Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi The Indonesian Journal of Computer Science
Rokhana, Rika
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Level Kualitas Air Nutrisi pada Hidroponik Berdasarkan Sistem Klasifikasi Fuzzy Sanaba, Utari; Rokhana, Rika; Setiawardhana, Setiawardhana
Techno.Com Vol. 23 No. 2 (2024): Mei 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i2.10538

Abstract

Tingginya jumlah penduduk telah menyebabkan perubahan lahan pertanian menjadi lahan non-pertanian. Solusi inovatif untuk mengatasi keterbatasan lahan yaitu urban agriculture, khususnya hidroponik. Namun, kondisi nutrisi pada air hidroponik sering kali dalam kondisi buruk sehingga perlu dimonitoring dan dideteksi tingkat kualitasnya untuk menjaga kondisi air nutrisi dalam bak hidroponik dalam keadaan baik. Kondisi air nutrisi yang baik akan mengoptimalkan proses penyerapan akar dan pertumbuhan tanaman. Parameter kualitas air nutrisi dapat dideteksi melalui suhu air nutrisi, kadar TDS (Total Dissolved Solids) di dalam nutrisi, dan tingkat keasamaan atau pH dari air nutrisi di dalam bak hidroponik. Metode fuzzy logic classification memungkinkan dalam mengolah kondisi aktual nutrisi dari ketiga parameter tersebut menjadi sebuah keputusan level kualitas air nutrisi tanaman dalam kondisi baik, sedang, buruk, ataupun sangat buruk. Penelitian ini menggunakan sensor suhu air, TDS, dan pH dalam pengukuran masing-masing parameter yang kemudian ditampilkan pada website. Hasil pengukuran parameter nutrisi mencapai error rendah yaitu ±5%. Hasil klasifikasi kualitas dari kondisi air nutrisi tanaman yang diputuskan dengan fuzzy logic sudah sesuai dengan yang diinginkan oleh petani dan berhasil 100% ditampilkan pada website pengguna. Sistem ini memudahkan pengguna dalam memantau, mengevaluasi, dan meningkatkan kondisi dan kualitas nutrisi tanaman dari jarak jauh.
Penentuan Tingkat Stres berdasarkan Bio-Parameter Menggunakan Variasi Kernel Support Vector Machine Daffa Syah Alam; Rokhana, Rika; Arief, Zainal
The Indonesian Journal of Computer Science Vol. 13 No. 6 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i6.4495

Abstract

System for detecting a person's stress level based on bio-parameters is blood pressure, heart rate, and respiratory rate. Measurements of blood pressure, heart rate, and respiratory rate in order to detect the condition of a person's stress level are carried out non-invasively or don’t damage the nervous tissue in the body and routinely. Heart rate measurement using MAX30102 sensor on the finger. Measurement of blood pressure using the MPX2050GP pressure sensor by placing cuff on the person's arm. While measuring the breathing rate using the MAX9814 micondensor sensor. In determining or classifying stress level conditions from non-invasive measurement parameters of blood pressure, heart rate and respiratory rate using Support Vector Machine (SVM) method with specified kernel variations. The classification of stress level conditions consists of four classes including normal, mild stress, moderate stress and severe stress. So that a dataset of 71 data is obtained with the data augmentation process and the accuracy of each SVM kernel variation used is obtained.
Co-Authors Daffa Syah Alam Gusti, Agrippina Waya Rahmaning Kemalasari Ningsih, Vita Kusuma Sanaba, Utari Setiawardhana, Setiawardhana Zainal Arief