Article Per Year (5 Year)
p-Index From 2021 - 2026
4.704
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) ILKOM Jurnal Ilmiah Jurnal Nasional Komputasi dan Teknologi Informasi JOURNAL OF SCIENCE AND SOCIAL RESEARCH Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Tecnoscienza Jurnal Indonesia : Manajemen Informatika dan Komunikasi International Journal Software Engineering and Computer Science (IJSECS) Jurnal Nasional Cosphi Nusantara of Engineering (NOE) Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK) Journal Of Informatics And Busisnes Empiris Jurnal Pengabdian Pada Masyarakat (EJPPM) Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Andi Bode
Universitas Ichsan Gorontalo
Aerospace Engineering Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Neuroscience Social Sciences Transportation Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Design of a Watering Control System for Chili Seedlings Using Arduino Uno Ramadhani, Syarifah Fitrah; Lasulika, Mohamad Efendi; Bode, Andi; Djailani, Moh. Adrian; Posumah, Risky Randa
International Journal Software Engineering and Computer Science (IJSECS) Vol. 4 No. 3 (2024): DECEMBER 2024
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v4i3.3225

Abstract

Technology in agriculture has brought revolutionary changes in the way we view and treat food production. This research is the design of a watering control system because controlling plant watering is an important factor in healthy plant growth. With the use of technology such as Arduino Uno, designing an automatic watering control system that can monitor soil moisture, regulate watering according to plant needs, besides that, another goal is to increase agricultural productivity by optimizing watering of chili plants. The results of research and testing that have been carried out, the Arduino Uno based automatic plant irrigation tool shows success in its design and operation; this tool has been designed and made using an Arduino Uno microcontroller and YL-69 sensor, as well as other supporting devices, which function according to their purpose and function with good performance in automatic watering. This tool can work effectively when the humidity sensor sends data to the Arduino, where if the received data is below the specified limit, the relay automatically activates the water pump to perform watering. During the process, if the sensor detects soil moisture levels above the limit, the relay will turn off the pump and stop watering
IMPLEMENTASI IOT PADA SISTEM MONITORING KENDALI OTOMATIS SUHU DAN KELEMBAPAN RUANGAN SARANG BURUNG WALET BERBASIS MIKROKONTROER Balok, Admin; Abd Rahmat Karim Haba; Serwin; Andi Bode
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 4 No 1 (2025): Mei 2025
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v4i1.1464

Abstract

Abstrak - Implementasi Internet of Things (IoT) pada sistem monitoring kendali otomatis suhu dan kelembapan ruangan sarang burung walet berbasis mikrokontroler bertujuan untuk meningkatkan efisiensi pengelolaan lingkungan ruangan. Sistem ini dirancang menggunakan sensor suhu dan kelembapan yang terhubung ke mikrokontroler, yang selanjutnya mengirimkan data secara real-time ke server melalui jaringan internet. Data tersebut dipantau dan dianalisis melalui antarmuka web yang user-friendly, memungkinkan pengguna untuk melakukan pengawasan dan pengendalian secara jarak jauh. Prototipe yang dikembangkan mampu menampilkan hasil pembacaan sensor secara akurat pada website dan secara otomatis mengendalikan alat pengontrol suhu berdasarkan parameter yang telah ditentukan. Uji coba sistem menunjukkan bahwa alat ini dapat berfungsi dengan baik, memberikan respons waktu nyata, dan stabilitas koneksi yang memadai. Hasil penelitian mengindikasikan bahwa alat pemantau dan pengendalian suhu ini sangat efisien dalam menghemat waktu dan tenaga para petani walet, sehingga meningkatkan kualitas hasil produksi sarang burung walet. Penelitian ini menunjukkan bahwa sistem IoT yang dikembangkan tidak hanya efektif dalam pemantauan dan pengendalian lingkungan ruangan sarang burung walet, tetapi juga memberikan solusi yang dapat diterapkan pada skala lebih luas di industri peternakan burung walet. Implementasi teknologi ini berpotensi untuk meningkatkan produktivitas dan kualitas hasil, serta membuka peluang untuk pengembangan lebih lanjut dalam integrasi teknologi pintar di sektor pertanian dan peternakan. Kata kunci: IoT, mikrokontroler, monitoring suhu, kelembapan, burung walet
KLASIFIKASI MUTU GREENBEAN COFFEE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Muhamad, Azhar; Idris, Irma Surya Kumala; Andi Bode
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 4 No 2 (2025)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v4i2.620

