Article Per Year (5 Year)
p-Index From 2021 - 2026
3.37
P-Index
This Author published in this journals
All Journal Jurnal Infomedia Multica Science and Technology Journal Of Artificial Intelligence And Software Engineering eProceeding of TIK Jurnal Solusi Masyarakat Dikara Jurnal Teknologi Rekayasa Informasi dan Komputer
Muhammad Rizka, Muhammad
Fakultas Teknologi Informasi
Humanities Computer Science & IT Education Energy Engineering Library & Information Science Physics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Of Artificial Intelligence And Software Engineering

 1 
Rancang Bangun Aplikasi Machine Learning Pemilihan Varietas Bibit Jagung Unggul Menggunakan Algoritma Artificial Neural Network (ANN) Berbasis Web Fitria, Ainul; Salahuddin, Salahuddin; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5401

Abstract

Jagung atau dalam bahasa latin Zea Mays merupakan adalah salah satu dari jenis tanaman pangan dari keluarga rumput-rumputan yang dikelompokkan dalam tanaman biji-bijian. Jagung memiliki banyak varietas. Adapun varietas yang telah dilepas oleh Menteri Pertanian hingga Oktober tahun 2022 sebanyak 361 varietas, yaitu jagung hibrida sebanyak 298 varietas, jagung komposit sebanyak 59 varietas, dan ada sebanyak 4 varietas jagung hibrida produk rekayasa genetik (PRG). Petani jagung biasanya memilih dan menentukan bibit jagung yang akan dibudidayakan berdasarkan rekomendasi pedagang bibit jagung atau dari rekan sesama petani jagung. Namun demikian sering dijumpai hasil panen jagung tidak sesuai dengan ekspektasi dan target yang diharapkan. Bahkan, tidak jarang petani jagung mengalami gagal panen yang disebabkan oleh beberapa faktor, salah satunya dikarenakan bibit jagung yang dipilih bukan merupakan varietas bibit jagung unggul. Sistem ini dirancang untuk membantu para petani jagung khususnya di daerah Aceh dalam memilih dan menentukan bibit jagung unggul untuk dibudidayakan dengan tujuan mendapatkan hasil panen yang memuaskan. Sistem ini menggunakan algoritma Artificial Neural Network untuk melakukan pemilihan. Artificial Neural Network (ANN) adalah algoritma Machine Learning dengan model komputasi yang terinspirasi dari prinsip kerja otak manusia. Artificial Neural Network digunakan dalam aplikasi ini karena dapat melakukan prediksi dengan akurat. Hasil yang diharapkan dengan adanya sistem ini petani dapat memilih varietas bibit jagung unggul untuk dibudidayakan, sehingga dapat memenuhi kebutuhan stok dalam negeri dengan memanfaatkan komputer dalam tahapan pemilihan bibit unggul. Penerapan algortima ANN Multi Layer Perceptron pada aplikasi ini menggunakan 21 data varietas jagung dengan 504 dataset yang dimasukkan mendapatkan hasil nilai tertinggi dengan persentase akurasi 90,47%. Dengan hasil tersebut, algortima Artificial Neural Network Multi Layer Perceptron dapat digunakan untuk Aplikasi Machine Learning dalam menentukan pemilihan varietas bibit jagung unggul Abstract Corn or in Latin Zea Mays is one of the types of food crops from the grass family which is grouped into grain crops. Corn has many varieties. The varieties that have been released by the Minister of Agriculture until October 2022 are 361 varieties, namely 298 varieties of hybrid corn, 59 varieties of composite corn, and there are as many as 4 varieties of genetically modified (PRG) hybrid corn. Maize farmers usually choose their maize seeds based on recommendations from maize seed traders or fellow maize farmers. However, maize yields are often not in line with expectations and targets. In fact, it is not uncommon for corn farmers to experience crop failure caused by several factors, one of which is because the corn seeds chosen are not superior corn seed varieties. This system is designed to help corn farmers, especially in the Aceh area, in choosing and determining superior corn seeds for cultivation with the aim of getting satisfactory yields. This system uses Artificial Neural Network algorithm to make the selection. Artificial Neural Network (ANN) is a Machine Learning algorithm with a computational model inspired by the working principles of the human brain. Artificial Neural Network is used in this application because it can make accurate predictions. The expected results with this system are that farmers can choose superior varieties of corn seeds to be cultivated, so that they can meet the needs of domestic stocks by utilizing computers in the stages of selecting superior seeds. The application of ANN Multi Layer Perceptron algortima in this application using 21 corn variety data with 504 datasets entered gets the highest value results with an accuracy percentage of 90.47%. With these results, the Artificial Neural Network Multi Layer Perceptron algortima can be used for Machine Learning applications in determining the selection of superior corn seed varieties.
Penerapan Metode Hybrid Case Based Dalam Diagnosa Gangguan Kehamilan Afif, Muhammad Ilham; Huzaeni, Huzaeni; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5397

