Article Per Year (5 Year)
p-Index From 2021 - 2026
11.401
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) SITEKIN: Jurnal Sains, Teknologi dan Industri InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JMM (Jurnal Masyarakat Mandiri) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Nasional Komputasi dan Teknologi Informasi Data Science: Journal of Computing and Applied Informatics JURNAL MUTIARA AKUNTANSI Jurnal Teknologi Informasi dan Terapan (J-TIT) bit-Tech JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Sistem Komputer dan Informatika (JSON) Community Development Journal: Jurnal Pengabdian Masyarakat Ihsan: Jurnal Pengabdian Masyarakat Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Indonesian Journal of Education, Social Sciences and Research (IJESSR) Jurnal Fibonaci: Jurnal Pendidikan Matematika Jurnal Ilmiah Wahana Pendidikan Djtechno: Jurnal Teknologi Informasi INCODING: Journal of Informatics and Computer Science Engineering Proceeding International Seminar of Islamic Studies Bulletin of Information Technology (BIT) J-Intech (Journal of Information and Technology) Jurnal Pengabdian Pada Masyarakat Indonesia (JPPMI) sudo Jurnal Teknik Informatika Hello World Jurnal Pengabdian Masyarakat Gemilang (JPMG) Blend Sains Jurnal Teknik Wahana Factory Jurnal Industri, Manajemen dan Rekayasa Sistem Industri QISTINA: Jurnal Multidisiplin Indonesia Jurnal Multidisiplin Teknologi dan Arsitektur Indonesian Journal of Education and Development Research Jurnal Ecotipe (Electronic, Control, Telecommunication, Information, and Power Engineering) Journal of Accounting Law Communication and Technology Journal of Mathematics, Computation and Statistics (JMATHCOS) Journal of Citizen Research and Development Journal of Education Transportation and Business Al'Adzkiya International of Computer Science and Information Technology Journal Journal of Information Technology
Ramadhani, Fanny
Program Studi Ilmu Komputer, Fakultas Matematika Dan Ilmu Pengetahuan Alam, Universitas Negeri Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 92 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 92 Documents
Search

 6   7   8   9   10 
Analisis Pola dan Optimalisasi Rute Perjalanan Taksi Menggunakan K-Means Clustering Muhammad Rizki Alfahri; Muhammad Zidane Alkautsar; Najwatul Khoiriah; Agata Putri Handayani Simbolon; Fanny Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 2 (2025): April 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i2.8979

Abstract

Abstrak - Perjalanan taksi di kota besar memiliki pola yang beragam berdasarkan lokasi dan waktu tempuh. Penelitian ini menerapkan algoritma K-Means Clustering untuk mengelompokkan data perjalanan taksi berdasarkan dua variabel utama, yaitu jarak perjalanan dan total biaya. Dengan menggunakan 15.000 data sampel dari dataset Yellow_tripdata_2024, hasil clustering menunjukkan bahwa perjalanan dapat dibagi menjadi lima kelompok utama. Klaster pertama mencakup perjalanan jarak pendek di pusat kota, klaster kedua meliputi perjalanan dari dan ke bandara atau area pinggiran kota, dan klaster ketiga berfokus pada perjalanan malam dan dini hari. Dua klaster tambahan menunjukkan pola perjalanan unik berdasarkan variasi harga dan jarak. Hasil analisis ini dapat dimanfaatkan untuk optimalisasi tarif, peningkatan layanan transportasi, serta pengambilan keputusan bagi operator taksi dan perencana transportasi kota.Kata kunci: Big Data, Clustering, K-Means, Transportasi, Analisis perjalanan Abstract - Taxi trips in big cities have diverse patterns based on location and travel time. This study applies the K-Means Clustering algorithm to cluster taxi trip data based on two main variables, namely trip distance and total cost. Using 15,000 sample data from the Yellow_tripdata_2024 dataset, the clustering results show that trips can be divided into five main clusters. The first cluster includes short-distance trips in the city center, the second cluster includes trips to and from the airport or suburban areas, and the third cluster focuses on night and early morning trips. Two additional clusters show unique travel patterns based on price and distance variations. The results of this analysis can be used for fare optimization, transportation service improvement, and decision-making for taxi operators and city transportation planners.Keywords: Big Data, Clustering, K-Means, Transportation, Travel analysis
Sistem Pengelolaan Data Siswa Dinamis dengan Array Dan Stack Muhammad Rizki Alfahri; Najwa Latifa Hasibuan; Raihan Insan Pratama Siagan; Fanny Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 7, No 6 (2024): Desember 2024
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v7i6.8424

