https://jai.ipb.ac.id/index.php/jika/issue/feed Jurnal Ilmu Komputer dan Agri-Informatika 2023-12-28T22:51:32+07:00 Medria Kusuma Dewi Hardhienata medria.hardhienata@apps.ipb.ac.id Open Journal Systems <p><span style="font-weight: 400;"><strong>Jurnal Ilmu Komputer dan Agri-informatika (JIKA)</strong> merupakan jurnal nasional yang diterbitkan dua kali setahun pada bulan <strong>Mei</strong> dan <strong>November</strong> serta bersifat <strong>open access</strong> dengan mitra bestari nasional dan internasional. <strong>JIKA</strong> dikelola oleh Departemen Ilmu Komputer FMIPA IPB University yang terbit pertama kali pada tahun 2012. JIKA merupakan jurnal ilmiah nasional yang mempublikasikan artikel ilmiah hasil penelitian dalam ruang lingkup bidang <strong>ilmu komputer</strong> serta aplikasi <strong>informatika</strong> untuk pengembangan pertanian secara luas.&nbsp;</span></p> <p><span style="font-weight: 400;">Berdasarkan </span><a href="https://drive.google.com/file/d/1-F9sZ-3iM6_lSwQDOfNEIfwdzMEB3p4y/view?usp=sharing"><span style="font-weight: 400;">Surat Pemberitahuan Hasil Akreditasi Jurnal Ilmiah Periode IV Tahun 2022</span></a><span style="font-weight: 400;"><strong> JIKA</strong> mulai terbitan Volume 7 No 1 Tahun 2020 telah terakreditasi <strong>SINTA 3.</strong></span></p> <p><strong><a title="Fokus dan Ruang Lingkup" href="https://journal.ipb.ac.id/index.php/jika/ruanglingkup">FOKUS &amp; RUANG LINGKUP</a></strong></p> <div> <p>&nbsp;</p> </div> https://jai.ipb.ac.id/index.php/jika/article/view/50053 Kecerdasan Buatan untuk Monitoring Hama dan Penyakit pada Tanaman Eucalyptus: Systematic Literature Review 2023-12-21T15:54:55+07:00 Tegar Alami Nasution tegar.nst@gmail.com Yeni Herdiyeni 182tegar@apps.ipb.ac.id Wisnu Ananta Kusuma 182tegar@apps.ipb.ac.id Budi Tjahjono 182tegar@apps.ipb.ac.id Iskandar Zulkarnaen Siregar 182tegar@apps.ipb.ac.id <p>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.</p> 2023-12-21T13:34:39+07:00 Copyright (c) 2023 Tegar Alami Nasution, Yeni Herdiyeni, Wisnu Ananta Kusuma, Budi Tjahjono, Iskandar Zulkarnaen Siregar https://jai.ipb.ac.id/index.php/jika/article/view/49040 Perbandingan Algoritma Klasifikasi untuk Mendeteksi Kebutuhan Nitrogen Tanaman Padi Berdasarkan Data Citra Multi-spectral Drone 2023-12-21T15:54:58+07:00 Kahfi Gunardi kahfigunardi12kahfi@apps.ipb.ac.id Karlisa Priandana karlisa@apps.ipb.ac.id Medria Kusuma Dewi Hardhienata medria.hardhienata@apps.ipb.ac.id Wulandari wulandari.ilkom@apps.ipb.ac.id Mohamad Solahudin mohamadso@apps.ipb.ac.id <p>Optimalisasi penggunaan pupuk Nitrogen (N) sangat penting untuk meningkatkan produktivitas tanaman padi. Untuk mengetahui jumlah pupuk yang diperlukan oleh tanaman padi, petani umumnya menggunakan Bagan Warna Daun (BWD) dengan cara mencocokkan warna daun padi dengan warna pada BWD secara manual. Namun, hal ini sangat memakan waktu. Salah satu strategi untuk meningkatkan efisiensi penentuan kebutuhan pupuk N adalah dengan menggunakan <em>Multi-spectral Drone. </em>Drone digunakan untuk mengambil citra multispectral, kemudian citra ini digunakan untuk menentukan kebutuhan pupuk N. Penelitian ini membandingkan beberapa algoritma klasifikasi untuk memodelkan kebutuhan pupuk N dari data citra multispectral, dengan menggunakan <em>ground truth</em> dari penskalaan BWD. Algoritma klasifikasi yang dibandingkan yaitu <em>Decision Tree</em> (DT), <em>Artificial Neural Network</em> (ANN), <em>Support Vector Machine</em> (SVM), <em>Random Forest</em> (RF), dan <em>K-Nearest Neighbour</em> (KNN). Kinerja kelima algoritma klasifikasi diukur berdasarkan <em>accuracy</em>, <em>recall</em>, <em>precision</em> dan <em>F1 score.