Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Faktor Exacta Kapas: Kumpulan Artikel Pengabdian Masyarakat
abdu rahman
Universitas Indraprasta PGRI
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Social Sciences Other

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

Found 2 Documents
Search
Journal : Faktor Exacta

 1 
PENGENDALI MONITORING PENYIRAMAN TAMAN BERBASIS ARDUINO MELALUI PARAMETER APRS (AUTOMATIC POSITION REPORTING SYSTEM ) abdu rahman; Fiqih Ismawan
Faktor Exacta Vol 14, No 4 (2021)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v14i4.10526

Abstract

Kondisi cuaca yang kurang menentu menyebabkan beberapa dampak, diantaranya adalah kadang kadar kelembaban tanah kurang atau terlalu tinggi. Kondisi kelembaban tanah sangat mempengaruhi kondisi kesehatan tanaman yang ada di wilayah daerah tersebut. Kesehatan tanaman yang buruk dapat mempengaruhi keindahan taman. Kurangnya keindahan taman dapat menyebabkan berkurang pengunjung baik yang bermukim didekat wilayah taman maupun yang jauh dari taman tersebut. Apabila kondisi kelembaban rendah perlu adanya penyiraman secara langsung untuk menaikan kelembaban. Kondisi tersebut karena penyiraman secara manual menggunakan fungsi manusia perlu untuk meluangkan waktu dan kesabaran. Masalah waktu yang lebih sulit dihindari, hal tersebut karena kesibukan manusia dan lebih terasa cepatnya waktu saat ini. Tujuan penelitian merancang sistem irigasi yang berjalan secara otomatis dengan memonitor kelembaban tanah untuk perawatan taman. Metode penelitian yang akan di gunakan dengan melakukan desain konsep alat pengendali otomatis penyiraman tanaman, observasi berdasarkan pengukuran data sistem aprs internet system, serta mengintegrasikan hasil pantauan data dengan konsep alat pengendali otomatis penyiraman taman. Hasil penelitian yaitu memadukan konsep teknologi otomatis yang berkembang saat ini dengan menggunakan Arduino sebagai alat pengendali penyiraman air dan data dari APRS (Automatic Packet Reporting System), sebagai data pendukung dalam kondisi kelembaban tanah di wilayah taman yang memerlukan sistem otomatis berupa data yang real time.
Model Machine Learning Klasifikasi Data Sekolah TK Berdasarkan Status dan Kabupaten abdu rahman; Fiqih Ismawan
Faktor Exacta Vol 15, No 2 (2022)
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/faktorexacta.v15i2.13211

Abstract

Klasifikasi status sekolah menjadi parameter khusus bagi beberapa kalangan orang tua dalam melakukan pemilihan sekolah untuk anak yang dinginkan, beberapa pertimbangan khusus dalam penentuan sekolah salah satunya adalah status sekolah, jumlah sekolah, jumlah guru, jumlah murid dan jumlah ruang kelas. Makalah ini melaporkan bahwa data status sekolah TK kabupaten dan kota administrasi provinsi DKI Jakarta dapat dilakukan klasifikasi berdasarkan cluster dan domain data, dengan mempartisi data ke dalam cluster sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karateristik yang berbeda dikelompokan ke dalam cluster yang lain. Metode klasifikasi yang digunakan adalah Levenshtein Distance dan K-Means Clustering, sumber data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh data.jakarta.go.id. Data sekunder yang digunakan adalah data sekolah dari 12 record kabupaten dan kota di Jakarta. Penelitian ini bertujuan untuk membuat model dan menentukan kriteria serta menganalisis akurasi klasifikasi antara ketiga metode tersebut dalam klasifikasi Data Sekolah TK Berdasarkan Status dan Kabupaten/Kota Administrasi Provinsi DKI Jakarta. Setelah dilakukan pengujian maka hasil Silhouette Score berdasarkan Average dari 4 atribut yaitu Cluster C1 dari score 0,691355 sampai 0,718406, Cluster C2 dari score 0,745171 sampai 0,747778 dan Cluster C3 dari score 0,601115 sampai 0,647377. Hasil Penelitian ini berupa pemodelan data dengan menggunakan parameter yang diambil dari data.jakarta.go.id kemudian diuji menggunakan beberapa model klasifikasi yang terdapat pada Machine Learning.
Co-Authors Fiqih Ismawan