Abstract

Abstrak - Sistem pengelolaan data siswa konvensional sering kali mengalami kesulitan dalam hal kecepatan akses, integritas data, serta kemampuan untuk mendukung operasi pembatalan (undo) dan pengulangan (redo) yang diperlukan saat ada perubahan data. Penelitian ini mengusulkan pengembangan Sistem Pengelolaan Data Siswa Dinamis yang memanfaatkan struktur data array dan stack untuk menyediakan solusi pengelolaan data siswa yang cepat, terstruktur, dan mendukung fungsi undo-redo secara efektif. Array digunakan untuk menyimpan data siswa dalam bentuk yang terstruktur, memungkinkan operasi penambahan, penghapusan, dan pembaruan data secara efisien. Sebagai pelengkap, stack diterapkan untuk mendukung fitur undo-redo yang memberikan fleksibilitas bagi pengguna dalam membatalkan atau mengulangi tindakan terakhir pada data siswa. Dalam penelitian ini, dua stack dikhususkan untuk mengelola undo dan redo secara terpisah, sehingga sistem dapat melacak riwayat operasi dan memastikan perubahan data tetap konsisten. Pengujian sistem dilakukan melalui simulasi beberapa skenario penggunaan, termasuk penambahan data siswa baru, penghapusan data, serta pembaruan data nilai siswa. Hasil pengujian menunjukkan bahwa sistem ini tidak hanya menyediakan waktu akses yang optimal dengan penggunaan memori yang efisien, tetapi juga mempercepat proses navigasi perubahan data dengan dukungan undo dan redo yang responsif. Dengan menerapkan pendekatan berbasis array untuk pengelolaan data inti dan stack untuk penelusuran riwayat perubahan, sistem ini mampu menghadirkan fungsionalitas yang lebih baik dalam hal akurasi dan efisiensi. Penelitian ini diharapkan dapat menjadi referensi untuk pengembangan sistem manajemen data siswa yang adaptif dan dinamis, serta dapat diterapkan dalam berbagai lingkungan akademik dan administrasi yang membutuhkan kontrol data yang tinggi dan fleksibilitas dalam pembaruan data.Kata kunci: Sistem Pengolaan Data, array, Stack, Undo-Redo, Pendidikan Abstract -  Conventional student data management systems often experience difficulties in terms of access speed, data integrity, as well as the ability to support undo and redo operations required when data changes. This research proposes the development of a Dynamic Student Data Management System that utilizes array and stack data structures to provide a solution for student data management that is fast, structured, and supports undo-redo functions effectively. Arrays are used to store student data in a structured form, enabling efficient operations of adding, deleting, and updating data. As a complement, a stack is implemented to support the undo-redo feature that provides flexibility for users in undoing or redoing the last action on student data. In this research, two stacks are devoted to managing undo and redo separately, so that the system can keep track of operation history and ensure data changes remain consistent. System testing was conducted through the simulation of several usage scenarios, including the addition of new student data, deletion of data, as well as updating student grade data. The test results show that the system not only provides optimized access time with efficient memory usage, but also speeds up the data change navigation process with responsive undo and redo support. By applying an array-based approach for core data management and a stack for change history browsing, the system is able to deliver better functionality in terms of accuracy and efficiency. This research is expected to be a reference for the development of adaptive and dynamic student data management systems, and can be applied in various academic and administrative environments that require high data control and flexibility in data updates.Keywords: Data Management System, array, Stack, Undo-Redo, Education
Klasifikasi Suara Paru Normal Dan Abnormal Berbasis Algoritma CNN (Convolutional Neural Network) Fanny Ramadhani; Hermawan Syahputra; Rahel Lina Simanjuntak; Theresia Romauli Siagian*; Ukhti Nisa; Vina Anggraini
Jurnal Teknologi Informasi dan Terapan Vol 11 No 1 (2024)
Publisher : Jurusan Teknologi Informasi Politeknik Negeri Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25047/jtit.v11i1.370

