitasnya masih terbatas. Penelitian ini mengembangkan sebuah prototipe aplikasi Android berbasis augmented reality menggunakan Unity untuk memberikan sarana interaktif ke pengunjung. Pengembangan menggunakan metode image tracking sehingga pengguna bisa berinteraksi dengan spesimen di museum dengan mengarahkan kamera ke spesimen yang ingin diamati. Hasil pengujian menunjukkan bahwa metode image tracking dapat digunakan dengan baik pada sudut pindai 0° ketika diterapkan pada serangga yang berbentuk tiga dimensi yang terdapat di Museum Serangga IPB.

Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM)

Lailan Sahrina Hasibuan, Yanda Novialdi — Wed, 30 Nov 2022 00:00:00 +0700

Kenaikan harga bahan kebutuhan pokok yang sangat signifikan akan menimbulkan dampak negatif bagi perekonomian masyarakat Indonesia, salah satunya adalah penurunan daya beli. Berdasarkan monitor Pusat Informasi Harga Pangan Strategis dari November 2021 hingga Agustus 2022, minyak goreng merupakan salah satu bahan pokok yang mengalami kenaikan harga yang sangat signifikan di. Kenaikan ini tersebar merata di 34 provinsi Indonesia, termasuk provinsi Jawa Barat. Kenaikan yang signifikan ini dapat dicegah dengan melakukan tindakan preventif jauh hari sebelumnya, jika kenaikan ini telah diprediksi sebelumnya. Deep Learning merupakan metode supervised learning yang banyak digunakan saat ini karena kehandalannya untuk menyelesaikan berbagai masalah di bidang penambangan data. Deep learning dapat melakukan prediksi harga minyak goreng untuk masa yang akan datang menggunakan data deret waktu. Penelitian ini mengembangkan model untuk memprediksi harga minyak goreng berbentuk curah maupun kemasan menggunakan deep learning yang khusus mengelola data time serires yaitu Long Short Term Memory (LSTM). Berdasarkan metrik evaluasi NRMSE, model yang dibangun mampu mengenali pola harga minyak goreng berbentuk curah maupun kemasan. Nilai NRMSE model LSTM pada proses pelatihan adalah 0.019 untuk pelatihan data minyak goreng curah, dan 0.037 untuk data minyak goreng kemasan.

Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT

Wed, 30 Nov 2022 00:00:00 +0700

Pandemi Covid-19 mendorong banyak pihak agar mampu beradaptasi dengan kondisi terkini. Salah satu program yang diluncurkan pemerintah agar dapat mengatasi penyebaran Covid-19 adalah dengan menjalankan progam vaksinasi. Agar dapat mengetahui animo masyarakat terkait program vaksinasi Covid-19 yang diluncurkan, perlu dilakukan analisis sentimen. Analisis sentimen pada umumnya dilakukan untuk mendapatkan informasi terkini dari korpus yang besar. Tujuan penelitian ini adalah melakukan analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menggunakan Algoritme Random Forest dan Bidirectional Encoder Representation from Transformer (BERT). Tahapan penelitian yang dilakukan meliputi praproses data Twitter yang berkaitan dengan vaksinasi Covid-19, pelabelan sentimen, penanganan data yang tidak seimbang, pengklasifikasian dataset menggunakan algoritma Random Forest dan BERT, serta analisis dan evaluasi. Setelah dilakukan penanganan data yang tidak seimbang, hasil analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menghasilkan akurasi sebesar 81%, F1-score sebesar 74%, presisi 76%, dan recall 74%. menggunakan algoritme Random Forest dan akurasi sebesar 82%, F1-score 79%, presisi 78%, dan recall 79%. menggunakan Algoritme BERT. Meskipun secara umum Algoritme BERT memiliki kinerja klasifikasi yang sedikit lebih baik dari Algoritme Random Forest, hasil simulasi menunjukkan bahwa algoritme Random Forest memiliki waktu komputasi yang signifikan lebih rendah dibandingkan dengan algoritme BERT pada kasus yang diujikan.

Perbandingan Model AlexNet dan ResNet dalam Klasifikasi Citra Bunga Memanfaatkan Transfer Learning

Tue, 31 May 2022 23:52:47 +0700

Klasifikasi spesies bunga otomatis berbasis citra merupakan masalah penting bagi para ahli biologi yang membuat katalog bunga digital. Banyak penelitian tentang pengenalan spesies bunga telah diusulkan sejauh ini berdasarkan rutinitas pemrosesan gambar tradisional. Saat ini, para peneliti menerapkan pembelajaran mendalam pada berbagai tugas pengenalan objek berbasis gambar. Dalam makalah ini, deep learning berbasis transfer learning diterapkan pada klasifikasi spesies bunga. Metode yang diusulkan menggunakan model transfer learning AlexNet dan ResNet. Dataset Flower102 yang memiliki banyak kategori digunakan dalam karya eksperimental. Berbagai hasil eksperimen menunjukkan bahwa masing-masing model telah mencapai kinerja akurasi 87% dan 96% untuk AlexNet dan ResNet. Hasil yang diperoleh menunjukkan efektivitas model berbasis ResNet lebih tinggi bila dibandingkan dengan model berbasis AlexNet.