</em> Dalam penelitian ini, ditemukan bahwa model klasifikasi yang memiliki kinerja terbaik adalah algoritma <em>Decision Tree</em> (DT) baik dalam perlakuan tanpa normalisasi dan <em>balancing</em> dan dengan normalisasi dan <em>balancing</em> dengan nilai&nbsp; <em>accuracy</em>, <em>recall</em>, <em>precision</em>, dan­­­ F1-<em>score</em> di atas 90%.</p> 2023-12-21T11:47:40+07:00 Copyright (c) 2023 Kahfi Gunardi, Karlisa Priandana, Medria Kusuma Dewi Hardhienata, Wulandari, Mohamad Solahudin https://jai.ipb.ac.id/index.php/jika/article/view/48719 Model Klasifikasi Fase Pertumbuhan Tebu dari Citra Sentinel 1 Multi-temporal Menggunakan Algoritma Random Forest 2023-12-21T15:55:01+07:00 Vandam Caesariadi Bramdito vandamcaesariadi@apps.ipb.ac.id Sony Hartono Wijaya sony@apps.ipb.ac.id Imas Sukaesih Sitanggang imas.sitanggang@apps.ipb.ac.id <p>Daerah Istimewa Yogyakarta yang telah ditetapkan sebagai kawasan sentra tebu memerlukan perlakuan khusus dalam upaya ekstensifikasi yang memerlukan informasi spasial usaha tani tebu. Pemantauan lahan tebu dilakukan untuk mendapatkan informasi fase pertumbuhan tebu dan sebarannya untuk strategi ekstensifikasi pertanian. Oleh karena itu perlu dilakukan klasifikasi citra menggunakan algoritma random forest yang reliable untuk mengklasifikasikan fase pertumbuhan tebu pada citra Sentinel 1 multi-temporal. Peta kalender tanam tebu dibuat dari hasil klasifikasi citra yang telah dilakukan dan menguji tingkat akurasi untuk evaluasi. Klasifikasi dilakukan dengan setiap citra pada setiap bulan yang terekam sepanjang tahun 2020. Data citra yang digunakan sebanyak 9690 sampel piksel yang terdiri atas 6 kelas klasifikasi yaitu bangunan, vegetasi, badan air, sawah, tebu kelas fase 1, dan kelas fase tebu 2. Hasil uji model klasifikasi menunjukkan bahwa Citra Sentinel 1 yang terdiri atas 13 citra memiliki akurasi model rata-rata yaitu 65.38%. Hasil klasifikasi citra yang memiliki tingkat akurasi keseluruhan tertinggi senilai 73.33% dengan nilai RMSE 2.05 terjadi pada bulan Oktober.</p> 2023-12-21T11:34:36+07:00 Copyright (c) 2023 Vandam Caesariadi Bramdito, Sony Hartono Wijaya, Imas Sukaesih Sitanggang https://jai.ipb.ac.id/index.php/jika/article/view/48902 Deteksi Citra Digital Penyakit Cacar Monyet menggunakan Algoritma Convolutional Neural Network dengan Arsitektur MobileNetV2 2023-12-21T15:55:04+07:00 Putri Sarah Fransisca putrisf@upnvj.ac.id Nurhafifah Matondang nurhafifahmatondang@upnvj.ac.id <p>Pada bulan Juli tahun 2022, penyakit cacar monyet ditetapkan sebagai darurat kesehatan global. Hal ini dikarenakan penyakit cacar monyet sudah terjadi di lebih dari 70 negara. Kasus cacar monyet di Indonesia ditemukan pertama kali pada bulan Agustus 2022 di Kota Jakarta. Kesamaan gejala yang dimiliki oleh penyakit cacar monyet, cacar air, dan campak menjadi tantangan untuk para tenaga kerja kesehatan dalam membedakan penyakit tersebut. Penelitian ini mengembangkan sebuah model algoritma deteksi otomatis untuk mendeteksi citra digital penyakit cacar monyet. Algoritma tersebut adalah convolutional neural network dengan arsitektur MobileNetV2 serta penerapan transfer learning. Pelatihan model dilakukan dengan jumlah 5 epoch dan