Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah Journal of Information Systems and Informatics
Febriyanti Panjaitan
Universitas Satu
Computer Science & IT

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

Found 2 Documents
Search

 1 
PERANCANGAN DAN SIMULASI PEMANTAUAN KUALITAS AIR IRIGASI SAWAH BERBASIS INTERNET OF THINGS (IOT) MENGGUNAKAN ALGORITMA XGBOOST Vito Hafizh Cahaya Putra; Agung Rachmat Raharja; Muhammad Al-Husaini; Febriyanti Panjaitan; Ghanim Kanugrahan; Gravila Juliana
Technologia : Jurnal Ilmiah Vol 16 No 3 (2025): Technologia (Juli)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i3.19014

Abstract

Kualitas air dalam irigasi sawah sangat penting untuk mendukung pertumbuhan tanaman yang sehat dan hasil panen yang optimal. Meski banyak penelitian yang membahas kualitas air irigasi, sebagian besar belum menggabungkan pemantauan kualitas air dan prediksi kebutuhan irigasi secara menyeluruh. Penelitian ini merancang dan mengimplementasikan sistem pemantauan kualitas air irigasi sawah berbasis Internet of Things (IoT), yang dilengkapi dengan algoritma XGBoost untuk menganalisis data secara otomatis. Sistem ini memantau kualitas air secara real-time dengan mengukur suhu, pH, oksigen terlarut, dan kekeruhan air. Data dari sensor dikirim melalui ESP32 ke platform ThingSpeak untuk pemantauan lebih lanjut. Algoritma XGBoost digunakan untuk memprediksi kualitas air, apakah baik atau buruk. Model ini menunjukkan accuracy 78.82%, dengan precision 0.85 dan recall 0.82 untuk kualitas air "good", serta precision 0.69 dan recall 0.72 untuk kualitas air "bad". Sistem ini juga telah diuji dengan Black Box Testing untuk memastikan fungsionalitasnya. Meskipun saat ini menggunakan simulasi Wokwi, penelitian ini menunjukkan potensi penerapan pada perangkat fisik di lapangan. Diharapkan pengembangan selanjutnya, dapat menggunakan dataset lebih besar dan penambahan sensor untuk parameter lain bisa meningkatkan akurasi. Mengintegrasikan sistem kontrol irigasi otomatis, serta terintegrasi berbagai teknologi lain yang dapat meningkatkan efisiensi dan hasil pertanian, menjadikan sistem ini lebih bermanfaat dalam pertanian berkelanjutan.
Sentiment Analysis on Coretax Data Using SVM and Random Forest with SMOTE and Tomek-Link Hery Oktafiandi; Winarnie Winarnie; M. Fajar Ramadhan; Febriyanti Panjaitan
Journal of Information System and Informatics Vol 7 No 3 (2025): September
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalisi.v7i3.1279

Abstract

This study is motivated by the increasing adoption of digital tax platforms in Indonesia, particularly Coretax, which enables online tax reporting and payment. Understanding user sentiment is crucial for evaluating system effectiveness and identifying areas for improvement. However, sentiment data is often imbalanced, making it challenging to detect the sentiments of the minority class. This research evaluates the performance of Support Vector Machine (SVM) and Random Forest (RF) in classifying sentiment from Coretax related reviews collected between March and September 2025 from Twitter, YouTube, and the DJP application. Lexicon-based labeling and preprocessing were applied, followed by class balancing using Tomek-Link, SMOTE, and SMOTE-Tomek techniques. On the original data, SVM achieved an accuracy of 98.56%, while Random Forest reached 98.43%, both performing strongly on the majority class. However, minority class detection was improved through SMOTE and SMOTE-Tomek, albeit with a slight decrease in overall accuracy due to the risk of overfitting. The novelty of this study lies in its focus on Coretax 2025 data and a comparative analysis of multiple resampling techniques, providing practical insights into improving sentiment analysis performance on imbalanced digital tax data.
Co-Authors Agung Rachmat Raharja Ghanim Kanugrahan Gravila Juliana Hafizh Cahaya Putra, Vito Hery Oktafiandi M. Fajar Ramadhan Muhammad Al Husaini Winarnie Winarnie