Abstract

Kehamilan adalah suatu proses di mana seorang wanita mengandung janin dalam rahimnya. Kurangnya pengetahuan tentang gejala-gejala yang terjadi selama kehamilan menjadi masalah yang perlu diatasi. Hasil Riset Kesehatan Dasar menunjukkan bahwa hanya sekitar 44% ibu hamil yang mengetahui tanda bahaya selama kehamilan, yang menyebabkan beberapa gejala penyakit kehamilan diabaikan dan menyebabkan risiko kematian ibu. Untuk mengatasi masalah ini, maka di bangun sebuah sistem pakar dengan menggunakan metode Hybrid Case Based yang mampu memberikan informasi dan diagnosa cepat serta tepat untuk masalah kesehatan gangguan kehamilan pada ibu hamil. Pada sistem ini terdapat 5 penyakit yang akan di diagnosa yaitu anemia, hyperemesis gravidarum, diabetes melitus gestasional, infeksi saluran kemih, dan perdarahan, serta terdapat 25 gejala. Sistem ini menerapkan rumus cosine similarity dalam mengukur similarity antara gejala penyakit yang dialami pasien dengan gejala penyakit yang ada dalam basis kasus. Berdasarkan pengujian tingkat kemiripan, antara gejala – gejala yang dialami pasien dengan basis kasus yang ada, sistem mampu mediagnosa jenis penyakit anemia dengan nilai 95%. Tingkat akurasi sistem pakar dengan total data uji sebanyak 20 didapatkan nilai akurasi sebesar 100%.Kata kunci: Gangguan Kehamilan, Diagnosa, Sistem Pakar, Hybrid Case BasedAbstractPregnancy is a process in which a woman carries a fetus in her womb. Lack of knowledge about the symptoms that occur during pregnancy is a problem that needs to be addressed. Basic Health Research results show that only about 44% of pregnant women know the danger signs during pregnancy, which causes some symptoms of pregnancy diseases to be ignored and causes the risk of maternal death. To overcome this problem, an expert system is built using the Hybrid Case Based method that is able to provide information and diagnose quickly and precisely for health problems of pregnancy disorders in pregnant women. In this system there are 5 diseases that will be diagnosed, namely anemia, hyperemesis gravidarum, gestational diabetes mellitus, urinary tract infection, and bleeding, and there are 25 symptoms. This system applies the cosine similarity formula in measuring the similarity between the symptoms of the disease experienced by the patient and the symptoms of the disease in the case base. Based on testing the level of similarity, between the symptoms experienced by the patient and the existing case base, the system is able to diagnose the type of anemia disease with a value of 95%. The accuracy of the expert system with a total of 20 test data obtained an accuracy value of 100%.Keywords: Pregnancy Disorders, Diagnosis, Expert System, Hybrid Case Based
Co-Authors Afif, Muhammad Ilham Agustin, Riya Sri Ahkam, Mizanul Amelia, Sarah Arhami, Muhammad Armita, Desi Azhar Azhar Fariz Maulana, Muhammad Fitri, Intan Fitria, Ainul Hasanah, Rifnatul Hendrawaty Hendrawaty, Hendrawaty Huzaeni, Huzaeni Ihyaulumiddin, Azis Kausar, Muhammad Khairil Simbolon, Zulfan Mahdi Mahdi, Mahdi MUHAMMAD ALI Muhammad Davi Muhammad Ichwan Muhammad Reza Zulman Mulyadi Mulyadi Mulyadi Mulyadi Mursalin, M Mursyidah Mursyidah Mutammimul Ula Putra Ginting, Rachel Ardana Rahmadhani, Syiva Safwan, Safwan Salahuddin Salahuddin Salnadila, Salnadila Salwa, Safira Simbolon, Syadzwina Salsabila Sumiati Sumiati Syahrullah Syahrullah Ula, Firza Rahmatul Zahara, Fitria