mengimplementasikan dua jenis optimizer, yaitu Adam dan RMSprop. Penerapan Adam optimizer dengan learning rate 10-4 menghasilkan akurasi pada data uji sebesar 94%, akurasi pada data latih sebesar 92%, dengan nilai loss function 27%. Hasil yang berbeda dihasilkan oleh penerapan RMSprop optimizer dengan learning rate 45×10-3 menghasilkan akurasi pada data uji sebesar 97%, akurasi pada data latih mencapai 97% namun nilai loss function cukup tinggi yaitu mencapai 52%. Hasil ini menunjukkan bahwa Adam optimizer lebih efektif dalam menyempurnakan parameter model untuk mengoptimalkan deteksi gambar cacar monyet selama pelatihan.</p> 2023-12-21T11:08:31+07:00 Copyright (c) 2023 Putri Sarah Fransisca, Nurhafifah Matondang https://jai.ipb.ac.id/index.php/jika/article/view/50825 Aplikasi Mobile Untuk Monitoring Tanaman Hidroponik Kangkung Berbasis Thingspeak dan Firebase 2023-12-21T15:55:07+07:00 Fakhri Tri Atmaja fakhritriatmaja287@gmail.com Muhammad Fachrie fakhritriatmaja287@gmail.com <p>Salah satu alasan yang menghambat pertumbuhan pertanian di Indonesia adalah berkurangnya lahan pertanian. Hidroponik merupakan solusi potensial untuk mengatasi tantangan yang dihadapi oleh petani dengan sumber daya lahan yang terbatas, karena hidroponik memungkinkan budidaya dilakukan di lingkungan berbasis air, baik secara vertikal maupun horizontal. Gubuk Mbah Bayan adalah salah satu individu yang bergerak di bidang budidaya tanaman hidroponik. Gubuk Mbah Bayan masih menggunakan teknik pemantauan manual, yang mengharuskan petani untuk mengunjungi lapangan secara fisik untuk menilai keadaan lingkungan pertanian. Tujuan dari penelitian ini adalah untuk meningkatkan sistem pemantauan otomatis yang dirancang untuk tujuan pemantauan kondisi kultur tanaman hidroponik. Sistem ini akan menggunakan data suhu, total dissolved solid (TDS), dan pH. Sistem yang diusulkan menggunakan paradigma Internet of Things (IoT), mikrokontroler Arduino dihubungkan dengan sensor digital. Penelitian ini mencakup lima langkah yang berbeda, yang meliputi identifikasi masalah, desain arsitektur sistem, implementasi program, integrasi, dan pengujian. Hasil dari penelitian ini adalah pengembangan sistem pemantauan budidaya tanaman hidroponik yang dapat diakses dengan mudah melalui aplikasi mobile. Teknologi ini memungkinkan petani untuk memantau lingkungan hidroponik dari jarak jauh dan secara instan. Pengujian yang digunakan dalam penelitian ini adalah pendekatan system usability scale (SUS). Aplikasi pemantauan hidroponik menunjukkan kinerja yang memuaskan, mudah digunakan, dan berguna dalam membantu petani memantau lingkungan hidroponik.</p> 2023-11-30T23:33:59+07:00 Copyright (c) https://jai.ipb.ac.id/index.php/jika/article/view/48426 Pengelompokan Publikasi Ilmiah Berdasarkan Bidang Kepakaran Menggunakan Latent Dirichlet Allocation dan Normalized PSO-K-means 2023-12-21T15:55:10+07:00 Fina Charisma Hayatina finacharisma@apps.ipb.ac.id Sony Hartono Wijaya sony@apps.ipb.ac.id Medria Kusuma Dewi Hardhienata medria.hardhienata@apps.ipb.ac.id <p>Salah satu cara untuk memvalidasi klaim kepakaran dosen adalah dengan meninjau dokumen publikasi ilmiah yang tersedia. Namun, menentukan kelompok kepakaran dari sejumlah dokumen memerlukan pengetahuan yang memadai dan waktu yang relatif lama, sehingga menjadi sulit dilakukan. Penelitian ini bertujuan untuk membangun suatu model yang dapat mengelompokkan dokumen berdasarkan bidang kepakaran. Penelitian