Abstract

Deteksi dini dan diagnosis penyakit paru-paru sangat penting untuk perawatan kesehatan yang efektif. Suara paru merupakan salah satu indikator utama dalam identifikasi kondisi paru-paru yang normal maupun abnormal. Penelitian ini bertujuan untuk mengembangkan model klasifikasi suara paru normal dan abnormal menggunakan algoritma Convolutional Neural Network (CNN). Model CNN yang diusulkan terdiri dari beberapa lapisan konvolusi dan pooling yang dioptimalkan untuk ekstraksi fitur dari spektrogram suara paru. Dataset dibagi menjadi data latih dan data validasi, dan visualisasi data dilakukan menggunakan Analisis Data Eksplorasi (EDA) dengan diagram lingkaran. Model dilatih melalui 20 iterasi, dengan setiap iterasi mempengaruhi kinerja model. Eksperimen pertama menggunakan dataset audio terpisah, menghasilkan nilai loss 0,2926 dan akurasi 0,8664. Evaluasi kinerja model menunjukkan skor evaluatif 89%, sehingga prediksi terbaik dan akurat telah dicapai.
Implementasi Sistem Pengelolaan Pesanan Menu Restoran Berbasis Stack dan Queue Agata Putri Handayani Simbolon; Khairul Fahmi Sagala; Muhammad Raffi Akbar Tanjung; Tri Sapta Warman Zai; Fanny Ramadhani
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1867

Abstract

Di industri restoran, memiliki sistem pengelolaan pesanan yang efisien sangat penting untuk meningkatkan kualitas layanan dan kepuasan pelanggan. Namun, sebagian besar restoran masih bergantung pada metode manual yang sering kali menyebabkan masalah, seperti antrian yang tidak teratur, kesalahan pencatatan, dan kesulitan dalam melacak riwayat pesanan, terutama pada volume pelanggan yang tinggi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengelolaan pesanan yang berbasis struktur data stack dan queue. Sistem ini menggunakan metode FIFO pada queue untuk memastikan pesanan diproses secara berurutan sesuai urutan kedatangan, sementara stack berfungsi untuk menyimpan dan menampilkan riwayat pesanan yang sudah selesai diproses. Pengembangan sistem dilakukan dengan pendekatan waterfall yang meliputi analisis kebutuhan, desain sistem menggunakan diagram UML, implementasi dengan Python, dan pengujian sistem untuk memastikan semua fungsionalitas bekerja dengan baik. Hasil penelitian menunjukkan bahwa sistem ini dapat mengelola alur pemesanan dengan lebih terorganisir, mempercepat proses layanan, mengurangi kesalahan, dan meningkatkan kepuasan pelanggan. Selain itu, sistem ini memungkinkan staf restoran untuk dengan mudah mengakses riwayat pesanan yang sudah diproses. Secara keseluruhan, penelitian ini menyimpulkan bahwa penerapan struktur data stack dan queue menawarkan solusi yang efektif dan efisien dalam pengelolaan pesanan restoran. Penelitian lanjutan dapat fokus pada integrasi sistem dengan database eksternal untuk meningkatkan skalabilitas dan mendukung operasi restoran dengan lebih banyak pelanggan.
Spatial Clustering Analysis of Stunting in North Sumatra Based on Environmental Factors Using K-Means Algorithm Fanny Ramadhani; Dian Septiana; Sisti Nadia Amalia; Putri Maulidina Fadilah; Andy Satria
Data Science: Journal of Computing and Applied Informatics Vol. 9 No. 2 (2025): Data Science: Journal of Computing and Applied Informatics (JoCAI)
Publisher : Talenta Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32734/jocai.v9.i2-17179

Abstract

This research aims to analyze the spatial grouping of stunting events in North Sumatra based on environmental factors using the K-Means algorithm. The data used in this research includes the incidence of stunting, environmental factors (such as access to health services, living environment conditions, water use and sanitation), and spatial data (geographical coordinates). The data comes from Basic Health Research (RISKESDAS 2018, then processed and normalized. The elbow method and silhouette analysis are used to determine the optimal number of clusters, resulting in four different clusters. The application of the K-Means algorithm produces the following cluster characteristics: Cluster 1, with good environmental conditions and access to health services, shows low levels of stunting; Cluster 2, with moderate environmental conditions, shows moderate levels of stunting; Cluster 3, which is characterized by poor living conditions and limited access to health services, has levels high stunting; and Cluster 4, with varied environmental conditions but very limited access to health and sanitation services, also shows a high stunting rate. Validation using the Silhouette Coefficient produces an average score of 0.65 which indicates good clustering quality shows that environmental factors, access to health services, and sanitation conditions have a significant impact on the incidence of stunting. Based on these findings, policy and intervention recommendations are focused on Clusters 3 and 4, which have high stunting rates. The interventions carried out include increasing access and quality of nutrition, health services, sanitation conditions, economic empowerment, and health education.
Multivariate Analysis of Regional Economic Resilience Capacity Using PCA, Gaussian Mixture Model, and Random Forest Dian Septiana; Fanny Ramadhani; Sisti Nadia Amalia; Fahmi Ashari S. Sihaloho
Journal of Mathematics, Computations and Statistics Vol. 9 No. 2 (2026): Volume 09 Issue 02 (June 2026)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/Jmathcos12213

