Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal Sebatik Information System Journal (INFOS) Equiva
Nugroho, Bowo
Unknown Affiliation
Computer Science & IT Mathematics

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

Found 5 Documents
Search

 1 
REFACTORING APLIKASI XYZ MENGGUNAKAN PENDEKATAN CLEAN ARCHITECTURE Nugroho, Bowo; Azhar, Nur Fajri; Subekti, Putra Cendikia
Information System Journal Vol. 7 No. 01 (2024): Information System Journal (INFOS)
Publisher : Universitas Amikom Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24076/infosjournal.2024v7i01.1579

Abstract

Implementasi Clean Architecture dalam pengembangan aplikasi Android menggunakan bahasa pemrograman Kotlin, dengan fokus pada penerapan prinsip desain SOLID. Evaluasi dilakukan pada dampak Clean Architecture terhadap kompleksitas kode yang menunjukkan penurunan rata-rata nilai kompleksitas dari 1,5 menjadi 1,4. Penelitian juga menganalisis perubahan kinerja aplikasi sebelum dan setelah menerapkan Clean Architecture, dengan penekanan pada penggunaan CPU, memori dan waktu eksekusi, Metodologi penelitian mengikuti pendekatan waterfall untuk refactoring aplikasi XYZ. Hasil penelitian memberikan pemahaman mendalam tentang perubahan kode dalam implementasi Clean Architecture dalam pengembangan aplikasi XYZ. Kesimpulannya, penerapan Clean Architecture dapat mengurangi kompleksitas kode dan berpotensi meningkatkan kinerja aplikasi, memberikan landasan yang kuat untuk pengembangan perangkat lunak yang lebih efisien dan dapat dipelajari oleh peneliti di bidang ini.
KLASIFIKASI KUALITAS HASIL PRODUKSI TAHU PUTIH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Rahmadani, Irwan; Muqimuddin, Muqimuddin; Hertadi, Christopher Davito Prabandewa; Nugroho, Bowo
Sebatik Vol. 27 No. 2 (2023): Desember 2023
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v27i2.2401

Abstract

Penelitian ini mengembangkan sebuah model Convolutional Neural Network (CNN) untuk melakukan klasifikasi kategori mutu tahu berdasarkan citra digital dan menentukan grid produk tahu berdasarkan kategori mutunya. Tahapan penelitian ini meliputi pengambilan sampel data, pelabelan data, preprocessing citra, pembuatan model CNN, training model CNN, evaluasi model CNN dan visualisasi kategorisasi. Sampel data yang digunakan dalam penelitian ini terdiri dari 600 citra tahu yang terbagi menjadi tiga kategori mutu, yaitu mutu A, B, dan C. Peneliti menggunakan metode pembaharuan stokastik (Stochastic Gradient Descent) dengan learning rate 0.001, dan fungsi aktivasi ReLU. Hasil pengembangan menunjukkan bahwa model kedua keseluruhan bentuk memiliki tingkat performansi dan validasi akurasi yang lebih tinggi sebesar 100 % dibandingkan dengan model pertama tampak permukaan sebesar 77%. Model kedua  memiliki arsitektur yang lebih kompleks dan lebih sesuai dengan karakteristik deteksi keseluruhan bentuk pada tahu. Dengan pengembangan model CNN ini, diharapkan industri tahu dapat meningkatkan efisiensi dalam penentuan kualitas tahu dan harga jual yang sesuai. Implementasi teknologi ini memungkinkan kategorisasi mutu tahu yang akurat dan objektif berdasarkan citra digital, yang dapat mengurangi ketergantungan pada penilaian manual.
Prediksi Saldo Produksi Hasil Ternak Kabupaten Blitar Menggunakan Regresi Linier Berganda Paninggalih, Ramadhan; Nugroho, Bowo; Takaendengan, Mahardika Inra
Equiva Journal Vol 1 No 1 (2023)
Publisher : Jurusan Matematika dan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/equiva.v1i1.766