ini menggunakan algoritma klasterisasi K-means untuk mengelompokkan dokumen berdasarkan bidang kepakaran dosen. Latent dirichlet allocation digunakan untuk mereduksi dimensi data, dan particle swarm optimization digunakan untuk menentukan centroid awal pada algoritma K-means. Hasil penelitian ini berhasil mengelompokkan dokumen publikasi ilmiah dengan nilai koefisien silhouette sebesar 0.42. Selain itu, penggunaan PSO sebagai penentu centroid optimal pada algoritma K-means dapat meningkatkan nilai koefisien silhouette sebesar 5.56%. Model yang dibangun dievaluasi dengan mencocokkan klaster yang dihasilkan dengan klaim yang diberikan. Hasilnya menunjukkan bahwa sebanyak 75% hasil pencocokan sesuai dan 25% tidak sesuai.</p> 2023-11-30T22:32:04+07:00 Copyright (c) 2023 Fina Charisma Hayatina, Sony Hartono Wijaya, Medria Kusuma Dewi Hardhienata https://jai.ipb.ac.id/index.php/jika/article/view/49563 Implementasi Pendekatan Algoritma Deep Learning CNN untuk Identifikasi Citra Pasien Keratitis 2023-12-21T15:55:14+07:00 Muhammad Asyhar Agmalaro agmalaro@apps.ipb.ac.id Wisnu Ananta Kusuma ananta@apps.ipb.ac.id Lutfah Rif’ati lutfah.rifati@brin.go.id Pramita Andarwati mita.andarwati@gmail.com Anton Suryatama anton.suryatma@brin.go.id Rosy Aldina rosyaldina@yahoo.com Hera Dwi Novita hera_spm@ub.ac.id Ovi Sofia dr.ovisofia@ub.ac.id <p>Insiden keratitis secara global berkisar antara 0.4 sampai 5.2 per 10,000 orang setiap tahunnya. Penanggulangan gangguan penglihatan akibat keratitis secara dini dan akurat dapat mencegah kebutaan akibat kekeruhan kornea. Keratitis dapat diidentifikasi oleh dokter spesialis mata dengan bantuan slitlamp sebagai instrumen dasar pemeriksaan spesialistik organ mata di fasilitas layanan sekunder. Pada fasilitas layanan primer tidak tersedia dokter spesialis mata dan juga slitlamp. Hal ini meyebabkan terjadinya keterlambatan diagnosis dan penanganan terhadap pasien-pasien keratitis di puskesmas atau daerah-daerah dengan fasilitas serta akses ke dokter spesialis mata yang terbatas. Penelitian ini bertujuan untuk mengembangkan model identifikasi keratitis menggunakan metode convolutional neural network (CNN) dan data latih berupa citra yang dihasilkan oleh gawai pintar dan dikombinasikan dengan citra slitlamp. Akurasi pelatihan dari model yang dikembangkan adalah 92% dengan layer dropout ditetapkan dengan nilai 0.3. Rata-rata akurasi validasinya adalah 83% sehingga dapat dikatakan pelatihan model yang dikembangkan tidak mengalami overfitting. Adapun hasil pengujian dengan data baru mencapai akurasi sebesar 90%. Selanjutnya parameter model terbaik disematkan ke dalam aplikasi yang berjalan di sistem operasi berbasis Android, namun fungsionalitas serta kinerja UX/UI dari aplikasi perlu ditingkatkan untuk memfasilitasi model agar dapat digunakan secara sempurna.</p> 2023-11-30T00:00:00+07:00 Copyright (c) 2023 Muhammad Asyhar Agmalaro, Wisnu Ananta Kusuma, Lutfah Rif’ati, Pramita Andarwati, Anton Suryatama, Rosy Aldina, Hera Dwi Novita, Ovi Sofia https://jai.ipb.ac.id/index.php/jika/article/view/48993 Pengembangan Sistem Manajemen Pengetahuan Tumbuhan Obat Indonesia Berbasis Ontologi 2023-12-21T15:55:18+07:00 Syukriyansyah 2020syukriyansyah@apps.ipb.ac.id Wisnu Ananta Kusuma ananta@apps.ipb.ac.id Annisa annisa@apps.ipb.ac.id <p class="abstrak">Pengetahuan tumbuhan obat oleh masyarakat atau etnis lokal untuk penyakit atau gejala tertentu telah berperan penting dalam