Abstract

Economic resilience capacity has become an important issue in regional development because socio-economic disparities influence the ability of regions to adapt to structural pressures and external disturbances. However, measuring regional resilience capacity remains challenging due to the multidimensional and interrelated nature of socio-economic indicators. This study analyses regional economic resilience capacity in North Sumatra using an integrated multivariate statistical and machine learning framework combining Principal Component Analysis (PCA), Gaussian Mixture Model (GMM), and Random Forest. PCA was employed to construct a composite Economic Resilience Capacity Index (ERCI) from socio-economic indicators, while GMM clustering was applied to identify regional typologies within the reduced dimensional space. The initial clustering estimation identified North Nias as an extreme singleton cluster, indicating the presence of an outlier observation. After excluding the outlier, the final GMM model selected a four-cluster spherical covariance structure based on the Bayesian Information Criterion (BIC). A comparison with K-means clustering produced different optimal grouping structures, indicating sensitivity to clustering assumptions and the complexity of regional socio-economic patterns. The first two principal components explained approximately 72% of the total variance, indicating adequate representation of the dominant socio-economic structure. The geographical distribution of clusters reveals substantial regional heterogeneity, where regions in the Nias area are concentrated within the low resilience capacity cluster, while urban and economically integrated regions form distinct growth-oriented clusters. Random Forest analysis indicates that unemployment and poverty related indicators are the most influential variables in distinguishing regional resilience typologies. Furthermore, the comparison between ERCI and GMM results shows that regions with relatively similar index values may still belong to different clusters, indicating that regional resilience patterns do not necessarily follow a single linear socio-economic structure. These findings suggest that regional economic resilience capacity in North Sumatra is shaped by multidimensional structural disparities rather than by a single composite index alone.
Pengembangan dan Implementasi Sistem Deteksi Serangan DDoS Berbasis Algoritma Random Forest Dedy Kiswanto; Fanny Ramadhani; Nurul Maulida Surbakti; Nadrah Afiati Nasution
Bulletin of Information Technology (BIT) Vol 6 No 3: September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v6i3.2203

Abstract

Serangan Distributed Denial of Service (DDoS) merupakan ancaman serius bagi keamanan jaringan, sementara metode deteksi tradisional seperti threshold-based detection dan signature-based detection memiliki keterbatasan dalam mengenali pola serangan baru maupun anomali lalu lintas yang kompleks. Penelitian ini bertujuan merancang dan mengimplementasikan model prediksi serangan DDoS berbasis algoritma Random Forest yang mampu membedakan trafik normal dan berindikasi serangan secara akurat. Pendekatan Research and Development (R&D) digunakan, meliputi studi literatur, perancangan model, implementasi, serta evaluasi performa menggunakan metrik akurasi, precision, recall, F1-score, confusion matrix, dan learning curve. Berdasarkan hasil evaluasi, model Random Forest menunjukkan kinerja sangat baik dengan akurasi 0,99942 (99,942%). Precision untuk kelas 0 dan 1 masing-masing sebesar 0,99979 dan 0,99884, sedangkan recall mencapai 0,99928 untuk kelas 0 dan 0,99966 untuk kelas 1. Nilai F1-score tinggi, yaitu 0,99953 untuk kelas 0 dan 0,99925 untuk kelas 1, dengan macro average F1-score sebesar 0,99939 dan weighted average sebesar 0,99942, menunjukkan keseimbangan performa pada kedua kelas. Confusion Matrix menunjukkan kesalahan klasifikasi rendah (44 false positive dan 13 false negative dari 99.066 sampel). Analisis learning curve mengungkapkan akurasi pelatihan stabil di atas 0,998, sedangkan akurasi validasi meningkat dari 0,986 pada 10.000 data hingga di atas 0,998 pada 80.000 data, dengan jarak antarkurva semakin kecil. Pola ini menandakan model mampu memanfaatkan data tambahan untuk meningkatkan generalisasi tanpa gejala overfitting atau underfitting. Temuan ini membuktikan bahwa model Random Forest yang dirancang dapat menjadi solusi deteksi dini serangan DDoS yang andal, adaptif, dan berpotensi diintegrasikan dalam sistem keamanan jaringan secara real-time.
District Level Child Nutrition Vulnerability in North Sumatra Using Composite Indeks, Machine Learning Benchmarking Fanny Ramadhani; Sri Dewi; Dian Septiana; Diah Retno Wahyuningrum; Andy Satria
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 4 (2026): Juni 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i4.9785

