Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Journal Peqguruang: Conference Series Jurnal Agroterpadu
Cipta Riang Sari
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
SISTEM REPOSITORY SKRIPSI DENGAN METODE COSINE SIMILARITY BERBASIS WEB Norman Norman; Cipta Riang Sari; Akhmad Qashlim
Journal Peqguruang: Conference Series Vol 2, No 1 (2020): Peqguruang, Volume 2, No.1, Mei 2020
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (616.381 KB) | DOI: 10.35329/jp.v2i1.1397

Abstract

Sistem Repository merupakan media penyimpanan yang terjaga keamanannya terhadap dokumen dan data penelitian. Hal ini menjadi mediator antara peneliti dengan sistem berupa kemudahan bagi peneliti untuk menelusur kembali karya ilmiah yang pernah dihasilkan dimanapun mereka berada. Sistem repository diperlukan untuk memudahkan mahasiswa(i) dalam pencarian dokumen-dokumen secara cepat dan efesien di Fakultas Ilmu Komputer.Sistem Sistem repository ini dibuat menggunakanMetode cosine similaiy sertamenggunakan PHP ,XAMPP dan MYSQL sebagai web Sistem server.Penelitian ini di laksanakan di Universitas ALL-Asyariah Mandar dari bulan februari hingga maret 2020.Dari penelitian ini di hasilkan suatu Sistem repository yang menyajikan iformasi data skripsi dan di harapkan dapat memberi kemudahan bagi peneliti untuk menelusuri kembali karya lmiah yang pernah di hasilkan.
SISTEM INFORMASI PENGKLASIFIKASIAN HASIL BELAJAR PESERTA DIDIK DENGAN TEKNIK DATA MINING METODE K-NEAREST NEIGHBOR (K-NN) Ahmad Faisal; Basri Basri; Cipta Riang Sari
Journal Peqguruang: Conference Series Vol 2, No 1 (2020): Peqguruang, Volume 2, No.1, Mei 2020
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (778.116 KB) | DOI: 10.35329/jp.v2i1.1386

Abstract

Di sekolah SDN Inpres 046 Sidorejo proses pengklasifikasi hasil belajar atau nilai para Peserta Didik masih secara manual, yaitu menggunakan aplikasi perkantoran yang akhirnya membuat tumpukan data yang sangat banyak. Jadi, selain membuat data excel hasil klasifikasi data semakin bertumpuk juga membuat pengajar kewalahan dalam menentukan hasil penghitungan nilai dan mengevaluasi hasil dari klasifikasi atau nilai akademik peserta didik sehingga boros tenaga, waktu, dan biaya. Penelitian ini bertujuan merancang sebuah sistem informasi klasifikasi hasil belajar pesera didik pada SDN Inpres 046 Sidorejo menggunakan teknik data mining metode K-Nearest Neighbor (K-NN). Untuk memudahkan mengklasifikasi hasil belajar peserta didik di Sekolah Dasar Negeri Inpres 046 sidorejo. Dengan Menggunakan Sistem Informasi Pengklasifikasian Hasil Belajar Peserta Didik Dengan Teknik Data Mining Metode K - Nearest Neighbor (K-NN), maka akan didapatkan hasil belajar pesera didik. Hasil pengklasifikasian nantinya dapat menjadi bahan bagi pihak sekolah untuk melakukan penilaian untuk mendapatkan hasil peserta didik dengan nilai terbaik setiap tahunnya. Penulisan skripsi ini dilakukan pada bulan Februari samapai dengan bulan April 2020 dengan lokasi penelitian pada SDN Inpres 046 Sidorejo Wonomulyo.
INDENTIFIKASI KUALITAS BERAS BERDASARKAN WARNA MENGGUNAKAN METODE BACKPROPOGATIAN Nur Fadilah; Basri Basri; Cipta Riang Sari
Journal Peqguruang: Conference Series Vol 7, No 1 (2025): Peqguruang, Volume 7 Nomor 1 Mei 2025
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jp.v7i1.5649

Abstract

Beras merupakan makanan pokok bagi masyarakat di beberapa negara di Asia, khususnya Asia Tenggara. Salah satu negara  dengan tingkat konsumsi beras tertinggi di asia Tenggara adalah Indonesia. Masyarakat pada umumnya membedakan jenis beras berdasarkan ciri- cirinya, yaitu dengan mengamati bentuk, ukuran, dan warna dari beras tersebut. Cara ini merupakan cara untuk membedakan jenis beras yang sudah dilakukan oleh masyarakat sejak lama. Namun, cara tersebut merupakan metode yang  kurang efisien dan dinilai sudah kuno. Mengingat ukuran beras yang terbilang kecil, tentunya akan sulit membedakannya berdasarkan jenis. Terlebih lagi dengan semakin banyaknya jenis beras.Tujuan dari penelitian ini ialah untuk Kami telah mengembangkan sistem untuk mengidentifikasi warna beras menggunakan pengolahan citra digital dengan metode backpropagation.   Berdasarkan   permasalahan tersebut, maka dilakukan penelitian yang berjudul  “Identifikasi Beras Berdasarkan Warna Menggunakan Metode Backpropogation. Hasil penelitian menunjukkan bahwa penggunakan metode backpropogation dalam mengidentifikasi warna warna beras memberikan hasil yang memuaskan dengan mempertimbangkan variabel-variabel seperti beras premium dan beras medium. Metode backpropogation berhasil mengidetifikasi warna beras dengan tingkat akurasi pada beras premium 94% dan beras medium 89%. Kombinasi ini diharapkan dapat memberikan hasil yang memungkinkan masyarakat umum, produsen dan  konsumen beras, untuk mengidentifikasi jenis dan kualitas beras tanpa harus melakukan serangkaian analisis yang rumit dan mahal, sehingga meminimalkan kesalahan pengujian Masu.
SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN MOBIL BEKAS TERBAIK DENGAN METODE K - NEAREST NEIGHBOR ( K-NN ) M Aril Septian; Muhammad Assidiq; Cipta Riang Sari
Journal Peqguruang: Conference Series Vol 5, No 2 (2023): Peqguruang, Volume 5 Nomor 2 November 2023
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jp.v5i2.4291

