Article Per Year (5 Year)
p-Index From 2021 - 2026
1.513
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Jurnal Ilmu Komputer dan Agri-Informatika Biogenesis: Jurnal Ilmiah Biologi Journal of Information Systems Engineering and Business Intelligence Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Electronics, Electromedical Engineering, and Medical Informatics
Medria Kusuma Dewi Hardhienata
Department Of Computer Science, Faculty Of Mathematic And Natural Science, IPB University, Bogor, West Java, Indonesia
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Immunology & microbiology

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika

 1 
Kendali Robot Beroda Otonom dengan Inverse Kinematics Michael Julyus Christopher Manullang; Medria Kusuma Dewi Hardhienata; Karlisa Priandana
Jurnal Ilmu Komputer & Agri-Informatika Vol. 7 No. 1 (2020)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1049.569 KB) | DOI: 10.29244/jika.7.1.62-73

Abstract

Penelitian ini dilakukan untuk mengembangkan robot otonom yang dikendalikan dengan pendekatan matematika inverse kinematics. Robot yang digunakan pada penelitian ini adalah robot beroda nonholonomic differential drive. Metode penelitian yang digunakan terdiri atas empat tahapan, yaitu: penentuan parameter robot beroda, pengembangan kontrol inverse kinematics, pembuatan data lintasan (trajectory) berupa garis lurus, dan pengujian sistem kendali. Pada pengujian, data trajectory yang dibangkitkan dibandingkan dengan pengukuran berdasarkan observasi di lapangan. Pengukuran data gerakan robot di lapangan dilakukan dengan dua alat, yaitu dengan global positioning system (GPS) yang terpasang pada robot dan GPS smartphone. Hasil pengujian menunjukkan bahwa robot beroda dapat dikendalikan dengan inverse kinematics dengan rata-rata nilai galat sebesar 0.9 meter. Kata Kunci: inverse kinematics, kendali, otonom, robot beroda.
Pembangunan Model Jaringan Saraf Tiruan untuk Memprediksi Kecenderungan Tipe Mediasi Orang Tua terhadap Penggunaan Internet oleh Anak Indah Puspita; Karlisa Priandana; Medria Kusuma Dewi Hardhienata; Peter John Morley; Auzi Asfarian; Husin Alatas
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.47-57

Abstract

Mediasi orang tua sangat diperlukan agar dampak negatif penggunaan internet oleh anak yang tinggi di masa pandemi Covid-19 dapat diminimalisir. Penelitian ini dilakukan dengan membuat model jaringan saraf tiruan (JST) untuk mengetahui hubungan antara faktor dalam keluarga dan teknik mediasi orang tua di wilayah Bogor. JST penelitian ini dibangun menggunakan metode pembelajaran propagasi balik (backpropagation). Faktor dalam keluarga yang diteliti sebagai masukan JST adalah usia orang tua, pendidikan, jumlah anak, usia anak, durasi menggunakan internet, serta jumlah media sosial yang digunakan. Jenis mediasi orang tua yang digunakan sebagai luaran jaringan adalah mediasi aktif penggunaan internet umum, mediasi aktif penggunaan bersama, mediasi pasif penggunaan bersama, mediasi pembatasan aktivitas berinternet, mediasi pembatasan penggunaan internet secara umum, mediasi aktif keamanan internet, mediasi pemantauan, dan mediasi teknis penggunaan internet. Data diperoleh melalui survei terhadap 282 orang tua di wilayah Bogor pada Februari-Juni 2021. Penelitian ini telah membangun model JST untuk memprediksi kecenderungan tipe mediasi orang tua dengan mean-squared error sebesar 0.05132. Model yang dihasilkan dapat dikembangkan lebih lanjut menjadi aplikasi edukasi sederhana yang dapat digunakan oleh orang tua untuk mengetahui jenis mediasi yang mereka lakukan. Dengan lebih memahami jenis mediasi yang mereka lakukan, kami berharap orang tua dapat memiliki pemahaman lebih baik mengenai mediasi orang tua dan dapat menerapkan teknik mediasi yang paling sesuai dengan kondisi yang mereka alami untuk mewujudkan ketahanan keluarga.
Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine Qarry Atul Chairunnisa; Yeni Herdiyeni; Medria Kusuma Dewi Hardhienata; Julio Adisantoso
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.79-89

Abstract

The COVID-19 vaccination policy in Indonesia turns out to be both pros and cons. The government has to evaluate the underlying reason of why some people are against the policy, so that the vaccination program can run smoothly. Sentiment analysis as a way to see the polarity of opinion, makes it possible to classify positive, negative or neutral responses on Twitter regarding the vaccination policy. This study aims to determine the public's response to COVID-19 vaccination in Indonesia by examining word distribution and creating a Support Vector Machine (SVM) classification model. Sentiment analysis consists of several stages, namely data collection, data preprocessing, data weighting, data analysis, data sharing, classification modeling, hyperparameter tuning and model evaluation. The results of this study are a model with a relatively optimal performance in classifying sentiment with an accuracy, precision, recall and f1-score of 90%. The results of the sentiment analysis obtained are in the form of ideas, complaints, and suggestions for the COVID-19 vaccination.
Analisis Sentimen Pengguna Twitter terhadap Vaksinasi COVID-19 di Indonesia menggunakan Algoritme Random Forest dan BERT Amin Elhan; Medria Kusuma Dewi Hardhienata; Yeni Herdiyeni; Sony Hartono Wijaya; Julio Adisantoso
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 2 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.2.199-211

