Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Inovasi Pengabdian Masyarakat Pendidikan
Aulina, Mia
Unknown Affiliation
Computer Science & IT Social Sciences Other

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

Found 2 Documents
Search

 1 
Upaya Konversi Sampah Organik melalui Budidaya Maggot, serta Pembuatan Ekoenzim dan Kompos Singkam, Abdul Rahman; Parlindungan, Deni; Husein, Ahmad Saddam; Aulina, Mia; Rizqi, Muhammad; Angelia, Dechy; Handayani, Lisen
Jurnal Inovasi Pengabdian Masyarakat Pendidikan Vol. 5 No. 2 (2024): Mei 2025
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/jurnalinovasi.v5i2.39470

Abstract

Pengabdian ini bertujuan untuk memberikan pelatihan konversi sampah organik menjadi berbagai produk bernilai jual bagi kelompok pengelola sampah di Kabupaten Kepahiang. Pelatihan yang diberikan berupa budidaya maggot, pembuatan eco-enzym, dan pupuk kompos. Kegiatan pelatihan dibimbing oleh 3 Dosen dan 4 Mahasiswa dari FKIP Universitas Bengkulu yang bermitra dengan Dinas Lingkungan Hidup Kabupaten Kepahiang. Peserta pelatihan adalah kelompok pengelola sampah di Desa Bandung Jaya dan Desa Cugung Lalang yang masing-masingnya beranggotakan 25 orang. Kegiatan pelatihan dimulai dengan tahapan sosialiasi berupa ceramah berbantuan powerpoint, leaflet panduan yang dicetak warna, dan praktek langsung menggunakan alat dan bahan yang disediakan tim pengabdian. Hasil yang diperoleh dari pengabdian adalah peserta telah mampu melakukan setidaknya 8 siklus @ 36 kg budidaya maggot secara mandiri. Produksi maggot juga telah dibuat dalam kemasan kering dalam standing pouch untuk dijual sebagai pakan ikan dan burung. Mitra juga telah mampu menghasilkan setidaknya 2 ton pupuk kompos kering dan 35 liter ekoenzim. Tindak lanjut pengabdian ini adalah upaya lanjutan dalam mengemas maggot dalam bentuk pakan komersil bagi usaha budidaya ikan komersil, sehingga nilai ekonomi budidaya maggot dapat bertambah. Mitra juga menyatakan membutuhkan pelatihan budidaya cacing dan jamur tiram.
PREDIKSI KUALITAS UDARA MENGGUNAKAN XGBOOST DENGAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE (SMOTE) BERDASARKAN INDEKS STANDAR PENCEMARAN UDARA (ISPU) Nababan, Adli A; Jannah, Miftahul; Aulina, Mia; Andrian, Dwiki
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.66

Abstract

Polusi udara memperburuk situasi di daerah berpenduduk. Kota-kota besar di Indonesia juga menderita polusi udara. Kualitas udara telah berubah secara signifikan sebagai akibat dari peningkatan lalu lintas, konsumsi material kendaraan, pertumbuhan industri, pembakaran lahan, dan pengumpulan sampah. Diperlukan pengukuran dan klasifikasi kualitas udara yang akurat. Hasil klasifikasi yang akurat membantu dalam pembentukan peraturan negara. Untuk mencapai kriteria kualitas udara hidup, kami bermaksud mengelola pemantauan. Dengan menggunakan algoritma XGBoost dan metode synthetic minoritas oversampling (SMOTE) berdasarkan kategori ISPU (Air Pollution Standard Index), penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi kualitas udara. Algoritma klasifikasi yang digunakan adalah XGBoost, pendekatan pembelajaran mesin ensembel berdasarkan pohon keputusan dan menggunakan kerangka penguat gradien. Klasifikasi kualitas udara telah diuji dan terbukti bekerja dengan algoritme XGBoost. Dataset yang digunakan dalam penelitian ini adalah survei kualitas udara Kementerian Lingkungan Hidup sepanjang tahun 2017 hingga tahun 2021. Model klasifikasi yang diusulkan dievaluasi dengan metode K-fold cross-validation berulang untuk mendapatkan hasil yang objektif. Hasil penelitian menunjukkan bahwa SMOTE dan XGBoost memiliki kinerja yang lebih baik dalam memprediksi kualitas udara, dengan total skor akurasi SMOTE dan XGBoost sebesar 98,14%, total skor presisi sebesar 78,94%, dan total skor recall sebesar 79%, Skor F1-score adalah 98,14%, dengan nilai AUC-ROC sebesar 99,48%. Seluruh performa metode SMOTE dengan XGBoost yang diusulkan bekerja lebih baik dalam memprediksi polusi udara.
Co-Authors Abdul Rahman Singkam Andrian, Dwiki Angelia, Dechy Handayani, Lisen Husein, Ahmad Saddam Miftahul Jannah Muhammad Rizqi Nababan, Adli A Parlindungan, Deni