Abstract

ABSTRACT AZHAR MUHAMAD. T3118209. QUALITY CLASSIFICATION OF GREEN BEAN COFFEE USING CONVOLUTIONAL NEURAL NETWORK METHOD Coffee is one of Indonesia's foreign exchange sources and plays an important role in the development of the plantation industry. In the commercial process, a product must have advantages, especially in terms of quality to survive in world market competition. The Convolutional Neural Network (CNN) method is a Deep Learning method that can identify and classify an object in a digital image. The training process is carried out by looking for a model structure that matches the training data and validation data so that overfitting does not occur in the CNN network. The experimental results in this study indicate that the Convolutional Neural Network method can classify the quality of green bean coffee with an accuracy rate of 90%, recall of 92%, precision of 86%, and F1-Score of 88% from 30 images by taking 15 sample images from each class using confusion matrix testing.
Support Vector Machine Untuk Prediksi Produksi Tanman Pangan di Provinsi Gorontalo Drajana, Ivo Colanus Rally; Bode, Andi
Nusantara of Engineering (NOE) Vol 4 No 2 (2021): Volume 4 No 2 Tahun 2021
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (513.243 KB) | DOI: 10.29407/noe.v4i2.16757

Abstract

Sektor pertanian sudah menjadi peranan penting bagi masyarakat pada daerah yang memiliki lahan luas dan tanah yang subur. Pertanian sangat penting dalam peningkatan suatu daerah serta perekonomian daerah itu sendiri. Dinas Pertanian Provinsi Gorontalo adalah sebuah instansi yang bergerak diberbagai bidang pertanian, dalam kegiatan tahunan melakukan pencatatan hasil produksi tanaman pangan. Hasil yang didapatkan setiap tahunnya sering mengalami perubahan, maka diperlukan suatu sistem untuk melakukan prediksi, tujuannya yaitu untuk mengetahui hasil produksi tanaman pangan. Dengan penerapan algoritma support vector machine (SVM) telah berhasil dilakukan. Maka hasil dari prediski tersebut dapat digunakan untuk bahan pertimbangan atau kebijakan didalam pengambilan keputusan. Tingkat error paling terkecil yaitu 207. Model yang diusulkan mendekati nilai kesempurnaan, karena perbandingan hasil eksperimen prediksi produksi tanaman pangan dengan data set yang ada menghasilkan nilai keakuratan kisaran 70% - 100%. Dengan demikian metode yang diusulkan dinyatakan berhasil.
Design of a Watering Control System for Chili Seedlings Using Arduino Uno Syarifah Fitrah Ramadhani; Mohamad Efendi Lasulika; Andi Bode; Moh. Adrian Djailani; Risky Randa Posumah
International Journal Software Engineering and Computer Science (IJSECS) Vol. 4 No. 3 (2024): DECEMBER 2024
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v4i3.3225

Abstract

Technology in agriculture has brought revolutionary changes in the way we view and treat food production. This research is the design of a watering control system because controlling plant watering is an important factor in healthy plant growth. With the use of technology such as Arduino Uno, designing an automatic watering control system that can monitor soil moisture, regulate watering according to plant needs, besides that, another goal is to increase agricultural productivity by optimizing watering of chili plants. The results of research and testing that have been carried out, the Arduino Uno based automatic plant irrigation tool shows success in its design and operation; this tool has been designed and made using an Arduino Uno microcontroller and YL-69 sensor, as well as other supporting devices, which function according to their purpose and function with good performance in automatic watering. This tool can work effectively when the humidity sensor sends data to the Arduino, where if the received data is below the specified limit, the relay automatically activates the water pump to perform watering. During the process, if the sensor detects soil moisture levels above the limit, the relay will turn off the pump and stop watering
The K-Nearest Neighbor Algorithm using Forward Selection and Backward Elimination in Predicting the Student’s Satisfaction Level of University Ichsan Gorontalo toward Online Lectures during the COVID-19 Pandemic Bode, Andi; Lamasigi, Zulfrianto Y; Drajana, Ivo Colanus Rally
ILKOM Jurnal Ilmiah Vol 15, No 1 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i1.1381.118-123

Abstract

Academic services are actions taken by state and private universities to provide convenience for student’s academic activities. During the current covid-19 pandemic, every university remains active in academic activities. This study aimed to apply the K-Nearest Neighbor algorithm in predicting the level of student satisfaction with online lectures at University Ichsan Gorontalo. Our main aim was to obtain quantitative information to measure student satisfaction with online lectures during the pandemic, which should be taken into account when making decisions. K-Nearest Neighbor is a non-parametric Algorithm that can be used for classification and regression, but K-Nearest Neighbor are better if feature selection is applied in selecting features that are not relevant to the model. Feature Selection used in this research is Forward Selection and Backward Elimination. Seeing the results of experiments that have been carried out with the application of the K-nearest Neighbor algorithm and the selection feature, the results of the forecasting can be used for consideration or policy in decision making. The highest level of accuracy in the K-Nearest Neighbor algorithm model used Forward Selection with an accuracy rate of 98.00%. Thus, the experimental results showed that feature selection, namely forward selection, was a better model in the relevant selection variables compared to backward elimination.
Influence of gray level co-occurrence matrix for texture feature extraction on identification of batik motifs using k-nearest neighbor Lamasigi, Zulfrianto Yusrin; Bode, Andi
ILKOM Jurnal Ilmiah Vol 13, No 3 (2021)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v13i3.1025.322-333