Abstract

The Covid-19 pandemic has encouraged many stakeholders to be able to adapt to current conditions. One of the programs launched by the government in order to overcome the spread of Covid-19 is to run a vaccination program. In order to find out the public's interest in the Covid-19 vaccination program that was launched, it is necessary to carry out a sentiment analysis. Sentiment analysis is generally done to obtain the latest information from a large corpus. The purpose of this study is to analyze the sentiments of Twitter users towards the Covid-19 vaccination in Indonesia using the Random Forest and BERT Algorithms. The research stages include pre-processing Twitter data related to Covid-19 vaccination topics, sentiment labeling, handling unbalanced data, classifying datasets using the Random Forest and BERT algorithms, as well as analysis and evaluation. After handling unbalanced data, the results of Twitter user sentiment analysis for Covid-19 vaccination in Indonesia yielded an accuracy of 81%, F1-score of 74%, precision of 76%, and recall of 74% using the Random Forest algorithm and an accuracy of 82%, F1-score 79%, precision of 78%, and recall of 79% using the BERT Algorithm. Although the BERT Algorithm has generally a slightly higher performance than the Random Forest Algorithm, the simulation results show that the Random Forest algorithm has significantly lower computation time compared to the BERT algorithm in the considered case.
Perbandingan Algoritma Klasifikasi untuk Mendeteksi Kebutuhan Nitrogen Tanaman Padi Berdasarkan Data Citra Multi-spectral Drone Kahfi Gunardi; Karlisa Priandana; Medria Kusuma Dewi Hardhienata; Wulandari; Mohamad Solahudin
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 10 No. 2 (2023)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.10.2.238-249

Abstract

Optimalisasi penggunaan pupuk Nitrogen (N) sangat penting untuk meningkatkan produktivitas tanaman padi. Untuk mengetahui jumlah pupuk yang diperlukan oleh tanaman padi, petani umumnya menggunakan Bagan Warna Daun (BWD) dengan cara mencocokkan warna daun padi dengan warna pada BWD secara manual. Namun, hal ini sangat memakan waktu. Salah satu strategi untuk meningkatkan efisiensi penentuan kebutuhan pupuk N adalah dengan menggunakan Multi-spectral Drone. Drone digunakan untuk mengambil citra multispectral, kemudian citra ini digunakan untuk menentukan kebutuhan pupuk N. Penelitian ini membandingkan beberapa algoritma klasifikasi untuk memodelkan kebutuhan pupuk N dari data citra multispectral, dengan menggunakan ground truth dari penskalaan BWD. Algoritma klasifikasi yang dibandingkan yaitu Decision Tree (DT), Artificial Neural Network (ANN), Support Vector Machine (SVM), Random Forest (RF), dan K-Nearest Neighbour (KNN). Kinerja kelima algoritma klasifikasi diukur berdasarkan accuracy, recall, precision dan F1 score. Dalam penelitian ini, ditemukan bahwa model klasifikasi yang memiliki kinerja terbaik adalah algoritma Decision Tree (DT) baik dalam perlakuan tanpa normalisasi dan balancing dan dengan normalisasi dan balancing dengan nilai accuracy, recall, precision, dan­­­ F1-score di atas 90%.
Klasifikasi Daerah Penangkapan Ikan Menggunakan Algoritma Random Forest dan Support Vector Machine Kurnianto, Andi; Imas Sukaesih Sitanggang; Medria Kusuma Dewi Hardhienata
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.100-110

Abstract

Kondisi ekonomi nelayan tradisional masih berada di lingkaran kemiskinan sehingga diperlukan solusi untuk meningkatkan kesejahteraan. Salah satu solusi adalah dengan menggunakan teknologi informasi mengenai daerah penangkapan ikan, sehingga nelayan dapat menghemat bahan bakar dan menambah jumlah tangkapan. Informasi daerah penangkapan ikan dapat di tentukan dengan cara mengolah data citra satelit dan menggunakan teknologi machine learning. Penelitian ini bertujuan membuat model yang dapat melakukan menklasifikasi daerah penangkapan ikan menggunakan algoritma Random Forest dan Support Vector Machine menggunakan data citra satelit laut jawa dan sekitarnya dari tahun 2019-2021 dengan menggunakan parameter klorofil, suhu permukaan laut, salinitas, ketinggian dan suhu air laut. Hasil penelitian ini menunjukan parameter klorofil mempunyai peran paling besar sebesar 77.14% dalam menentukan daerah penangkapan ikan. Hasil nilai precision yang dihasilkan algoritma Support Vector Machine (99.83%) lebih tinggi dibanding dengan yang dihasilkan algoritma Random Forest (99.80%). Meski demikian model klasifikasi yang dihasilkan algoritma Random Forest mempunyai nilai accuracy (99.90%), recall (100%) dan F1 score (99.90%) yang lebih tinggi dibanding dengan yang dihasilkan algoritma Support Vector Machine dengan nilai accuracy (99.89%), recall (99.96%) dan F1 score (99.89%).
Co-Authors Agus Buono Amin Elhan Auzi Asfarian Husin Alatas Iis Rodiah Imas Sukaesih Sitanggang Julio Adisantoso Kahfi Gunardi Karlisa Priandana Kurnianto, Andi Laksono Trisnantoro Michael Julyus Christopher Manullang Mohamad Solahudin Mushthofa Peter John Morley Purnajaya, Akhmad Rezki Qarry Atul Chairunnisa Rizha Al-Fajri Siti Nur Hasanah Sony Hartono Wijaya Syarifah Aini Wisnu Ananta Kusuma WULANDARI Yeni Herdiyeni