Claim Missing Document
Check
Articles

Found 22 Documents
Search

Ekstraksi Pola Kesalahan Jawaban Siswa Menggunakan Algoritma Apriori Sandi Fajar Rodiyansyah; Ardi Mardiana
JURNAL INFOTEL Vol 9 No 3 (2017): August 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i3.269

Abstract

Ujian Nasional (UN) adalah tahapan akhir seorang siswa dalam menyelesaikan studinya pada jenjang pendidikan formal yang sedang dijalani. Setiap tahunnya siswa berupaya mempersiapkan sebaik mungkin dalam menghadapi ujian tersebut. Untuk membantu persiapan siswa dalam menghadapi ujian nasional, umumnya sekolah membuat kegiatan program jam tambahan. Pada kegiatan ini, biasanya dilakukan pembahasan soal ujian tahun-tahun sebelumnya. Dengan demikian, guru memerlukan teknik pemilihan pembahasan soal yang perlu diberikan untuk efisiensi waktu. Algoritma apriori digunakan untuk analisis ekstraksi pola kesalahan jawaban siswa. Hasil yang didapat adalah pola kesalahan jawaban siswa sehingga guru bisa fokus memberikan tambahan materi pada soal-soal yang masih dijawab salah oleh siswa
Sistem Informasi Pendaftaran dan Pencatatan Rekam Medis Pasien (Studi Kasus : Klinik Abata Farma) Dede Didin; Ardi Mardiana
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2023
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem informasi pendaftaran dan pencatatan rekam medis pasien di Klinik Abata Farma Majalengka. Tujuan dari penelitian ini adalah untuk mengoptimalkan penyimpanan data pendaftaran pasien, rekam medis, dan pencatatan laporan serta memperbaiki monitoring data terkait pasien dan laporan. Metode yang digunakan dalam penelitian ini meliputi teknik pengumpulan data melalui metode lapangan (field research) dengan wawancara dan observasi langsung di klinik serta metode perpustakaan (library research) dengan mengutip beberapa sumber terkait. Penelitian ini menggunakan metode pengembangan sistem Waterfall yang terdiri dari tahap analisis kebutuhan, desain, pengkodean, pengujian, dan pemeliharaan. Sistem yang telah dikembangkan mampu mengoptimalkan penyimpanan data pendaftaran pasien, rekam medis, dan pencatatan laporan di Klinik Abata Farma. Selain itu, sistem ini juga berhasil meningkatkan monitoring data terkait pasien dan laporan yang memberikan manfaat dalam pengelolaan pelayanan kesehatan. Dalam kesimpulannya, penelitian ini berhasil merancang dan mengimplementasikan Sistem Informasi Pendaftaran dan Pencatatan Rekam Medis Pasien yang efektif di Klinik Abata Farma Majalengka. Sistem ini memberikan optimasi dalam penyimpanan data dan monitoring pasien serta laporan, meningkatkan efisiensi dalam pelayanan kesehatan di klinik tersebut.
Run Length Encoding Compresion on Virtual Tour Campus to Enhance Load Access Performance Ade Bastian; Ardi Mardiana; Mega Berliani; Mochammad Bagasnanda Firmansyah
JOIN (Jurnal Online Informatika) Vol 8 No 1 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i1.1000

Abstract

Virtual tour is one of the rapidly growing applications of multimedia technology which is used for various purposes, including the dissemination of information in an interesting way. The education sector is also not spared from using virtual tour media for promotional purposes, and campuses are no exception to this rule. Large virtual tour content causes high access speed, ultimately reducing the level of comfort experienced by users. This study aims to compress panoramic images displayed on a campus virtual tour using a lossless compression method and the Run Length Encoding (RLE) algorithm. First, panoramic images are combined into one, then individual images are compressed. When recreating a virtual campus tour, compressed images are used so that the amount of data transferred is smaller. The load access speed index increases from 7,233 seconds to 3,789 seconds when images are compressed from 64 bits to 8 bits, with a compression percentage of 27%. The findings from this research are that the RLE algorithm has not been able to compress large files effectively even though it is quite successful in increasing the load access of the virtual tour website.
Pembuatan Pelayanan Digital Mandiri Desa (PDMD) Menuju Desa Digital Pada Desa Wanasalam Tri Ferga Prasetyo; Ardi Mardiana; Aceng Jarkasih; Geraldy Fatullah; Citra Pebrianti Fitria
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 4 No. 3 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/jb.v4i3.6077