Abstract

Batik is one type of fabric that is unique because it has a special motif, in Indonesia itself batik is unique because it has certain motifs that are made based on the culture from which batik was made. This study aims to examine the effect of the texture feature extraction method on the identification of batik motifs from five major islands in Indonesia. The method used in this study is the Gray Level Co-occurrence Matrix as the texture feature extraction of batik motifs to obtain good batik motif identification accuracy results and to determine the value of the proximity of the training data and image testing of batik motifs, the K-Nearest Neighbor classification method will be used based on texture feature extraction value obtained. In this experiment, 5 experiments will be carried out based on angles 0degrees, 45degrees, 90degrees, 135degrees, and 180degreesusing the values of k is1, 3, 5, and 7. The confusion matrix will be used to calculate the accuracy level of the K-Nearest Neighbor classification. From the results of experiments carried out using training data as many as 607 images and testing as many as 344 images in five classes used with angles of 0 degrees, 45degrees, 90degrees, 135degrees, 180degrees, and values of k are 1, 3, 5, and 7, getting the highest accuracy results is at an angle of 135degreesand 180degreeswith a value of k is 1 of 89.24% and the lowest is at an angle of 90degreeswith a value of k is 3 of 67.44%. This shows that the Gray level co-occurrence matrix method is good for extracting the texture features of batik motifs from five major islands in Indonesia, it is evidenced by the results of the average accuracy of the classification obtained.
Support Vector Machine Menggunakan Forward Selection untuk Prediksi Penjualan Obat Andi Bode
JURNAL TECNOSCIENZA Vol. 3 No. 1 (2018): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/chwd9t74

Abstract

Perkembangan industri kesehatan terutama farmasi mengalami peningkatan yang pesat. Bersamaan dengan meningkatnya dunia industri farmasi maka informasi produk menjadi masukan bagi perusahaan. Informasi penjualan obat dan informasi persediaan obat. Obat merupakan produk yang dihasilkan dari bahan yang berasal dari tumbuhan, mineral, binatang serta obat syntetis. Prediksi jumlah penjualan di masa yang akan datang bertujuan untuk mengendalikan jumlah stok produk yang ada, sehingga kelebihan stok produk atau kekurangan dapat diminimalkan. Hasil prediksi penjualan akurat maka, pemenuhan permintaan konsumen dapat dipenuhi tepat waktu. Penelitian ini dilakukan untuk memprediksi penjualan obat. Rekapitulasi peserdiaan obat adalah permasalahan yang sering dijumpai oleh pihak apotek. Dalam mempermudah prediksi persediaan obat di periode yang akan datang menggunakan data penjualan obat pada periode sebelumnya. Metode time series sering digunakan sebagai metode peramalan, data time series untuk mengetahui bentuk pola dimasa lalu untuk mengetahui nilai dimasa mendatang. Metode Support Vector Machine tidak bekerja dengan akurat ketika memiliki fitur tidak relevan, karena tidak semua fitur diperlukan. Metode SVM memberikan kinerja yang efektif, jika fitur yang tidak relevan dihapus. Seleksi fitur bekerja secara langsung mengeliminasi fitur serta memilih fitur yang benar memberikan informasi. Pemilahan fitur akan meningkatkan efisiensi. Pada eksperimen algoritma Support Vector Machine dihasilkan model terbaik yang dilihat berdasarkan nilai error terkecil yaitu 0.135 dengan variabel periode 4, validation Shuffled Sampling 10 dan type kernel Polynomial. Kemudian pada eksperimen algoritma Support Vector Machine menggunakan fitur seleksi Forward Selection dihasilkan model terbaik yang dilihat berdasarkan nilai error terkecil yaitu 0.133 dengan variabel periode 8, validation Shuffled Sampling 10 dan type kernel Polynomial. Kata kunci: Support Vector Machine, Forward Selection, Data Mining, Penjualan Obat
Komparasi Algoritma Data Mining Menggunakan Forward selection Pada Prediksi Harga Jagung Mohamad Efendi Lasulika; Andi Bode
JURNAL TECNOSCIENZA Vol. 5 No. 2 (2021): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v5i2.392