Abstract

Bagi kebanyakan orang, memiliki mobil seperti hal mendasar yang membantu mereka berfungsi, terutama di tempat kerja. Banyaknya versi mobil saat ini menyulitkan konsumen atau calon pembeli untuk membuat pilihan yang tepat dan percaya diri. Bagi calon pembeli baik perorangan maupun perusahaan yang ingin cepat mendapatkan pilihan mobil yang sesuai dengan selera atau kebutuhannya. Kemampuan untuk mengimplementasikan metode tersebut dalam sistem pendukung keputusan saat ini menjadi salah satu pilihan yang tepat. Algoritma K-NN (K-Nearest Neighbor) dipilih karena metode K-NN merupakan salah satu jenis model pendukung keputusan yang dapat mengklasifikasikan data berdasarkan jarak terpendek. Sistem ini dirancang untuk membantu calon pembeli memilih mobil sesuai dengan tujuan pembeliannya: mobil untuk kerja, mobil keluarga, harga, tahun pembuatan, kapasitas penumpang, warna, kapasitas mesin, Jenis transmisi "Menerapkan Metode K-Nearest Neighbor ke Sistem Rekomendasi Pemilihan Mobil bekas" membantu memberikan gambar atau referensi kepada pengguna atau calon pembeli saat menentukan pemilihan mobil jika perlu.
SISTEM INFORMASI PENDATAAN PENERIMA BEASISWA KIP BERBASIS GEOGRAFIS IQRAM IQRAM; Cipta Riang Sari; Ahmad Saleh
Journal Peqguruang: Conference Series Vol 6, No 2 (2024): Peqguruang
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jp.v6i2.5605

Abstract

Sistem Informasi Pendataan Penerima Beasiswa KIP Berbasis Geografis merupakan sebuah platform yang dirancang untuk mempermudah pendataan dan pemetaan penerima Beasiswa KIP (Kartu Indonesia Pintar) secara efisien dan efektif. Beasiswa KIP adalah kurang mampu secara ekonomi. Dalam abstrak ini, kami menggarisbawahi implementasi teknologi geografis untuk memperkuat sistem pendataan penerima beasiswa KIP. Pendekatan berbasis geografis memungkinkan identifikasi dan pemetaan lokasi siswa penerima beasiswa, memungkinkan pengguna untuk dengan cepat melihat distribusi geografis penerima beasiswa serta menganalisis tren dan pola yang mungkin terjadi. Tujuan dari penelitian ini adalah untuk menyajikan sebuah sistem yang memadukan keunggulan teknologi informasi dengan pemetaan geografis guna memberikan informasi yang lebih komprehensif dan mudah diakses kepada pihak-pihak terkait, seperti pemerintah, lembaga pendidikan, dan masyarakat umum. Diharapkan dengan adanya sistem ini, proses pendataan dan pemetaan penerima beasiswa KIP dapat dilakukan dengan lebih akurat dan efisien, sehingga bantuan pendidikan dapat tepat sasaran dan memberikan dampak yang lebih besar dalam meningkatkan akses pendidikan bagi siswa kurang mampu di seluruh Indonesia.
Klasifikasi Jenis Beras Berdasarkan Warna Menggunakan Metode K-Nearest Neighboars (Knn) Rindiani Rindiani; Cipta Riang Sari; Idhan Saldi
Jurnal Agroterpadu Vol 4, No 1 (2025): Jurnal Agroterpadu Volume 4, Nomor 1, Maret 2025
Publisher : Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/ja.v4i1.6067

Abstract

Ketergantungan penduduk Indonesia terhadap makanan pokok beras sangat tinggi, meskipun sebagai negara agraris, Indonesia masih mengimpor beras untuk memenuhi kebutuhan domestik. Pertanian padi merupakan sektor vital dalam perekonomian Indonesia, yang memberikan kontribusi signifikan terhadap ketahanan pangan. Beras adalah gabah yang telah melalui proses penggilingan dan penyosohan, sehingga menghasilkan beras yang siap dikonsumsi. Penelitian ini berfokus pada klasifikasi jenis beras berdasarkan warna menggunakan metode K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM) memiliki kemampuan sangat baik dalam mendeteksi warna pada beras, dengan tingkat akurasi mencapai 100%. Dengan demikian, klasifikasi jenis beras berdasarkan warna menggunakan metode KNN menawarkan solusi yang menjanjikan untuk mengatasi tantangan dalam industri pengolahan beras di Indonesia.
Co-Authors Ahmad Faisal Ahmad Saleh Akhmad Qashlim Basri Basri Idhan Saldi IQRAM IQRAM M Aril Septian Muhammad Assidiq Norman Norman Nur Fadilah Rindiani Rindiani