Abstract

Pembuatan PDMD Pelayanan Digital Mandiri Desa Mandiri ini sebagai bentuk komitmen Universitas Majalengka yang bersinergi bersama desa wanasalam, dapat menerapkan aplikasi ini dengan bertujuan menuju Desa Digital untuk mempermudah dan mempercepat pelayanan publik di desa setempat. Dalam pengabdian ini, pembuatan Pelayanan Digital Mandiri Desa Mandiri disesuaikan dengan kebutuhan masyarakat dalam bidang pelayanan pembuatan surat. Sebuah inovasi program pelayanan surat pengantar yang pengoperasiannya berbasis webview yang dapat diakses dalam gawai masing-msaing masyarakat. Masyarakat yang hendak meminta surat pengantar dari desa, dapat diakses terlebih dahuu di rumah pada perangkat gawainya masing-masing. Selanjutnya, hasil print yang tercetak dimintakan tanda tangan dan CAP ke Kepala Desa. Terdapat 29 jenis pelayanan surat menyurat melalui PDMD administrasi secara digital ini. Hal ini untuk mencegah dimanfaatkan oleh orang yang tak bertanggung jawab seperti calo juga tidak ribet menunggu dalam pembuatan surat, karena warga cukup membuatnya di handphone masing-masing setelah itu bukti autentik dilakukan di desa terebut.
SOSIALISASI PRODUKSI VIDEO PROFIL DESA CIPAKU KECAMATAN KADIPATEN KABUPATEN MAJALENGKA Dony Susandi; Ardi Mardiana; Harun Sujadi; Endah Prihartini; Dede Maulana; Muhammad Dziya Dhiyauddin; Gary Gibran Amnesty; Aas Nuraisah; Ayu Sunengsih
BERNAS: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 3 (2024)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/jb.v5i3.9734

Abstract

Penggunaan teknologi informasi menjadi keharusan untuk memperkenalkan dan mempromosikan potensi daerah, termasuk Desa Cipaku, sebagai bagian integral dari masyarakat Indonesia. Dalam konteks pengabdian kepada masyarakat, perguruan tinggi merencanakan produksi video profil Desa Cipaku sebagai sarana komunikasi inovatif yang akan menyoroti kekayaan potensi, keindahan alam, dan kehidupan masyarakat setempat. Proyek ini tidak hanya diarahkan untuk memberikan manfaat bagi masyarakat lokal, tetapi juga sebagai sumber informasi berharga untuk investor, instansi pemerintah, dan pihak terkait lainnya. Dalam proposal, akan dijelaskan rencana produksi, sumber daya yang dibutuhkan, dan manfaat yang diharapkan. Selain itu, proyek ini merupakan bagian dari program pengabdian kepada masyarakat, yang melibatkan mahasiswa dan tenaga pengajar perguruan tinggi, dengan tujuan mendukung pembangunan berkelanjutan dan pemberdayaan masyarakat di Desa Cipaku.
IMPLEMENTASI ALGORITMA EXPONENTIAL SMOOTHING UNTUK PREDIKSI PENJUALAN PADA PLATFORM E-COMMERCE Mardiana, Ardi; Iqbal Assegaf, Muhammad; Nurdiana, Nunu
INFOTECH journal Vol. 9 No. 1 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i1.5054

Abstract

Peramalan memiliki peran penting dalam mencapai tujuan secara efektif dan efisien bagi sebuah perusahaan. Penelitian ini bertujuan untuk menganalisis pola penjualan produk di platform e-commerce dengan menggunakan metode exponential smoothing. Penelitian ini juga menggunakan MAD, MSE, dan MAPE untuk menghitung tingkat kesalahan. Hasil penelitian menunjukkan bahwa metode exponential smoothing dengan alpha 0.9 memberikan error paling kecil dibandingkan dengan alpha lainnya. Penelitian ini menemukan bahwa peramalan penjualan produk di bulan November tidak akan berbeda jauh dengan penjualan pada bulan Oktober. Jika perusahaan menerapkan metode peramalan ini, penjualan akan optimal dan kelebihan atau kekurangan stok dapat dihindari sehingga target penjualan dapat tercapai. Selain itu, biaya produksi hingga penjualan akan lebih efisien. Hasil peramalan menunjukkan nilai MAD sebesar 24.90, MSE sebesar 153.12, dan MAPE sebesar 5.61% dengan peramalan sebesar 4.87 pcs
Alat Pencatat Cuaca Untuk Meningkatkan Kualitas dan Efisiensi di Perkebunan Mangga Di Majalengka Mardiana, Ardi; Tarsono, Ano; Wahono, Syiffa Safiera; Sujadi, Harun
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 2: JULI 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i2.596

