Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Sodality: Jurnal Sosiologi Pedesaan Elkom: Jurnal Elektronika dan Komputer Jurnal Mekanova : Mekanikal, Inovasi dan Teknologi Jurnal Rekayasa Sistem Informasi dan Teknologi J-MILE: Journal of Management and Industrial Engineering
Maghfirah, Geubrina
Unknown Affiliation
Aerospace Engineering Arts Humanities Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
The Correlation between Sociodemographic Characteristics and Chili Farmers' Knowledge on Pesticide Application in Tegal Regency Maghfirah, Geubrina; Dadang, Dadang; Kumala Putri, Eka Intan
Sodality: Jurnal Sosiologi Pedesaan Vol. 7 No. 1 (2019): Sodality: Jurnal Sosiologi Pedesaan
Publisher : Departement of Communication and Community Development Sciences, Faculty of Human Ecology

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (378.747 KB) | DOI: 10.22500/sodality.v7i1.25328

Abstract

Pest and disease are limiting factors in red chili cultivation. Chili farmers oftenuse synthetic pesticides to control pest and disease However, improper application of pesticide can cause deleterious effects to human and environment.The objective of research was to know the level of red chilli farmers understanding regardingpesticides use.This research was conducted in Bumijawa Subdistrict, Tegal District by interviewing farmers. A total number of 140 farmers werepurposely selected and divided into 4 groups, namely integrated pest management (IPM) monoculture,non IPM monoculture, IPM multiple cropping, and non IPM multiple cropping. Data analysis was performed using cross tabulation for likert scale questionnaire and Rank Spearman to analyze the relation among variables. Results showed that all four farmer groups had similar characteristics, i.e age range of 20-65 years, dominance ofelementary school graduates, and more than 10 years of farming experience. These group of farmers hadpositive score for application and safety principle of pesticide but they still had negative score on ecological aspect.Farmer’s age, level of education, and farming experience did not affect the knowledge of nonIPM monoculture and IPM monoculture groups. The level of education in non IPM multiple cropping group affected the application of pesticides. Farmer’s knowledge on pesticides usage and its safety application had significant correlation with farmer age and farming experience for IPM multiple cropping group.
SISTEM MONITORING DAN KENDALI SUHU RUANGAN BUDIDAYA JAMUR TIRAM BERBASISINTERNET OF THINGS Nurhanif, Nurhanif; Nurhanif Nurhanif; Yanti, Yeni; Baihaqi, Baihaqi; Maghfirah, Geubrina
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 1 (2025): Juli : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/1sp20p64

Abstract

Proses budidaya jamur tiram sangat tergantung dengan kestabilan pada kondisi lingkungan, terutama suhu ruangan dan kelembapan yang harus di perhatikan oleh para petani.  Hal ini menjadi permasalahan ketika proses pemantauan dan pengendalian lingkungan secara manual dilakukan, membutuhkan tenaga yang kuat dan waktu yang cukup besar. Penelitian ini bertujuan Mendesain rancangan sistem monitoring dan kendali suhu ruangan budidaya jamur tiram secara otomatis dan jarak jauh berbasis teknologi Internet of Things (IoT) untuk para petani. Dalam proses sistem ini penelitian ini memanfaatkan sensor suhu dan kelembapan DHT11 sebagai input, mikrokontroler Arduino Uno sebagai pemroses data, dan modul ESP8266 sebagai pengirim data nirkabel ke aplikasi Android berbasis Blynk.  Adapun metode dalam penelitia ini digunakan pengembangan yang digunakan adalah Software Development Life Cycle (SDLC) model waterfall, dan menganalisis kebutuhan, perancangan sistem, implementasi, pengujian, hingga pemeliharaan. Hasil pengujian menunjukkan bahwa sistem mampu membaca suhu dan mengaktifkan blower (kipas) secara otomatis ketika suhu melebihi ambang batas, serta menampilkan data suhu dan status kipas secara real-time melalui aplikasi Blynk. Dengan adanya sistem ini, pemantauan dan pengendalian lingkungan budidaya jamur dapat dilakukan lebih efisien dan fleksibel dan mendukung produktivitas budidaya secara optimal.
PERAN ARTIFICIAL INTELIGENCE PADA PERKEMBANGAN PENERAPAN MULTIMEDIA DALAM BERBAGAI BIDANG: Systematic Literature Review Sa’adah, Nailis; Mulyati, Dewi; Maghfirah, Geubrina; Sara, Titien
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2899

