Article Per Year (5 Year)
p-Index From 2020 - 2025
4.445
P-Index
This Author published in this journals
All Journal Pixel : Jurnal Ilmiah Komputer Grafis Elkom: Jurnal Elektronika dan Komputer Jurnal Sarjana Teknik Informatika Jurnal Informatika dan Teknik Elektro Terapan TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Technologia: Jurnal Ilmiah Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) JTIK (Jurnal Teknik Informatika Kaputama) Jurnal Teknologi Informatika dan Komputer Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Journal of Practical Computer Science (JPCS) Journal Of Artificial Intelligence And Software Engineering JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Prajoko .
Universitas Muhammadiyah Sukabumi
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1 
KLASIFIKASI KESEHATAN TANAMAN PADI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK Rifqi Almadani, Muhammad; Prajoko, Prajoko; Indriyana, Didik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10844

Abstract

Indonesia, dengan mayoritas penduduknya bergantung pada beras sebagai makanan pokok, menghadapi tantangan dalam menjaga kualitas padi untuk mengurangi risiko kegagalan panen, terutama dengan pertumbuhan jumlah penduduk yang terus meningkat. Sektor pertanian, khususnya pertanian padi sebagai tanaman pangan utama di Asia, termasuk Indonesia, memiliki peran penting dalam pertumbuhan negara. Isu kualitas dan kesehatan tanaman padi menjadi fokus utama untuk memastikan hasil produktivitas yang optimal. Pada tahun 2023, hampir 30% hasil panen padi dilaporkan hilang akibat penyakit dan serangan hama. Dengan kemajuan teknologi informasi, masalah tersebut dapat diatasi melalui integrasi solusi teknologi seperti deteksi citra yang dapat berfungsi sebagai sistem pakar untuk mendiagnosis penyakit pada tanaman padi. Oleh karena itu, solusi diusulkan dengan mengembangkan sistem klasifikasi kesehatan tanaman padi menggunakan algoritma Convolutional Neural Network (CNN). Sistem ini diharapkan dapat membantu petani dalam mendeteksi secara dini penyakit pada tanaman padi sehingga tindakan pencegahan dan pengobatan dapat dilakukan lebih cepat dan tepat. Implementasi teknologi ini diharapkan mampu meningkatkan kualitas dan kuantitas hasil panen padi, serta mendukung keberlanjutan sektor pertanian di Indonesia.
PEMODELAN DETEKSI BELA DIRI BERBASIS WEB DENGAN ALGORITMA YOU ONLY LOOK ONCE V8 Afiansyah, Rifan; Prajoko, Prajoko; Asriyanik, Asriyanik
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10879

Abstract

Seni bela diri merupakan aktivitas yang tidak hanya berfungsi sebagai metode pertahanan diri, tetapi juga memiliki manfaat positif seperti menjaga kesehatan, meningkatkan disiplin, dan mempromosikan nilai-nilai budaya. Dengan minat yang semakin meningkat terhadap teknologi deteksi gerakan bela diri untuk tujuan pelatihan dan edukasi, penelitian sebelumnya telah menggunakan berbagai metode seperti Convolutional Neural Network (CNN) untuk mendeteksi gerakan silat dengan akurasi 77%, serta Support Vector Machine dan YOLOv3 untuk klasifikasi pose dasar karate dengan hasil presisi, recall, dan F1 Score yang tinggi, meskipun masih terdapat tingkat kesalahan sebesar 66,66%. Namun, penelitian-penelitian tersebut umumnya terbatas pada deteksi satu jenis bela diri. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan bela diri berbasis web menggunakan metode YOLOv8, dengan fokus pada tiga jenis bela diri: karate, taekwondo, dan silat. Metode YOLO dipilih karena kemampuannya dalam mendeteksi objek secara real-time, dengan memprediksi kotak pembatas dan probabilitas kelas langsung pada satu gambar penuh dalam satu evaluasi. Model yang dikembangkan diharapkan dapat mengenali gerakan dengan tingkat akurasi minimal 90% dan mencakup 25 kelas gerakan yang meliputi ketiga jenis bela diri tersebut. Model ini dilatih secara real-time menggunakan data yang diolah dan di-augmentasi melalui Roboflow, serta menggunakan optimizer AdamW dengan learning rate 0.001. Pengujian dengan 50 epoch menunjukkan akurasi tinggi, dengan metrik precision, recall, dan F1 yang hampir sempurna. Model ini kemudian diimplementasikan dalam sebuah website sederhana yang memungkinkan pengguna mendeteksi gerakan bela diri secara interaktif, menunjukkan potensi besar dalam aplikasi praktis di masa depan. Penelitian ini diharapkan dapat mendorong pengembangan teknologi deteksi gerakan dalam seni bela diri dan memberikan kontribusi terhadap peningkatan kualitas latihan serta edukasi seni bela diri.
PENDETEKSIAN KANDUNGAN GULA DAN KARBOHIDRAT PADA UMBI-UMBIAN DENGAN METODE YOLO (YOU ONLY LOOK ONCE) v8 Eko Farhan, Arief; Prajoko, Prajoko; Pambudi, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10891

