Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal TIMES International Journal of Engineering, Science and Information Technology Prioritas : Jurnal Pengabdian Kepada Masyarakat
Erianto Ongko
STIMIK IBBI
Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Perancangan Sistem Pakar Diagnosa Penyakit pada Mata Ongko, Erianto
Jurnal TIMES Vol 2, No 2 (2013)
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (544.017 KB)

Abstract

Mata merupakan salah satu dari panca indra yang memiliki peran yang sangat penting dalam kehidupan manusia yaitu sebagai organ penglihatan. Jika terjadi gangguan pada mata atau penyakit mata, maka akan sangat menggangu dan jika tidak ditindaklanjuti dapat berakibat sangat fatal bagi kehidupan manusia. Jadi sudah mestinya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari. Penelitian ini bertujuan untuk menganalisis dan merancang sistem pakar diagnosa penyakit pada mata yang mencakup informasi penyakit, baik gejala maupun solusinya, dan berperan untuk menggantikan dan menirukan proses penalaran dari seorang pakar dalam memecahkan masalah spesifikasi. Metode yang digunakan untuk penalaran adalah metode forward chainingHasil dari penelitian adalah sistem pakar diagnosa penyakit pada mata yang terkomputerisasi yang dapat digunakan untuk memberikan informasi yang berguna dalam pendiagnosaan penyakit.
Penerapan Smart Farming Sebagai Upaya Modernisasi Pertanian Cabai Rahman, Sayuti; Indrawati, Asmah; Sembiring, Arnes; Hartono, Hartono; Zuhanda, Muhammad Khahfi; Ongko, Erianto
Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol 6 No 02 (2024): EDISI SEPTEMBER 2024
Publisher : Universitas Harapan Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35447/prioritas.v6i02.1050

Abstract

Cabai merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi, namun produktivitasnya sering terganggu oleh berbagai penyakit daun yang disebabkan oleh hama, seperti bercak daun, layu fusarium, embun tepung, dan virus kuning. Penyakit-penyakit ini tidak hanya memengaruhi kualitas hasil panen, tetapi juga menyebabkan kerugian ekonomi yang signifikan bagi petani. Untuk mengatasi permasalahan ini, dilakukan pengabdian kepada masyarakat dengan mengimplementasikan teknologi Convolutional Neural Network (CNN) untuk klasifikasi penyakit daun cabai secara cepat dan akurat. Metode yang digunakan melibatkan observasi lapangan untuk mengidentifikasi permasalahan yang dihadapi petani di Desa Lubuk Cuik, Batu Bara, Sumatera Utara. Data berupa gambar daun cabai yang terinfeksi dikumpulkan dan digunakan untuk melatih model CNN. Model yang dikembangkan, efficientChiliNet, mampu mengklasifikasikan penyakit daun cabai dengan akurasi pelatihan 99,8% dan akurasi validasi 96,5%. Aplikasi berbasis web dan desktop kemudian dibuat untuk mempermudah petani dalam mendiagnosis penyakit daun cabai secara mandiri. Aplikasi ini juga disosialisasikan kepada petani melalui pelatihan untuk memastikan implementasi teknologi yang optimal. Hasil pengabdian ini menunjukkan bahwa teknologi berbasis CNN mampu memberikan solusi efektif dalam mengidentifikasi penyakit daun cabai dan membantu petani meningkatkan produktivitas pertanian. Rekomendasi selanjutnya adalah pengembangan fitur tambahan dalam aplikasi untuk memberikan panduan penanganan hama dan integrasi teknologi Internet of Things (IoT) untuk pemantauan lingkungan secara real-time. Dengan pendekatan ini, diharapkan terciptanya modernisasi pertanian berbasis smart farming yang berkelanjutan.
A Hybrid GDHS and GBDT Approach for Handling Multi-Class Imbalanced Data Classification Hartono, Hartono; Zuhanda, Muhammad Khahfi; Syah, Rahmad; Rahman, Sayuti; Ongko, Erianto
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.894

Abstract

Multiclass imbalanced classification remains a significant challenge in machine learning, particularly when datasets exhibit high Imbalance Ratios (IR) and overlapping feature distributions. Traditional classifiers often fail to accurately represent minority classes, leading to biased models and suboptimal performance. This study proposes a hybrid approach combining Generalization potential and learning Difficulty-based Hybrid Sampling (GDHS) as a preprocessing technique with Gradient Boosting Decision Tree (GBDT) as the classifier. GDHS enhances minority class representation through intelligent oversampling while cleaning majority classes to reduce noise and class overlap. GBDT is then applied to the resampled dataset, leveraging its adaptive learning capabilities. The performance of the proposed GDHS+GBDT model was evaluated across six benchmark datasets with varying IR levels, using metrics such as Matthews Correlation Coefficient (MCC), Precision, Recall, and F-Value. Results show that GDHS+GBDT consistently outperforms other methods, including SMOTE+XGBoost, CatBoost, and Select-SMOTE+LightGBM, particularly on high-IR datasets like Red Wine Quality (IR = 68.10) and Page-Blocks (IR = 188.72). The method improves classification performance, especially in detecting minority classes, while maintaining high accuracy.
Co-Authors Asmah Indrawati, Asmah Hartono Hartono Muhammad Khahfi Zuhanda Rahmad Syah, Rahmad Rahman, Sayuti Sembiring, Arnes