Abstract

Child nutrition vulnerability is a multidimensional issue influenced by health outcomes, socioeconomic conditions, environmental factors, maternal education, dietary patterns, and access to health services. This study developed the Child Nutrition Vulnerability Index (IKGA) to map district level vulnerability in 33 districts or cities of North Sumatra during 2021-2023 and to examine the stability of the resulting priority ranking. Birth, severe malnutrition, and low birth weight data were obtained from the North Sumatra Provincial Health Office; sanitation was derived from Riskesdas; and supporting socioeconomic and service access variables were compiled from district level research and statistical datasets. The method included indicator transformation, annual min-max normalization, weighted composite aggregation, tertile-based relative risk classification, spatial visualization, one-at-a-time and Monte Carlo sensitivity analyses, and exploratory machine learning benchmarking using Random Forest, Decision Tree, and K-Means. The 2023 average IKGA was 0.3486, with the highest score in Nias (0.5573) and the lowest in Kota Binjai (0.1934). Monte Carlo sensitivity analysis produced an average Spearman rank correlation of 0.9957, indicating stable rankings under moderate weight variation. Random Forest reproduced the IKGA categories better than Decision Tree and K-Means, with 0.727 accuracy and 0.724 macro-F1. The IKGA provides an interpretable district level prioritization tool for SI-GIZI SIGAP, but the categories should be interpreted as relative provincial priorities rather than absolute nutritional risk thresholds.
Pengembangan Aplikasi Pembelajaran Bangun Ruang Berbasis Augmented Reality dan Java Desktop Untuk Meningkatkan Pemahaman Konsep Bangunan Nadrah Afiati Nasution; Andy Satria; Fanny Ramadhani; Nurul Maulida Surbakti
Jurnal Fibonaci: Jurnal Pendidikan Matematika Vol. 4 No. 1 (2023): JURNAL FIBONACI: JURNAL PENDIDIKAN MATEMATIKA
Publisher : Prodi Pendidikan Matematika FMIPA Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/jfi.v4i1.46127

Abstract

Media yang sering digunakan dalam proses pembelajaran matematika khusunya bangun ruang adalah modul media pembelajaran seperti buku. Dalam hal ini kurang efektif karena medianya masih berupa gambar dua dimensi, sehingga siswa sulit memahami apa yang ingin disampaikan oleh guru. Tak jarang siswa juga masih belum mengenali bentuk bangun ruang sehingga banyak siswa yang akhirnya melamun. Area bangunan dapat diperkenalkan dengan hal-hal yang dapat diubah menjadi grafik 3D menggunakan aplikasi desktop berbasis Java. Artinya, teknologi ini masih memungkinkan untuk digunakan sebagai alat pendekatan yang lebih kreatif dalam mengidentifikasi rumus-rumus spasial matematis. Misalnya, dengan mengarahkan kamera yang terpasang pada ponsel, pengguna dapat melihat secara tiga dimensi bagaimana bentuk ruang yang tampak secara praktis. Sehingga ketika disajikan dalam bentuk 3D, siswa belajar lebih cepat. Siswa juga mampu mempelajari, mengingat dan mengimplementasikan rumus dengan cepat dan tepat sesuai dengan rumus dari setiap bentuk bangun ruang. Media pembelajaran interaktif berbasis augmented reality dan Java Desktop mendapat persentase 84,1% dan berada pada kategori sangat baik berdasarkan hasil validasi ahli materi. Media pembelajaran interaktif berbasis augmented reality dan Java Desktop mendapatkan persentase 80% dengan syarat kualifikasi sangat baik, sesuai hasil validasi oleh ahli desain pembelajaran. Hasil validasi oleh ahli media pembelajaran, media pembelajaran interaktif berbasis Augmented reality dan Java Desktop yang dikembangkan memperoleh skor 81,5% dengan kualifikasi sangat baik. Dan hasil uji coba kelompok, ditetapkan bahwa 86,7% hasil termasuk dalam kategori sangat baik
Pendampingan AWS IoT untuk Literasi Digital Petani Kopi Perteguhan Nurul Maulida Surbakti; Muhammad Ashari; Fanny Ramadhani; Dian Septiana; Sisti Nadia Amalia; Erita Astrid; Arnah Ritonga; Dinda Kartika; Nadrah Afiati; Ade Andriani
Wahana Jurnal Pengabdian kepada Masyarakat Vol. 5 No. 1 (2026): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/wahana.v5i1.1910