Abstract

Di Indonesia, sebagian besar asupan makanan terdiri dari karbohidrat. Setelah dikonsumsi, karbohidrat tersebut dicerna oleh enzim di tubuh manusia dan diubah menjadi glukosa. Kadar gula darah memiliki peran penting dalam mempengaruhi fluktuasi tekanan darah, sehingga mengelola tekanan darah dan kadar gula sangat penting untuk meningkatkan kualitas hidup. Asupan gula yang berlebihan, terutama akibat pola makan yang kurang sehat, dapat menyebabkan diabetes melitus, yang banyak dialami oleh masyarakat, terutama lansia. Makanan tradisional berbasis umbi-umbian menawarkan potensi sebagai sumber karbohidrat yang sehat dan bisa menjadi pilihan yang baik untuk menjaga keseimbangan gula darah. Maka dari itu penelitian ini mengusulkan penerapan sistem deteksi kadar gula dan karbohidrat pada umbi-umbian menggunakan teknologi YOLO. Model YOLOv8 dikembangkan dengan menganalisis dataset berisi 1800 gambar, menghasilkan sistem deteksi umbi-umbian yang sangat akurat. Model ini menggunakan varian YOLOv8s dengan batch size 8 dan optimizer Adam dengan learning rate 0.001. Hasil uji menunjukkan kinerja yang sangat baik, dengan mAP50 (Mean Average Precision) sebesar 99.2%, Precision Confidence Curve 94.7%, Precision Recall 99.4%, dan F1 Confidence Curve 85.2%.
PREDIKSI MAHASISWA NON-AKTIF MENGGUNAKAN ALGRITMA C4.5: STUDI KASUS : UNIVERSITAS MUHAMMADIYAH SUKABUMI Siti Rahma, Leonie; Budiman Kusdinar, Asep; Prajoko, Prajoko
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10937

Abstract

Dalam lingkungan perguruan tinggi di Indonesia, tingkat keberlanjutan studi mahasiswa menjadi perhatian penting, mengingat tingginya angka mahasiswa yang tidak melanjutkan studi. Untuk mengatasi permasalahan ini, machine learning khususnya menggunakan algoritma C4.5 digunakan untuk memprediksi potensi mahasiswa nonaktif. Dataset mahasiswa diambil dari Biro Kemahasiswaan dan Akademik Universitas Muhammadiyah Sukabumi, setelah melalui proses preprocessing, digunakan untuk melatih dan menguji model yang bertujuan untuk mengidentifikasi pola kritis yang dapat memprediksi keputusan mahasiswa untuk tidak melanjutkan studi. Algoritma C4.5 dipilih karena kemampuannya menghasilkan model yang mudah diinterpretasikan, sehingga memudahkan pengambil kebijakan dan staf akademik untuk mengambil tindakan proaktif. Evaluasi model dilakukan dengan menggunakan metrik akurasi yang menghasilkan 96.8%, presisi 98%, recall 94.2%, dan F1-score 96.5%, yang memberikan gambaran komprehensif tentang kinerja model dalam mengidentifikasi mahasiswa yang berpotensi tidak aktif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem prediksi dan dapat menjadi dasar solusi keputusan berbasis data untuk meningkatkan tingkat keberlanjutan studi mahasiswa di perguruan tinggi di Indonesia.
PREDIKSI HASIL PANEN WORTEL MENGGUNAKAN ALGORITMA REGRESI LINEAR BERGANDA Afrilia S, Nandita; Frazna Az-Zahra, Fathia; Prajoko, Prajoko
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10954