penemuan beberapa obat berharga yang telah digunakan secara turun-temurun selama bertahun-tahun. Selain itu, banyak sumber pengetahuan tumbuhan obat Indonesia yang heterogen dan terpisah-pisah sehingga sangat penting untuk mengintegrasikannya. Oleh karena itu, sangat penting untuk mengembangkan sistem manajemen pengetahuan (KMS) yang dapat menyimpan, mengelola, berbagi, dan merepresentasikan pengetahuan tumbuhan obat Indonesia sehingga dapat dibagikan, digunakan kembali, dan dimanfaatkan dalam kesehatan Indonesia. Penelitian ini menggunakan ontologi sebagai pola dalam membangun grafik pengetahuan dengan menggunakan basis data graf Neo4j dan kueri Chyper untuk melakukan penalaran pengetahuan berbasis graf. Penalaran pengetahuan berbasis graf digunakan untuk memperoleh pengetahuan terkait. Ontologi dibangun berdasarkan konsep kunci dalam pengobatan tradisional kemudian dipadukan dengan ontologi penyakit (DO) untuk mengatasi kesenjangan antara istilah pemanfaatan tumbuhan tradisional dan istilah medis serta memperkaya pengetahuan kedokteran Indonesia. Sumber data yang digunakan untuk membangun ontologi antara lain adalah Laporan Nasional Eksplorasi Pengetahuan Lokal Etnomedisin dan Tumbuhan Obat di Indonesia Berbasis Komunitas, integreted Digitized Biocollections (iDigBio), Global Biodiversity Information Facility (GBIF), Disease Ontology (DO), Basis Data Tanaman Obat Indonesia (HerbalDB), Dr. Duke’s Phytochemical and Ethnobotanical Databases (Dr. Duke’s), Indian Medicinal Plants, Phytochemystry and Teurapeutics (IMPPAT), Collection of Open Natural Products (COCONUT), KNApSAcK, BioGRID, DisGeNET, dan Side Effect Resource (SIDER). Sistem dikembangkan dengan arsitektur REST API yang terdiri dari front-end (klien) dan back-end (server). Klien memiliki dua sistem utama, yaitu pencarian pengetahuan dan manajemen pengetahuan.</p> 2023-11-30T00:00:00+07:00 Copyright (c) 2023 syukriyansyah syukriyansyah, Wisnu Ananta Kusuma, Annisa https://jai.ipb.ac.id/index.php/jika/article/view/48697 Pemilihan Algoritma Machine Learning untuk Perangkat dengan Komputasi Terbatas pada Deteksi Kematangan Buah Melon Berjala 2023-12-21T15:55:21+07:00 Rizqi Alifahasni Zakiah alifrizqi@apps.ipb.ac.id Sri Wahjuni my_juni04@apps.ipb.ac.id Willy Bayuardi Suwarno willy@apps.ipb.ac.id <p>Karakteristik yang diinginkan dari buah melon oleh konsumen meliputi rasa manis, ukuran buah sedang hingga besar, daging tebal dengan warna menarik dan tekstur renyah, serta masa simpan yang relatif lama. Memprediksi waktu panen menjadi hal yang penting terkait masa simpan buah dengan harapan buah melon dapat mencapai konsumen dalam keadaan dan kualitas terbaik, serta memberikan pengalaman yang memuaskan bagi konsumen. Saat ini, ketersediaan tenaga kerja pemanen dengan kemampuan yang mumpuni dalam menentukan buah melon yang akan dipanen menjadi salah satu kendala. Penggunaan robot pertanian dalam pemanenan buah melon merupakan salah satu solusi yang efektif dalam mengatasi permasalahan tersebut. Robot pertanian ini membutuhkan sistem yang mampu memprediksi stadia kematangan buah melon untuk dipanen. Penelitian ini fokus pada analisis perbandingan kinerja antara dua algoritma machine learning yaitu Support Vector Machine (SVM) dan Random Forest (RF), dengan tujuan menentukan pilihan optimal saat menerapkannya pada perangkat komputasi terbatas. SVM dan RF memiliki nilai akurasi tinggi, masing-masing 82% dan 73%. Keduanya juga memiliki