Abstract

Penyesuaian masyarakat kota Blitar terhadap perkembangan teknologi 4.0 di Indonesia dengan kecepatan dan ketepatan dalam penguatan persaingan bisnis, khususnya di bidang sentra peternakan Indonesia merupakan sebuah kewajiban. Ketepatan dan kecepatan informasi mengenai saldo produksi hasil ternak mempengaruhi optimalisasi kualitas dan kuantitas sektor Usaha mikro kecil menengah (UMKM) peternakan di Kota Blitar. Penelitian menggunakan metode regresi linear berganda dalam memprediksi saldo produksi hasil ternak. Tahapan penelitian yang dilakukan adalah mengumpulkan data hasil ternak, melakukan pre-processing data, memproses prediksi, membangun model dan evaluasi model menggunakan akurasi dengan Mean Absolute Error (MAE) dan R2-Score. Data yang digunakan mempunyai 14 atribut (kolom). Menggunakan korelasi, dipilih 3 atribut yang akan digunakan dalam membangun model yaitu komoditas, nilai produksi, dan biaya produksi (Rp.) Keseluruhan data dibagi menjadi dua yaitu data training dan data testing dengan proporsi beruturut sebesar 75%:25%, 80%:20%, dan 85%:15%. Model terbaik dihasilkan oleh pembagian data training dan data testing sebesar 85%:15%. Model yang dihasilkan adalah dengan skor MAE sebesar 9232.04 dan skor R2-Score sebesar 1.
Implementasi Kerangka Kerja Personal Extreme Programming pada Pengembangan Aplikasi Pelayanan Administrasi Masyarakat Kantor Desa Girimukti Berbasis Web Shafardan, Wahyu Achmad; Utomo, Muchammad Chandra Cahyo; Nugroho, Bowo
Equiva Journal Vol 1 No 2 (2023)
Publisher : Jurusan Matematika dan Teknologi Informasi

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

Abstract

Pelayanan administrasi termasuk dalam pelayanan yang ada pada kantor desa. Kantor desa sangat membutuhkan sistem untuk membantu proses penulisan surat. Pelayanan administrasi Kantor Desa Girimukti merupakan salah satu hal yang perlu ditingkatkan agar proses pelayanan dapat diselesaikan dengan cepat dan mudah. Tujuan dari penelitian ini adalah merancang dan membangun aplikasi pelayanan administrasi kantor desa Girimukti berbasis web dengan menggunakan framework personal extreme programming. Pengembangan sistem dengan 86 story point dan 33 user story dan dilakukan dalam 5 iterasi berhasil untuk dilakukan. Tahap pengujian aplikasi berlangsung di setiap iterasi dan mendapatkan angka rata-rata 6.7, 7, 6.85, 7 dan 6.7. Tahap testing berhasil diselesaikan karena didapatkan skor melebihi 5 sebagai standar skor testing. Kerangka kerja Personal Extreme Programming berhasil diimplementasikan dalam penelitian ini. Dengan bantuan aplikasi pelayanan administrasi masyarakat pada kantor desa Girimukti diharapkan dapat mempermudah semua proses pendataan dan penulisan surat.
Implementation of Sparrow Pest Detection Using YOLOv8 Method on Raspberry Pi and Google Coral USB Accelerator Nugroho, Bowo; Azhar, Nur Fajri; Pratama , Boby Mugi; Syakbani, Ahmad Rusdianto Andarina; Wibowo, Darrell Rajendra; Syam, Andi Muhammad Agung Ramadhani
Sebatik Vol. 29 No. 1 (2025): June 2025
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v29i1.2558

Abstract

Sparrows are one of the most costly pests for farmers, as they can reduce rice yields by 50-60%. Traditional control methods, such as the use of scarecrows, windmills, and pesticides, are often ineffective or cause negative impacts on the environment, such as damage to ecosystems and human health. To overcome this problem, YOLOv8-based object detection technology offers a modern solution to automatically detect bird pests with a high level of accuracy. This research aims to implement the YOLOv8 model on power-efficient embedded devices, such as Raspberry Pi 4 and Google Coral USB TPU Accelerator, to support real-time sparrow detection at an affordable cost. The research was conducted through three main stages, namely collecting bird image datasets to support model training, training the YOLOv8n model to produce reliable bird pest detection, and implementing the model on embedded devices with and without TPU accelerators to evaluate detection performance. The evaluation results show that the YOLOv8 model has high performance with precision 0.91, recall 0.86, mAP50 0.92, and mAP50-95 0.59 after being trained for 300 epochs. Implementation on Raspberry Pi 4 without accelerator only resulted in an inference speed of 0.39 Frame Per Second, while with Google Coral USB TPU, the speed increased significantly to 7 Frame Per Second.  This proves that TPU accelerators are highly effective in supporting real-time object detection. This technology is expected to help farmers protect crops efficiently, reduce losses due to pests, support sustainable agricultural productivity, and contribute to the overall improvement of food security.
Co-Authors Azhar, Nur Fajri Hertadi, Christopher Davito Prabandewa Muqimuddin Muqimuddin Paninggalih, Ramadhan Pratama , Boby Mugi Rahmadani, Irwan Shafardan, Wahyu Achmad Subekti, Putra Cendikia Syakbani, Ahmad Rusdianto Andarina Syam, Andi Muhammad Agung Ramadhani Takaendengan, Mahardika Inra Utomo, Muchammad Chandra Cahyo Wibowo, Darrell Rajendra