Abstract

Selama beberapa dekade terakhir, pertanian hortikultura telah berkembang pesat dan berkembang menjadi pemasok utama berbagai macam sayuran. Wortel (daucus carota l) yang merupakan sumber utama vitamin A merupakan salah satu sayuran unggulan dalam bidang hortikultura. Kandungan vitamin dan mineral pada wortel menjadikannya pilihan yang sangat baik untuk dikonsumsi sehari-hari karena sangat penting untuk kesehatan tubuh. Budidaya wortel adalah fokus utama Maya Wortel, sebuah bisnis pertanian. Perusahaan ini didirikan di Sukabumi dengan potensi wortel yang besar untuk memenuhi permintaan konsumen. Pemanenan adalah salah satu langkah penting dalam produksi tanaman. Akibat ketidakstabilan produksi, produksi wortel Maya tidak optimal sehingga menimbulkan risiko yang mempengaruhi pasokan tanaman untuk memenuhi permintaan pasar. Jika panen tidak dilakukan sebaik mungkin, maka produksi tertinggi tidak akan berarti apa-apa. Memperkirakan hasil panen wortel memerlukan prediksi guna menjamin produksi optimal pada musim panen. Untuk meramalkan hasil panen, algoritma machine learning yang dikenal sebagai Regresi Linear Berganda diterapkan. Regresi Linear Berganda merupakan salah satu teknik untuk menghitung pengaruh variabel independen terhadap variabel dependen. Hasil evaluasi kinerja model dengan menggunakan MSE sebesar 0,00228 dan RMSE sebesar 0,04788 yang digunakan dalam penelitian ini untuk menghasilkan model prediksi hasil panen wortel menunjukkan bahwa model prediksi tersebut cukup akurat dalam memperkirakan hasil panen wortel.
PROTOTYPE SISTEM PEMANTAU SUHU PADA INKUBATOR TELUR ITIK BERBASIS IOT Aziz Jabbar, Fazli; BudimanKusdinar, Asep; Prajoko, Prajoko
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11049

Abstract

Telur itik dapat menetas jangka waktu yang normal adalah 28 hari. Dengan temperatur ruang inkubator yang pas untuk penetasan telur itik kisaran 37o hingga 39oC. Untuk itu, dibutuhkan sebuah alat yang mampu mempertahankan suhu tetap stabil tanpa fluktuasi selama jangka waktu tertentu. Penelitian ini mengembangkan sebuah mesin penetas telur itik berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 dan sensor suhu DHT22. Mesin penetas ini dirancang untuk mengatasi ketidakefisienan distribusi panas pada mesin penetas tradisional yang mengandalkan lampu pijar, yang sering kali menyebabkan fluktuasi suhu dan berdampak negatif pada keberhasilan penetasan telur itik. Dengan memanfaatkan teknologi IoT, sistem ini mampu memonitor dan mengontrol suhu inkubator secara otomatis dan stabil, serta dapat diakses dan dipantau melalui aplikasi Blynk pada smartphone. Penelitian ini menggunakan metodologi pendekatan pengembangan dengan metode prototype. Prototype adalah proses pembuatan model sederhana software yang mengijinkan pengguna memiliki gambaran dasar tentang program serta melakukan pengujian awal dan iterasi perbaikan berdasarkan umpan balik. Pengujian sistem menunjukkan bahwa sensor DHT22 memiliki rata-rata error sebesar 0,55% dibandingkan dengan termometer standar, menunjukkan tingkat akurasi yang memadai untuk menjaga suhu inkubator dalam rentang optimal 37°C hingga 39°C. Hasil penelitian ini diharapkan dapat membantu peternak itik dalam meningkatkan tingkat keberhasilan penetasan telur serta mempermudah proses pemantauan dan kontrol suhu inkubator secara efisien.
IMPLEMENTASI ALGORITMA REGRESI LINEAR DALAM PREDIKSI PERSEDIAAN VOUCHER DI RAFFA CELL SUKABUMI Nur Afiati, Alfi; Prajoko, Prajoko; Frazna Az-Zahra, Fathia
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11146

