Claim Missing Document
Check
Articles

Found 28 Documents
Search

penilaian status gizi balita menggunakan metode K-Nearest Neighbor Restu Shafira; Prajoko .; Agung Pambudi
Technologia : Jurnal Ilmiah Vol 14, No 3 (2023): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i3.11299

Abstract

Gizi merupakan asupan penting yang mempengaruhi tumbuh kembang seorang anak kebutuhan gizi pada anak terutama balita sangat rentan mengalami perubahan berat badan. Untuk mengetahui penilaian status gizi, balita akan melakukan pemeriksaan antropometri yang terdiri dari pengukuran tinggi badan dan berat badan diposyandu pada tiap bulannya. Hasil pemeriksaan tersebut akan dicatat secara manual pada sebuah kertas yang disebut KMS (Kartu Menuju Sehat). Metode tersebut kurang akurat serta kurang lengkap karena penilaian status gizi hanya berdasarkan berat badan menurut umur (BB/U) balita saja. Oleh sebab itu digunakanlah algoritma data mining yaitu algoritma k-nearest neighbor (KNN) yang dapat mengklasifikasi status gizi balita berdasarkan 3 parameter yaitu penilaian status gizi berdasarkan berat badan menurut umur (BB/U), penilaian status gizi tinggi badan menurut umur (TB/U) dan penilaian status gizi berdasarkan berat badan menurut tinggi badan (BB/TB). Algoritma K-Nearest Neighbor dapat memenuhi variabel-variabel dalam klasifikasi status gizi balita dan juga merupakan metode yang digunakan dalam pengklasifikasian dengan mencari jarak terdekat antara data yang akan dievaluasi dengan tetangga terdekatnya dalam data pelatihan. Penilaian status gizi dengan metode K-Nearest Neighbor ini menghasilkan nilai akurasi diantaranya yaitu berdasarkan berat badan menurut umur (BB/U) menghasilkan nilai akurasi sebesar 91%, berdasarkan tinggi badan menurut umur (TB/U) menghasilkan nilai akurasi sebesar 88% dan berdasarkan berat badan menurut tinggi badan (BB/TB) menghasilkan nilai akurasi sebesar 90%. 
Diagnosis Of Sheep Animal Diseases Using Certainty Factor Algorithm Alpiana, Deni; Prajoko, Prajoko; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2506

Abstract

Kesehatan ternak domba merupakan faktor yang penting dalam beternak agar hasil ternak dapat diperoleh secara maksimal, untuk memperoleh kesehatan ternak tersebut diperlukan pengendalian penyakit yang tepat sedangkan pengendalian penyakit tersebut belum bisa dilakukan apabila penyakit yang diderita ternak domba belum diketahui atau terdiagnosis [1]. Berdasarkan informasi yang penulis peroleh dari lokasi penelitian, pengetahuan yang dimiliki peternak mengenai penyakit ternak domba masih kurang untuk melakukan diagnosis penyakit maupun pengendalian penyakit yang tepat serta peternak juga merasa kesulitan memperoleh bantuan dari pakar atau dokter hewan untuk mendiagnosis dan memberikan pengendalian penyakit terhadap ternak domba yang menderita penyakit dikarenakan profesi sebagai dokter hewan masih jarang dan belum tersedia di berbagai daerah terutama daerah yang jauh dari perkotaan. Oleh karena itu penelitian ini bertujuan untuk membuat sistem pakar yang dapat membantu peternak dalam melakukan diagnosis penyakit dan memberikan saran yang tepat untuk melakukan pengendalian penyakit yang terdiagnosis berdasarkan pengetahuan pakar tanpa harus terlibat secara langsung dengan pakar. Penelitian ini menggunakan pengetahuan yang diperoleh dari pakar yaitu dokter hewan yang memiliki pengalaman dalam pengendalian penyakit ternak domba, kemudian diimplementasikan kedalam sistem pakar berbasis website untuk memecahkan masalah. Algoritma Certainty Factor digunakan dalam penelitian ini untuk mengukur tingkat keyakinan dalam mendiagnosis penyakit ternak domba dengan data sebanyak 12 penyakit dan 29 gejala yang diperoleh dari pakar. Hasil pengujian sistem menggunakan white box dan black box testing menunjukan bahwa sistem pakar yang dibuat tersebut mampu memperoleh hasil perhitungan dari penyakit yang terdiagnosis dengan hasil perhitungan sebesar 87.232% terdiagnosis penyakit helminthiasis, serta berbagai fungsionalitas pada aplikasi yang dibuat telah berfungsi dengan baik.
Classification Of the Effectiveness of Sukabumi Relocation Food Center Policy Using the Naïve Bayes Classifier Algorithm Ismuhamdan, M. Elki; Prajoko, Prajoko; Apriandari, Winda
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2459

Abstract

Program yang menjadi perbincangan di Kota Sukabumi yaitu pembangunan dan penataan Jalan Ir. H. Juanda atau “Dago” sebagai pusat jajanan Kota Sukabumi yang disertai dengan kebijakan relokasi Pedagang Kaki Lima ke Jalan Dewi Sartika. Kebijakan ini masih dipertanyakan keefektivitasannya karena menimbulkan dampak yang kurang baik dan menimbulkan polemik bagi berbagai pihak serta belum ada penelitian yang mengukur nilai efisiensi dan efektivitas dari penerapan kebijakan relokasi pedagang kaki lima tersebut. Penelitian ini dilaksanakan untuk mengklasifikasi dan mengukur nilai efektivitas kebijakan relokasi pusat jajanan Kota Sukabumi berdasarkan klasifikasi dari pendapat masyarakat Kota Sukabumi dan pedagang-pedagang di area relokasi dengan membuat sistem yang dapat mengukur efektivitas kebijakan tersebut menggunakan algoritma Naïve Bayes Classifier dengan metode penelitian Knowledge Discovery in Database. Algoritma Naïve Bayes Classifier merupakan salah satu algoritma Data Mining yang mengaplikasikan Teorema Bayes [1]. Hasil akhir dari penelitian ini yaitu dari 368 data pendapat, sebanyak 52,45% atau sebanyak 193 pendapat diklasifikasi “Efektif” dan sebanyak 47,55% atau sebanyak 175 pendapat diklasifikasi “Tidak Efektif” dengan nilai akurasi yang diperoleh sebesar 97,02%. Kebijakan relokasi pusat jajanan Kota Sukabumi dapat disimpulkan Efektif, karena nilai Efektif lebih besar daripada nilai Tidak Efektif walaupun memiliki selisih nilai yang sangat tipis dengan hasil nilai akurasi yang sangat tinggi.
NEEDLEMAN-WUNSCH AND SMITH-WATERMAN COMBINATIONS IN PAIRWISE ALIGNMENT Adi Sunarto, Asril; Prajoko, Prajoko
Jurnal Mnemonic Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i2.9501

Abstract

Identification of Deoxyribonucleic acid (DNA), Ribonucleic acid (RNA), or protein needs to be done to find functional, structural, or evolutionary relationships between two sequences. There are various applications that already exist such as one of them EMBOSS either web or desktop versions. There are drawbacks to this application, such as repeatedly processing each user who needs sequence alignment results locally and globally at the same time. Therefore, we designed an application that can generate two sequence alignment outputs both locally and globally at the same time with pairwise alignment Needleman-Wunsch and Smith-Waterman. The result show that methods can be produces two outputs of sequence alignment in the same process. The impact is it can reduce the waiting time for users.
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.