waktu komputasi yang cepat, dengan rata-rata waktu inferensi masing-masing 2.14 detik dan 2.15 detik. Rata-rata penggunaan CPU pada algoritma SVM lebih tinggi dibandingkan dengan algoritma RF yaitu 17.80% sedangkan RF 15.48%. Meskipun SVM memiliki precision, recall, dan f-scored yang sedikit lebih tinggi dibandingkan dengan RF, namun setelah dilakukan independent 2-samples t-test terhadap inference time dan penggunaan CPU, didapatkan hasil bahwa tidak ada perbedaan nyata antara SVM dan RF. Keduanya sama-sama memiliki kinerja yang baik dan masuk ke dalam kategori good classification. Meninjau hal tersebut, algoritma RF menjadi algoritma yang disarankan karena memiliki tingkat akurasi yang baik, waktu komputasi cepat, dan penggunaan rata-rata sumberdaya CPU lebih rendah</p> 2023-11-30T00:00:00+07:00 Copyright (c) 2023 Rizqi Alifahasni Zakiah, Sri Wahjuni, Willy Bayuardi Suwarno https://jai.ipb.ac.id/index.php/jika/article/view/47713 Analisis Potensi Lokasi dan Klasifikasi Electronic Data Capture (EDC) pada UMKM BNI Agen46 2023-12-21T15:55:25+07:00 Fiqhri Mulianda Putra fqhrmp@gmail.com Marimin marimin@ipb.ac.id Sony Hartono Wijaya sony@apps.ipb.ac.id Reinaldy Jalu Nusantara reinaldy.nusantara@outlook.com <p>Dalam era digitalisasi, peran agen-agen bank menjadi semakin penting dalam memberikan layanan keuangan kepada masyarakat. Bank BNI sebagai salah satu bank terkemuka di Indonesia, memiliki jaringan agen yang luas untuk mendekatkan layanan perbankan kepada nasabah. Dalam upaya mengoptimalkan jaringan agennya, Bank BNI melakukan analisis spasial menggunakan metode clustering K-means untuk menentukan lokasi potensial pendirian Agen46 baru di DKI Jakarta. Selain itu, juga dilakukan pembuatan model klasifikasi random forest Agen46 produktif dan non-produktif untuk mengoptimalkan penggunaan mesin EDC dan menghemat biaya operasional. Berdasarkan analisis spasial dengan metode clustering K-means, ditemukan tujuh lokasi potensial untuk pendirian Agen46 baru di DKI Jakarta, yaitu kecamatan Jagakarsa, Makasar, Pesanggrahan, Grogol Petamburan, Taman Sari, Tambora, dan Johar Baru. Model klasifikasi yang dibuat berhasil membedakan Agen46 yang produktif dan non-produktif dengan akurasi yang tinggi. Selain itu, pembuatan model klasifikasi Agen46 menjadi penting dalam mengenali agen-agen yang tidak produktif, sehingga dapat dilakukan antisipasi dan penanggulangan yang cepat untuk memperbaiki efisiensi penggunaan mesin EDC. Hasil analisis prediksi dan model klasifikasi ini diharapkan dapat memberikan panduan dan dasar kebijakan yang lebih baik bagi Bank BNI dalam menentukan lokasi penempatan mesin EDC Agen46 di masa depan. Dengan demikian, diharapkan Bank BNI dapat mempercepat proses pengklasifikasian Agen46, meningkatkan pemanfaatan mesin EDC, dan mengoptimalkan efisiensi biaya terkait dengan agen-agen BNI.</p> 2023-11-30T00:00:00+07:00 Copyright (c) https://jai.ipb.ac.id/index.php/jika/article/view/46853 The Multivariate Forecasting of Chicken and Beef Prices Involving Weather, Economic, and Health Factors Using the Gated Recurrent Unit Method 2023-12-21T15:55:29+07:00 Muhammad Ikhsan Ananda ikhsanananda@apps.ipb.ac.id <p><em>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.