Abstract

Prediksi merupakan sebuah upaya untuk mengantisipasi kejadian di masa depan dengan menggunakan data atau informasi dari kejadian sebelumnya. Perubahan dalam dunia bisnis, terutama dipicu oleh kemajuan teknologi informasi khususnya di sektor penjualan, tentu memberi dampak signifikan dalam hal manajemen data dan analisis, menjadikannya aset berharga di berbagai sektor termasuk industri penjualan seperti Raffa Cell. Pemahaman mendalam terhadap latar belakang persediaan stok voucher menjadi kunci dalam menjaga keberlanjutan dan pertumbuhan bisnis. Penelitian ini didasarkan pada situasi di Raffa Cell Sukabumi, di mana ketidakpastian terkait ketersediaan stok voucher menjadi tantangan utama yang dapat memengaruhi kelancaran operasi bisnis. Fokus penelitian ini yaitu penerapan algoritma regresi linear untuk memprediksi penjualan di Raffa Cell Sukabumi. Algoritma regresi linear memodelkan hubungan linier antara variabel independen dengan variabel dependen yang diprediksi untuk menghasilkan estimasi akurat berdasarkan pola data historis. Penelitian ini dapat digunakan untuk mengatasi ketidakpastian ketersediaan stok voucher dan mengoptimalkan proses transaksi penjualan, sehingga memperkuat daya saing bisnis Raffa Cell di pasar yang semakin kompetitif. Setelah atribut data yang akan menjadi bagian dari prediksi ditentukan, didapatkan hasil pengujian performa model dengan nilai RMSE 29%, MAE 25%, MSE 84%, dan R2 90%.
Co-Authors Adi Sunarto, Asril Afiansyah, Rifan Afrilia S, Nandita Agung Pambudi Agung Pambudi Agung Pambudi Agung Prakarsa Alpiana, Deni Anadella, Shakira Andriyana, Rifki Asep Budiman Kusdinar Asril Adi Sunarto Asriyanik . Ayudita Puspitasari Aziz Jabbar, Fazli Budiman Kusdinar, Asep BudimanKusdinar, Asep Didik Indrayana Diyo Sukma Pradana Eko Farhan, Arief Fahrizal Fahrizal Fathia Frazna Az-Zahra Frazna Az-Zahra, Fathia Ganjar Gumilar George Pri Hartawan Hartawan, George Pri Herdiansah, Mohamad Firdaus Indriyana, Didik Ismuhamdan, M. Elki Iwan Rizal Setiawan Larasati Mayan Pramesti Lelah Lelah Mohamad Firdaus Herdiansah Mubharak, Gilang Fauzul Muhammad Gelar Andhika Narti fitrianti Nasrul, Elvan Nur Afiati, Alfi Pambudi, Agung Rambe, Sarah Syakira Restu Shafira Rifqi Almadani, Muhammad Siti Rahma, Leonie Tiara Amelia Widdy Arfiansyah Winda Apriandari