Abstract

Saat ini, kecerdasan buatan (Artificial Intelligence) atau AI, memiliki pengaruh yang signifikan di berbagai bidang, termasuk dalam penerapan teknologi multimedia. AI juga memberikan dampak nyata terhadap berbagai bidang penerapannya, seperti di bidang pendidikan, kesehatan, industri kreatif, pemasaran digital, hingga sistem hukum. Integrasi AI memungkinkan multimedia menjadi lebih interaktif, adaptif, dan efisien dalam menyampaikan informasi serta meningkatkan pengalaman pengguna. Dibutuhkan penelitian yang mendalam untuk mengetahui sejauh mana pengaruh penerapan AI dalam teknologi multimedia terhadap masing-masing bidang tersebut. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis peran AI dalam pengembangan teknologi multimedia pada berbagai bidang. Metode penelitian menggunakan Metode System Literature Review (SLR), untuk mengidentifikasi, mengevaluasi, dan mensintesis temuan-temuan ilmiah yang relevan dalam kurun waktu 2020–2025 dari berbagai studi terdahulu. Hasil kajian menunjukkan bahwa AI memiliki kontribusi yang luas dalam mempercepat inovasi multimedia, mulai dari bidang pendidikan, kesehatan, industri kreatif, sosial, hukum, hingga properti. Sistem multimedia interaktif dan otomatis ini didukung oleh Teknologi AI seperti Deep Learning (DL), Computer Vision, Natural Language Processing (NLP), dan Generative Adversarial Networks (GAN). Teknolgi AI yang paling banya dipakai adalah Teknologi Deep Learning. Di bidang pendidikan, AI digunakan untuk pengembangan konten pembelajaran adaptif dan visualisasi interaktif. Di sektor kesehatan, AI diaplikasikan dalam sistem diagnosis berbasis citra dan media edukatif pasien. Sementara itu, bidang sosial dan hukum memanfaatkan AI dalam analisis visual, pendeteksian konten berbahaya, serta pemantauan media. Penelitian ini menyimpulkan bahwa integrasi AI dan multimedia berperan penting dalam meningkatkan efisiensi, akurasi, serta kualitas informasi visual dan audio yang digunakan secara luas pada berbagai bidang.
Prediksi Suhu Permukaan Berbasis Artificial Intelligence Untuk Adaptasi Perubahan Iklim Pada Pertanian Nurhanif, Nurhanif; Maghfirah, Geubrina; Ummah, Khairatun; Nahariyati, Kamila
Jurnal Mekanova : Mekanikal, Inovasi dan Teknologi Vol 11, No 2 (2025): Oktober
Publisher : universitas teuku umar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35308/jmkn.v11i2.13348

Abstract

Perubahan iklim global yang ditandai dengan meningkatnya variabilitas suhu permukaan memberikan dampak signifikan terhadap sektor pertanian, terutama di wilayah tropis yang sangat rentan terhadap anomali iklim. Kondisi ini menuntut adanya sistem prediksi yang akurat untuk mendukung perencanaan pertanian berkelanjutan. Penelitian ini bertujuan mengembangkan model prediksi suhu permukaan berbasis Artificial Neural Network (ANN/MLP) serta membandingkan performanya dengan metode Regresi Linier Multivariat (MLR) sebagai baseline. Data meteorologi yang digunakan meliputi suhu permukaan (T2M), kelembapan udara (RH2M), tekanan udara (PS), radiasi matahari, dan curah hujan. Model ANN dirancang dengan lima neuron input, dua hidden layer beraktivasi ReLU (64 dan 32 neuron), serta satu output neuron untuk memprediksi suhu permukaan. Evaluasi dilakukan menggunakan metrik R², RMSE, dan MSE pada data uji. Hasil penelitian menunjukkan bahwa model ANN/MLP memiliki performa lebih baik dibandingkan MLR. ANN mampu menjelaskan 89% variabilitas data dengan nilai R² = 0.89, serta menghasilkan RMSE = 1.05 °C dan MSE = 1.10 °C², sedangkan MLR hanya mencapai R² = 0.71, dengan RMSE = 1.82 °C dan MSE = 3.31 °C². Visualisasi perbandingan prediksi memperlihatkan bahwa distribusi hasil ANN lebih dekat dengan nilai aktual dibandingkan regresi linier. Dapat disimpulkan bahwa pendekatan berbasis ANN/MLP efektif untuk meningkatkan akurasi prediksi suhu permukaan pada variabilitas iklim tropis. Implementasi model ini berpotensi mendukung pertanian cerdas iklim (climate-smart agriculture) melalui penentuan kalender tanam yang lebih tepat, efisiensi pengelolaan irigasi, serta mitigasi risiko gagal panen akibat suhu ekstrem
Application of Artificial Intelligence Algorithms to Improve the Accuracy of Agricultural Weather Predictions Maghfirah, Geubrina; Nurhanif; Yanti, Yeni; Muliadi
J-MILE: Journal of Management and Industrial Engineering Vol 2 No 1 (2026): April 2026
Publisher : J-MILE adalah jurnal akademik yang ditinjau sejawat (peer-reviewed) yang diterbitkan oleh CV Knowlexa Indonesia, terbit dua kali setahun (biannually) pada bulan April dan Oktober. Jurnal ini menampilkan penelitian teoretis dan empiris di bidang manaj

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Climate change, marked by increasing uncertainty in weather patterns, poses significant challenges to agricultural productivity in Indonesia. Accurate weather forecasting is therefore essential to support sustainable agrarian efficiency, parti-cularly in determining planting schedules, irrigation management, and mitigating crop failure risk. This study aims to apply artificial intelligence (AI) algorithms to improve weather prediction accuracy by comparing the performance of Long Short-Term Memory (LSTM), Random Forest (RF), and conventional methods, including ARIMA and Least Squares Method (LSM). The dataset used consists of historical meteorological parameters, including temperature, humidity, rainfall, and wind speed. The research process involved data collection, preprocessing, model development, and evaluation using RMSE, MAE, and R². The results reveal that LSTM outperforms the other models with an R² of 0.92, RMSE of 0.15, and MAE of 0.11, while RF achieved an R² of 0.85. In contrast, ARIMA and LSM showed lower performance with R² values below 0.80, highlighting the limitations of conventional approaches in capturing non-linear weather patterns. These findings confirm that the application of AI algorithms, particularly LSTM, provides more accurate weather forecasting, which directly contributes to sustainable agricultural practices by improving efficiency and resilience to climate variability.
Co-Authors DADANG DADANG Dewi Mulyati, Dewi Eka Intan Kumala Putri Muliadi Nahariyati, Kamila Nailis Sa'adah Nurhanif Nurhanif Nurhanif Nurhanif, Nurhanif Sara, Titien Ummah, Khairatun Yanti, Yeni