</em></p> 2023-06-28T22:51:00+07:00 Copyright (c) 2023 Muhammad Ikhsan Ananda https://jai.ipb.ac.id/index.php/jika/article/view/46892 Analisis Perbandingan Performa Model Klasifikasi Kesehatan Daun Tomat menggunakan arsitektur VGG, MobileNet, dan Inception V3 2023-12-21T15:55:33+07:00 Pritasari Palupiningsih pritasari@itpln.ac.id Atam Rifa'i Sujiwanto atam1931108@itpln.ac.id Raden Ronggo Bintang Pratomo Prawirodirjo raden2131005@itpln.ac.id <p>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 <em>convolutional neural network </em>(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 <em>plant disease classification merged (public dataset) </em>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.</p> 2023-06-28T22:49:55+07:00 Copyright (c) 2023 Pritasari Palupiningsih, Atam Rifa'i Sujiwanto, Raden Ronggo Bintang Pratomo Prawirodirjo https://jai.ipb.ac.id/index.php/jika/article/view/46767 Perancangan Sistem Informasi Pertanian untuk Meningkatkan Partisipasi Petani dengan Pendekatan Gamifikasi 2023-12-21T15:55:36+07:00 Mochammad Arief Hermawan Sutoyo mochammadarx@gmail.com Dana Indra Sensuse dana@cs.ui.ac.id <p>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&nbsp; 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.</p> 2023-06-28T22:49:04+07:00 Copyright (c) 2023 Mochammad Arief Hermawan Sutoyo, Dana Indra Sensuse https://jai.ipb.ac.id/index.php/jika/article/view/46760 Prototipe Mobile GIS Kandungan Hara Lahan Spesifik Lokasi 2023-12-21T15:55:39+07:00 Hari Agung Adrianto agung@apps.ipb.ac.id Emilia Syafitri emilia_sy@apps.ipb.ac.id Yani Nurhadryani yani_nurhadryani@apps.ipb.ac.id Baba Barus bbarus@apps.ipb.ac.id Sri Malahayati Yusuf srimalahayati@apps.ipb.ac.id Desi Nadalia desitnh@apps.ipb.ac.id <p>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 <em>smartphone</em>, maka penting &nbsp;adanya sistem informasi geografis yang berjalan di perangkat mobile (<em>mobile GIS</em>) yang dapat memberikan informasi kandungan hara lahan spesifik lokasi. Penelitian ini akan mengembangkan prototipe <em>mobile GIS</em> 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.</p> 2023-06-28T22:48:06+07:00 Copyright (c) 2023 Hari Agung Adrianto https://jai.ipb.ac.id/index.php/jika/article/view/46709 Evaluasi Efisiensi Kinerja Web API Menggunakan Object Relational Mapping Pada Aplikasi Point Of Sale Menggunakan ISO 25010 2023-12-21T15:55:42+07:00 Nur Rahmat Dwi Riyanto nrahmatd@gmail.com <p>Aplikasi <em>Point of Sale</em> merupakan aplikasi yang menangani suatu kegiatan transaksi penjualan dan pembelian suatu produk. Pada penelitian ini aplikasi <em>Point of Sale</em> berbasis android tersebut dikembangkan dengan menggunakan pendekatan <em>Object Relational Mapping</em> untuk mengatasi (<em>Impedance Mismacth</em>) dan meningkatkan produktifitas, performa dan maintainability sistem. Sehingga penerapan pendekatan <em>Object Relational Mapping</em> 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 <em>Performance Efficiency</em> (Efisiensi Kinerja) suatu sistem. <em>Performance Efficiency</em> (Efisiensi Kinerja) memilik 3 sub karakteristik yaitu <em>Time Behavior</em> (Perilaku Waktu), <em>Resource Utilization</em> (Pemanfaatan Sumber Daya), dan <em>Capacity</em> (Kapasitas). Web API <em>Point Of Sale</em> yang menerapkan pendekatan <em>Object Relational Mapping</em> (ORM) telah memenuhi standar <em>Performance Efficiency</em> (Efisiensi Kinerja) yang lebih baik di bandingkan dengan Web API yang tidak&nbsp; menggunakan pendekatan <em>Object Relational Mapping</em> 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.