Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Rekursif: Jurnal Informatika Jurnal Pseudocode Forum Geografi Dinamika : Jurnal Ilmiah Ilmu Administrasi Negara JSAI (Journal Scientific and Applied Informatics)
Boko Susilo
Universitas Bengkulu
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Social Sciences

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Sistem Pendeteksi Genus Gulma Pada Tanaman Jagung Menggunakan Algoritme Single Shot Detector Ade Agustian Saputra; Boko Susilo; Mochammad Yusa; Uswatun Nurjanah
Rekursif: Jurnal Informatika Vol 11 No 1 (2023): Volume 11 Nomor 1 Maret 2023
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/rekursif.v10i1.18634

Abstract

Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.Tanaman jagung (Zea mays L) merupakan tanaman pangan penghasil karbohidrat potensial kedua di Indonesia setelah beras. Provinsi Bengkulu merupakan provinsi yang sebagian besar wilayahnya merupakan kawasan hutan lindung dan hutan rakyat. Perkebunan jagung mengalami gangguan, antara lain disebabkan oleh gulma. Gulma merupakan tumbuhan liar yang sering muncul di pekarangan rumah dan pertanian masyarakat. Penelitian ini hanya diambil empat jenis gulma yang sering muncul di perkebunan jagung yaitu Ageratum sp, Commelina sp, Eleusine sp, dan Sacciolepis sp. Penelitian ini dibangun sebuah model identifikasi genus gulma dengan memanfaatkan algoritma Single Shot Detector (SSD). Single Shot Detector merupakan sebuah model yang dapat mendeteksi atau mengenali objek pada suatu gambar. Penelitian ini menggunakan 800 dataset training untuk melatih sistem Deep Learning dan 150 Dataset testing untuk validasi dan evaluasi terhadap model yang dihasilkan. Dengan nilai threshold IoU dan minimum confidence @0.80 tingkat akurasi yang didapatkan pada penelitian ini sebesar 62.44%.
Keefektifan Metode MFEP, MAUT, dan VIKOR Dalam Aplikasi Sistem Pendukung Keputusan Mahasiswa Berprestasi (Studi Kasus: Poltekkes Kemenkes Bengkulu) Desi Andreswari; Boko Susilo; Novia Bella Vista
Jurnal Pseudocode Vol 10 No 1 (2023): Volume 10 Nomor 1 Februari 2023
Publisher : UNIB Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/pseudocode.10.1.1-11

Abstract

Sebuah perguruan tinggi tentu memiliki banyak permasalahan yang perlu diselesaikan dengan sebuah tindakan pengambilan keputusan. Salah satunya yaitu proses pemilihan mahasiswa berprestasi. Oleh karena itu, dibutuhkan sebuah sistem pendukung keputusan dalam pemilihan mahasiswa berprestasi. Tujuan penelitian ini adalah (i) merancang dan membangun sistem pendukung keputusan pemilihan mahasiswa berprestasi yang mampu memberikan rekomendasi yang akurat. (ii) mengetahui tingkat keefektifan dari  metode MFEP, MAUT, dan VIKOR dalam melakukan pemilihan mahasiswa berprestasi. Metode yang digunakan dalam penelitian ini, adalah metode MFEP, MAUT, dan VIKOR. Hasil penelitian menunjukkan keefektifan metode MFEP = 60%, MAUT = 80%, dan VIKOR = 100%. Dari ketiga metode tersebut, metode VIKOR adalah yang paling efektif digunakan dalam menentukan mahasiswa berprestasi.Kata Kunci : Sistem Pendukung Keputusan, Mahasiswa Berprestasi, Metode MFEP, Metode MAUT, Metode VIKOR.
Penerapan Pendekatan Metakognitif pada Mobile-Learning Sebagai Media Pembelajaran untuk Meningkatkan Pemahaman Siswa pada Materi Boga Dasar Putri Rahayu; Desi Andreswari; Aan Erlansari; Boko Susilo
JSAI (Journal Scientific and Applied Informatics) Vol 7 No 1 (2024): Januari
Publisher : Fakultas Teknik Universitas Muhammadiyah Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36085/jsai.v7i1.5911

Abstract

This research aims to develop a mobile-learning application as an Android-based learning medium that suits the needs and applicable curriculum by applying a metacognitive approach, as well as knowing the influence of mobile-learning users to increase students' understanding of basic culinary lessons. This research uses the R&D development method with the ADDIE model and the Prototyping system development method. This application provides interaction from students as users to carry out learning simulation exercises which are incorporated into the study room features so that they can support basic culinary learning and provide learning evaluation questions. Based on the comprehension achievement test carried out on 64 students at SMK Negeri 3 Bengkulu City, a significance result of 0.001 (<0.05) was obtained from the pre-test and post-test of the wilxicon signed-rank test, then Ha was accepted which shows that the metacognitive approach was applied in mobile-learning as a learning medium it influences aspects of students' understanding of basic culinary learning. The use of metacognitive approach features in mobile-learning applications helps students monitor their understanding. Keywords: Learning media, metacognitive approach, Mobile-learning, Android, Pre-test, Post-test, Basic Cooking
Co-Authors Aan Erlansari Ade Agustian Saputra Aryani Komaruddin Debby Seftyarizki Desi Andreswari Diyah Puspitaningrum Dyan Kemala Sari Endina Putri Purwandari Fenty Oktavia Franky Hernoza Hendri van Hoten Miftakhul Irfani Akbar Mochammad Yusa Novia Bella Vista Olivia Safitri Putri Rahayu Rafles Abdi Putra Rusdi Efendi Setiawan, Yudi Siti Maulinda Uswatun Nurjanah Yulian Fauzi Zulfia Memi Mayasari