Wawan Firgiawan
Unknown Affiliation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

Aplikasi Web untuk Diagnosis Penyakit pada Sapi dengan Algoritma Case-Based Reasoning Marwati; Ismail; Wawan Firgiawan
Journal of Computer and Information System ( J-CIS ) Vol 6 No 2 (2023): J-CIS Vol 6 No. 2 Tahun 2023
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v6i2.3573

Abstract

Penelitian ini bertujuan mengatasi tantangan identifikasi penyakit pada hewan sapi dengan memperkenalkan dan mengevaluasi aplikasi sistem diagnosa berbasis web menggunakan metode Case Based Reasoning (CBR) untuk meningkatkan akurasi prediksi penyakit. Pengujian dengan 10 kasus uji menunjukkan akurasi 100%, mengonfirmasi ketepatan prediksi penyakit berdasarkan gejala yang diinputkan. Selain itu, pengujian black box mengindikasikan bahwa semua fungsi aplikasi berjalan baik, menegaskan keandalan keseluruhan aplikasi. Penelitian ini diharapkan memberikan wawasan komprehensif terhadap keberhasilan aplikasi dalam mendukung peternak mengelola kesehatan hewan sapi, dengan potensi kontribusi positif terhadap pencegahan penyakit dan kesejahteraan hewan serta efisiensi operasional peternakan secara keseluruhan.
Deteksi Realtime Notification Pada Sistem Deteksi Kebakaran Berbasis Internet of Things Wawan Firgiawan; Rustan, Fahmi; Purnama
Journal of Computer and Information System ( J-CIS ) Vol 7 No 2 (2024): J-CIS Vol. 7 No. 2 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i2.3825

Abstract

Kebakaran adalah bencana yang dapat menyebabkan kerugian besar, baik material maupun korban jiwa. Untuk meningkatkan respons dan kesadaran terhadap kebakaran, dikembangkan sistem deteksi kebakaran berbasis Internet of Things (IoT) yang terintegrasi dengan platform Telegram sebagai sarana notifikasi. Sistem ini menggunakan NodeMCU sebagai platform utama, dilengkapi dengan sensor api dan sensor MQ-2 untuk mendeteksi keberadaan api dan gas berbahaya. Metode pengembangan yang digunakan adalah blackbox testing, yang menguji fungsi tanpa memperhatikan struktur internal sistem. Data dari sensor diproses oleh NodeMCU dan diteruskan ke buzzer untuk peringatan suara serta dikirimkan ke aplikasi Telegram untuk notifikasi real-time. Hasil pengujian menunjukkan sistem ini efektif dalam memberikan notifikasi dengan respons cepat dan informasi lokasi yang akurat, sehingga dapat meningkatkan kesiapsiagaan dan tindakan cepat dalam menghadapi kebakaran.
Metode Optimasi Cerdas Untuk Pencarian Jalur Evakuasi Bencana di Kabupaten Mamuju Menggunakan Ant Colony Optimization Lisa, Nur Halisah; Nurmadinah; Ariqah Maheswari Artalaysia Paturusi; Wawan Firgiawan
Journal of Computer and Information System ( J-CIS ) Vol 8 No 2 (2025): J-CIS Vol. 8 No. 2 Tahun 2025
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v8i2.5120

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma pencarian jalur evakuasi, yaitu Breadth-First Search (BFS), Depth-First Search (DFS), dan Ant Colony Optimization (ACO), dalam menemukan jalur evakuasi yang paling efisien. Sebanyak 20 dataset digunakan dalam pengujian ini, dengan menguji setiap algoritma terhadap jalur optimal yang diperoleh secara manual sebagai data aktual. Tiga skenario pengujian diterapkan dalam penelitian ini, yaitu Single Vertex Single Goal (SVSG) dan Single Vertex Multi Goals (SVMG). Hasil pengujian menunjukkan bahwa algoritma ACO secara konsisten menghasilkan jalur yang identik dengan jalur optimal, dengan nilai Root Mean Square Error (RMSE) sebesar 0.0, menandakan bahwa algoritma ini memberikan performa terbaik tanpa penyimpangan dari jalur aktual. Algoritma DFS mencatatkan RMSE sebesar 4.72, menunjukkan kinerja yang lebih baik daripada BFS, namun masih terdapat penyimpangan pada beberapa dataset. Sementara itu, BFS memiliki RMSE tertinggi sebesar 6.91, yang menunjukkan bahwa algoritma ini sering kali menghasilkan jalur yang lebih panjang dan kurang efisien. Hasil pengujian ini membuktikan bahwa algoritma ACO terbukti menjadi pilihan paling efisien untuk optimasi jalur evakuasi dalam ketiga skenario pengujian.