Abstract

Meningkatnya volume produksi jagung yang diperdagangkan dan kecenderungan harga jagung dipasaran menuntut kebijakan pemerintah dalam mengendalikan stabilasi harga jagung. Sehingga pemerintah kesulitan dalam menentukan atau memprediksi harga komoditi yang akan datang, namun pada penelitian ini hanya fokus pada beberapa algoritma klasifikasi untuk mengetahui algoritma apakah yang mempunyai tingkat akurasi tertinggi dalam hal prediksi harga jagung sehingga dapat digunakan dalam melakukan prediksi harga beberapa hari kedepannya. Dalam data mining ada beberapa algoritma klasifikasi yang dapat digunakan, seperti K-Neural Network, Artificial Neural Network, Naïve Bayes, Regresi Linear, C-45 dll, namun pada penelitian ini hanya fokus pada dua metode saja yaitu Naïve Bayes dan K- Neural Network. Berdasarkan hasil penelitian yang dilakukan metode K-nn merupakan metode yang sangat bagus atau baik dalam melakukan prediksi ataupun klasifikasi, hala ini dapat dilihat dari hasil RMSE yang di hasilkan yaitu 0,05, metode ini mampu menghasilkan nilai terbaik walaupun tanpa adanya penambahan metode lain seperti forward selection, sementara itu untuk naïve bayes metode ini juga merupakan metode terbaik dalam melakukan prediksi ataupun klasifikasi, akan tetapi naïve bayes mempunyai beberapa kekurangan apabila digunakan untuk type data univariate ataupun numerical. Penambahan forward selection kepada pengolahan data dapat membantu menghasilkan akurasi yang baik pula. Walaupun tanpa forward selection K-NN dan Naïve bayes merupakan metode komputasi yang sangat baik dalam prediksi ataupun klasifikasi. Kata kunci: Harga Jagung, Komparasi Metode, K-Neural Network, Naïve bayes, forward selection
Aplikasi Diagnosa Penyakit Hama Tanaman Kakao Menggunakan Metode Certainty Factor Pada Dinas Perkebunan dan Peternakan Provinsi Gorontalo Andi Bode; Mohamad Efendi Lasulika; Muh. Jabal Nur
JURNAL TECNOSCIENZA Vol. 5 No. 2 (2021): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v5i2.403

Abstract

Kakao merupakan komoditas yang diperdagangkan yang memiliki peluang untuk berkembang dan dapat berkembang serta menambah devisa negara. Tanaman kakao terserang berbagai hama dan penyakit, Hama dan penyakit tersebut dapat dilihat dari gejala yang ditimbulkannya, namun untuk mengetahui secara pasti jenis hama dan penyakit yang menyerang kakao diperlukan tenaga ahli / ahli pertanian. Sedangkan tenaga ahli pertanian yang jumlahnya terbatas dan tidak dapat sekaligus menyelesaikan permasalahan petani, sehingga diperlukan suatu aplikasi dengan kemampuan ahli yang berisi keahlian ahli pertanian tentang penyakit dan gejala tanaman kakao. Pada penelitian ini dirancang aplikasi diagnostik dengan menggunakan metode kepastian Certainty Factor dan metode inferensi Backward Chaining, dengan bantuan bahasa pemrograman PHP (PHP: Hypertext Preprocessor) dan Basi Data MySQL. Aplikasi ini dirancang untuk membantu petani dalam mendiagnosis penyakit tanaman kakao. Kata kunci: Certainty Factor, Hama dan Penyakit, Tanaman Kakao
Co-Authors Abd Rahmat karim Haba Abdul Yunus Labolo Ahmad Asdiranto A Marisang Azminuddin I. S. Azis Balok, Admin Budy Santoso Dedi Setiawan Djailani, Moh. Adrian Drajana, Ivo Colanus Rally Fatma YR Dunggio Idris, Irma Surya Kumala Ikbal Iskandar Irma Surya Kumala Idris Irvan A. Salihi Ivo Colanus Rally Drajana Jorry Karim Labolo, Abdul Yunus Merin Nurlaisa Abbas Mochammad Sakir Moh. Adrian Djailani Moh. Yasir Mohamad Efendi Lasulika Muhamad, Azhar Muis Nanja Nur, Muh Jabal Posumah, Risky Randa Ramadhani, Syarifah Fitrah Risky Randa Posumah Rofiq Harun Sarlis Mooduto Serwin Siska Udilawaty Sunarto Taliki Swastiani Dunggio Syahrir Abdussamad Syarifah Fitrah Ramadhani Talodo, Moh. Arif N Tangahu, Rizqi Adiputera Utiarahman, Siti Andini Warid Yunus Yasin Aril Mustofa Yulianti Lasena Yurike Musa Zohrahayaty Zulfrianto Yusrin Lamasigi