</p> 2023-06-28T22:46:28+07:00 Copyright (c) 2023 Nur Rahmat Dwi Riyanto https://jai.ipb.ac.id/index.php/jika/article/view/44324 Pengujian Tahap Beta Literasik: Permainan Edukasi Bahasa Indonesia 2023-12-21T15:55:45+07:00 Gerardo Keandre Lisrianto gerardo_21@apps.ipb.ac.id Ahmad Ridha ridha@apps.ipb.ac.id <p>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 <em>engagement</em> Literasik berada pada rentang nilai baik hingga sangat baik. <em>Focused attention</em> 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.</p> 2023-05-31T16:46:42+07:00 Copyright (c) 2023 Ahmad Ridha https://jai.ipb.ac.id/index.php/jika/article/view/47002 Manajemen dan Pencatatan Ternak Berbasis Internet Of Things Pada Program Penggemukan Kambing 2023-12-21T15:55:48+07:00 Nanda Amaliatus Sholicha nandachaa_@student.ub.ac.id Randali Irfandi randaliirfandi@student.ub.ac.id Carles Turawan cturawan@student.ub.ac.id <p>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.</p> 2023-05-31T00:00:00+07:00 Copyright (c) 2023 Nanda Amaliatus Sholicha https://jai.ipb.ac.id/index.php/jika/article/view/46746 YOLO V5 untuk Deteksi Plat Kendaraan di DKI Jakarta 2023-12-28T22:51:32+07:00 Reezky Illmawati reezkyillmaa@gmail.com Hustinawati hustina@staff.gunadarma.ac.id <p>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<em>.</em></p> 2023-05-31T00:00:00+07:00 Copyright (c) 2023 Reezky Illmawati, Hustinawati https://jai.ipb.ac.id/index.php/jika/article/view/46086 Menumbuhkan Talenta Desain Pengalaman Pengguna Melalui ACM SIGCHI Student Chapter: Refleksi dari IPB University 2023-12-21T15:55:58+07:00 Auzi Asfarian auzi.asfarian@gmail.com Firman Ardiansyah f.ardiansyah@apps.ipb.ac.id Dean Apriana Ramadhan deanaprianaramadhan@apps.ipb.ac.id Shadiqa Arya shadiqa_arya@apps.ipb.ac.id Imam Mulhaq Rosyadi imam_chelsea2@apps.ipb.ac.id Akaasyah Nurfath imam_chelsea2@apps.ipb.ac.id <p><em>Student chapter</em> 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 <em>student chapter</em> pertama di Indonesia, mungkin bahkan di Asia Tenggara. <em>Student chapter</em> 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 <em>student chapter</em> 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 <em>student chapter </em>dan dampaknya pada perkembangan talenta UXD mahasiswa. Terakhir, kami mempresentasikan peluang dan tantangan yang kami temukan dalam tiga tahun pertama menjalankan <em>student chapter</em>. Kami berharap pelajaran yang kami peroleh dari kegiatan kami dapat mendorong lebih banyak <em>student chapter</em>, mendorong kolaborasi antar-<em>student chapter</em>, dan memupuk diskusi lebih lanjut tentang keberlanjutan dan dampak <em>student chapter</em>.</p> 2023-05-31T00:00:00+07:00 Copyright (c) 2023 Auzi Asfarian, Firman Ardiansyah, Dean Apriana Ramadhan, Shadiqa Arya, Imam Mulhaq Rosyadi, Akaasyah Nurfath https://jai.ipb.ac.id/index.php/jika/article/view/46788 Strategi Implementasi Aplikasi Mobile KMS Sawit Rakyat Berbasis Rural Participatory 2023-12-21T15:55:51+07:00 Ade Hikma Tiana adehikma.tiana@gmail.com Irman Hermadi irmanhermadi@apps.ipb.ac.id Yani Nurhadryani yani_nurhadryani@apps.ipb.ac.id Auzi Asfarian asfarian@apps.ipb.ac.id I Nyoman Rai Widartha Kesuma raiwidartha@apps.ipb.ac.id <div class="page" title="Page 1"> <div class="layoutArea"> <div class="column"> <p>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.</p> </div> </div> </div> 2023-05-31T00:00:00+07:00 Copyright (c) 2023 Ade Hikma Tiana, Irman Hermadi, Yani Nurhadryani, Auzi Asfarian, I Nyoman Rai Widartha Kesuma