Abstract

Petani kopi di Desa Perteguhan, Kabupaten Karo, masih menghadapi produktivitas yang rendah, keterbatasan pencatatan mikroklimat, dan pengambilan keputusan agronomis yang dominan berbasis pengalaman. Artikel pengabdian ini bertujuan mengevaluasi dampak pendampingan pemanfaatan Automatic Weather Station (AWS) berbasis Internet of Things (IoT) yang terintegrasi dengan aplikasi mobile Temani Kopi. Kegiatan dilaksanakan pada akhir Mei 2025 melalui survei pendahuluan, perakitan sistem, instalasi lapangan, pelatihan petani, pendampingan tiga bulan, dan evaluasi dampak terhadap 10 petani mitra. Data dikumpulkan melalui observasi, wawancara terstruktur, serta kuesioner pre-test dan post-test sebanyak 15 butir menggunakan skala Likert. Analisis dilakukan dengan persentase capaian, persentase perubahan, dan normalized gain. Hasil menunjukkan literasi teknologi meningkat dari 45% menjadi 85% (N-Gain=0,73), kemampuan mengoperasikan aplikasi meningkat dari 50% menjadi 90% (N-Gain=0,80), dan pengambilan keputusan agronomis berbasis data meningkat dari 48% menjadi 88% (N-Gain = 0,77). Pendampingan juga meningkatkan efisiensi penggunaan air dan pupuk sekitar 20% serta memperkuat kesiapan adopsi pertanian digital. Temuan ini menunjukkan bahwa pendampingan IoT partisipatif dapat mengubah praktik budidaya kopi dari berbasis intuisi menuju keputusan berbasis data.
Co-Authors Abadi Simanullang, Paskah Adamsyach Prana Walidin Ade Amelia, Tasya Ade Andriani Ade Setiawan Adhi Guna, Ekin Advis Ambrosius Sitohang, Yuda Afiati Nasution, Nadrah Africano, Fernando Afrrahman S. Effendi, Ali Agata Putri Handayani Simbolon Agung Wijaya, Agung Agus Waruwu, Stefen Ahmad Rahmatika Al Hamidy Al Kautsar, Muhammad Zidane Al Khowarizmi Alby Savana HSB, Muhammad Alfin, Muhammad Ali Afrrahman S. Effendi Amanah, Fadilla Ambarwati, Nilasari Eka Amelia Br Siregar, Ririn Amelia Vega S. Meliala, Ruth Ananda Hafika, Rizky Ananta, Willy Pramudia Andika Maulana, Sandy Andy Satria Andy Satria Apandi, Khairul Aprilia, Adinda Putri ARNAH RITONGA Arnita Arnita Arnita Arnita Arnita Arnita Asri Angel Tumanggor Asro Harahap, Fatimah Atta Zulfahrizan Audy Priscilia, Selfi Aulia, Windy Ayu Sekar Ayu Syahfitri Ayu, Silvana Oyasi Azmi Lubis, Fauzan Baehaqi Budi Akbar, Muhammad Bush Henrydunan, John Daulay, Parhan Dechy Deswita Indriani.S Dedy Kiswanto Defiyanti, Aqilah Diah Retno Wahyuningrum Dian Damayanti Dian Septiana Dicky Apdilah Dimas Fadhlurohhman Dimas Prayoga Dina Aulia Dinda Kartika Djasmayena, Selvia Dly, Revidamurti Dobry Sianipar, Freyro Drilanang, Mhd Ilyasyah Dwi Zahra Putri, Raisya Elya Juni Arta Sinaga Elza Ahmad Erita Astrid Erlangga, Farizi Evanthe, Hansel Evelyn Keisha Silalahi Fahmi Ashari S. Sihaloho Fahmi Sagala, Khairul Fahra Pebiana Putri Farezi, Nazwar Fatma Hutagalung Fatma Sari Hutagalung Fauzan