Abstract

Demi mengatasi dampak perubahan iklim pada budidaya mangga, penelitian ini menggunakan inovasi dalam alat pencatat cuaca yang dibuat dengan teknologi dan sensor terkini. Alat ini memiliki tingkat presisi tinggi dan kemampuan adaptasi otomatis terhadap perubahan cuaca. Fokus penelitian adalah perkebunan mangga dengan variasi iklim yang signifikan, di mana alat ini secara konsisten mengukur suhu, kelembapan, kecepatan angin, arah mata angin dan curah hujan. Dengan menggunakan teknik analisis data yang melibatkan statistik dan big data, hasil yang diharapkan mencakup pembuatan alat pencatat cuaca yang efisien, akurat, dan inovatif untuk merespon perubahan cuaca. Alat ini tidak hanya memberikan data yang lebih akurat tetapi juga membantu membuat keputusan yang cerdas tentang manajemen perkebunan.Penelitian ini memberikan gambaran yang jelas tentang teknologi pencatat cuaca yang canggih, sehingga diharapkan dapat mendorong pengembangan teknologi serupa di sektor pertanian lainnya. Penelitian ini memberikan kontribusi penting terhadap ketahanan perkebunan mangga terhadap perubahan iklim global. Hasilnya, diharapkan bahwa alat pencatat cuaca canggih ini akan meningkatkan kualitas dan efisiensi produksi mangga dan menawarkan solusi pintar untuk mengatasi tantangan pertanian yang disebabkan oleh perubahan iklim.
Comparison of Machine Learning Algorithm for Enzyme Production Optimization from Industrial Waste Bastian, Ade; Fitriyani, Rofi; Susandi, Dony; Pangestu, Arki Aji; Mardiana, Ardi; Sujadi, Harun
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 2 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i2.8212

Abstract

The manufacture of industrial enzymes from trash provides a sustainable remedy for environmental issues. This work investigates machine learning methods to enhance enzyme production from industrial waste by examining critical factors such as waste type and chemical makeup. Three algorithms—Linear Regression, Decision Tree, and Neural Network—were used to estimate and forecast enzyme production. Evaluation criteria, such as Mean Squared Error (MSE) and Coefficient of Determination (R²), were used to evaluate model performance. The results indicated that the Decision Tree method was the most effective, exhibiting lowest error and enhanced accuracy in selecting ideal production factors such as fermentation temperature and time. This method improves efficiency, lowers operating expenses, and encourages sustainable waste management practices. The results highlight the potential of machine learning to convert trash into useful industrial goods, providing a route to more sustainable biotechnology. Future study may enhance hybrid algorithms, include new waste factors, and facilitate real-time implementation for wider industrial applicability.  
Optimized YOLOv8 Model for Accurate Detection and Quantificationof Mango Flowers Mardiana, Ardi; Bastian, Ade; Tarsono, Ano; Susandi, Dony; Safari Yonasi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 24 No. 3 (2025)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v24i3.4614

Abstract

Mangoes are widely cultivated and hold significant economic value worldwide. However, challenges in mango cultivation, such as inconsistent flowering patterns and manual yield estimation, hinder optimal agricultural productivity. This study addresses these issues by leveraging the You Only Look Once (YOLO) version 8 object detection technique to automatically recognize and quantify mango flowers using image processing. This research aims to develop an automated method for detecting and estimating mango yields based on flower density, representing the early stage of the plant growth cycle. The methodology involves utilizing YOLOv8 object detection and image processing techniques. A dataset of mango tree images was collected and used to train a CNN-based YOLOv8 model, incorporating image augmentation and transfer learning to improve detection accuracy under varying lighting and environmental conditions. The results demonstrate the model’s effectiveness, achieving an average mAP score of 0.853, significantly improving accuracy and efficiency compared to traditional detection methods. The findings suggest that automating mango flower detection can enhance precision agriculture practices by reducing reliance on manual labor, improving yield prediction accuracy, and streamlining monitoring techniques. In conclusion, this study contributes to the advancement of precision agriculture through innovative approaches to flower detection and yield estimation at early growth stages. Future research directions include integrating multispectral imaging and drone-based monitoring systems to optimize model performance further and expand its applications in digital agriculture.
Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Kualitas Beras sebagai Strategi Peningkatan Keamanan Pangan di Indonesia Ade Bastian; Priyadi, Deni; Zaliluddin, Dadan; Mardiana, Ardi; Wahid, Abrar; Rifki, Muhamamad; Fahmi Aziz, Muhamamad
TEMATIK Vol. 12 No. 1 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i1.2332

Abstract

Food fraud has emerged as a significant global issue, threatening public health, economic stability, and consumer trust across the food supply chain. In the context of rice—a staple consumed by more than half of the world’s population—the proliferation of counterfeit products poses a critical risk. This study aims to develop a deep learning-based classification model using Convolutional Neural Networks (CNN) to accurately distinguish between medium-grade, premium, and counterfeit rice. The research involved the systematic collection of 100 grain images per rice category, followed by preprocessing, data augmentation, and model training using an optimized CNN architecture for image-based classification. The dataset was split into training, validation, and testing subsets with a 60:20:20 ratio. The model was trained over 12 epochs, achieving a training accuracy of 95%. Evaluation using the test set yielded identical accuracy, with the confusion matrix confirming perfect classification across categories. External validation further demonstrated the model’s robustness and generalizability. The findings highlight CNN’s potential as an effective tool for enhancing food safety monitoring systems and combating rice fraud. This AI-driven approach contributes to agricultural quality control and emphasizes the role of machine learning in promoting food security and authenticity assurance. However, CNN models face limitations, including susceptibility to overfitting when trained on insufficiently diverse data and high computational demands during training. These challenges underscore the need for diversified datasets and the exploration of alternative architectures offering comparable performance with greater computational efficiency.