Azima Lubis Fauzan, Rosyid Fayadhilah, Muhammad Apta Feby Juliana Silalahi Fhadillah br.Hutagalung Fhadillah, Fhadillah Fitra, Muhammad Rizki Andrian Fransiska Sihombing, Esra Giovanni, Teuku Muhammad Grace Oktavia Hafiz, Alfin Haikal Al Majid, Muhammad Hansel Evanthe Hapzi Ali Harahap, Fatimah Asro Hasan, Afrizal Hermawan Syahputra Hermawan Syahputra Hermawan Syahputra Hidayat, Muhammad Ferdiansyah Hidayatul Arifin, Muhammad Husna Batubara, Shabrina Hutagalung, Fatma Sari Ichwanul Muslim Karo Karo Impana Manik, Kristin Indah Purnama Sari Indriani.S, Dechy Deswita Insan Pratama Siagian, Raihan Irya Shakila Syukron, Ananda Islamia, Aulia Ismail Hanif Batubara Iwan Agi Berutu Jailani Arsad John Pardamean Hutabarat, Felix Juliana Silalahi, Feby Khairul Fahmi Sagala Khildan Rifail Azis Latifah Hasibuan, Najwa Listia, Hijka Lubis, Muhammad Ghafur Rahman Lutfi Basit M Rosyid Fauzan M. Fahri Fahroza Manurung, Asrar Aspia Mardiana Mardiana Maulana, Raihan Mei Lammi Malau Mhd. Basri Mufit, Muhammad Ilham Muhammad Alby Savana HSB Muhammad Ashari Muhammad Habib Muhammad Naufal Musyafa Muhammad Raffi Akbar Tanjung Muhammad Ridho Muhammad Ridho Muhammad Rizki Alfahri Muhammad Rizki Andrian Fitra Muhammad Zidane Alkautsar Muslim Sinaga, Rizal Nadrah Afiati Nadrah Afiati Nasution Nadrah Afiati Nasution Najwa Latifa Hasibuan Najwatul Khoiriah Najwatul Khoiriah Nazwar Farezi Nico Pasaribu, Michael Nst, M. Fahri Fahroza Nurul Maulida Surbakti Nurul Maulida Surbakti Nurul Sasti Diningsih Oktavia, Grace Oktaviani, Nadya Sisil Oris Krianto Sulaiman Pebiana Putri, Fahra Permata Putri Pasaribu, Yohanna Pipit Putri Hariani MD Prana Walidin, Adamsyach Pratama, Ega Prihatin Ningsih Sagala Putra Paskah Halawa, Sovantri Putra, Samuel Anaya Putri Harliana Putri Maulidina Fadilah Putri Sartika Putri Tasya Agustina Raffi Akbar, Muhammad Rahel Lina Simanjuntak Rahma, Aulya Raihan Insan Pratama Siagan Ramadhan Manik, Albert Ramadhani, Sigi Pegi Ramadhani, Umaya Rangga Mahara Miko Ravindra Singh Richi, Alfina Riza Pahlawan Rizal Muslim Sinaga Rizki, Widya Selia Rushainy, Siti Raisha Sadion Tumpal Damanik Said . Iskandar Salamah Salamah salamah salamah Salsabila Zahra, Salsabila Sapta Warman Zai, Tri Selfi Audy Priscillia Siagian, Angel Agasari Siallagan, Sanri Yuliana Sinaga, Elya Juni Arta Sisti Nadia Amalia siti wulandari Sitompul, Dicky Sambora Sitorus, Rizki Risdah Situngkir, Silvia Wulandari Sovantri Putra Paskah Halawa Sri Dewi Sri Dewi Sri Dewi Sri Dewi Steviana Viviola Wicesti Nasution Sumita Wardani Surianto, Stacyana Jesika Susanto, Raoul Syahri, Alfin Theresia Romauli Siagian* Todo Simanjuntak Tri Sapta Warman Zai Trimuliani, Diva Tymoty Hutabarat, Peter Ukhti Nisa Vina Anggraini Wahyu Pratama, Rangga Wahyudi, Rizky Wardaniah, Sabina Warjaya, Angga Yazid Noor, Muhammad Zaki Zain Zulfahrizan, Atta