Article Per Year (5 Year)
p-Index From 2021 - 2026
2.255
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer Jurnal Ilmiah KOMPUTASI SemanTIK : Teknik Informasi JOURNAL OF APPLIED INFORMATICS AND COMPUTING Almufi Jurnal Pengabdian kepada Masyarakat Indonesian Journal of Multidisciplinary on Social and Technology ANIMATOR semanTIK Journal of Engineering and Science Application
LM. Fid Aksara
Universitas Halu Oleo
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

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

Found 43 Documents
Search

 1   2   3   4   5 
Sistem Kontrol Penyiraman Air Dan Nutrisi Tanaman Cabai Berbasis Internet Of Things (IoT) Menggunakan Decision Tree C5 LM. Fid Aksara; Asri Samsudin; Jumadil Nangi; Isnawaty Isnawaty
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.268

Abstract

Indonesia sebagai negara agraris memiliki banyak lahan pertanian subur. Namun, teknologi pertanian masih perlu dikembangkan untuk meningkatkan produktivitas. Salah satu masalah yang sering dihadapi petani cabai adalah pada proses kurangnya intensitas penyiraman yang berdampak buruk pada pertumbuhan dan hasil panen. Cabai (Capsicum spp.) adalah tanaman penting yang digunakan dalam berbagai masakan dan memiliki banyak manfaat kesehatan. Untuk mengatasi masalah ini, diperlukan sistem otomatis yang dapat mengatur penyiraman tanaman secara efisien, terutama di lahan yang sempit seperti perkotaan. Penelitian ini bertujuan untuk merancang dan menguji sistem kontrol penyiraman air otomatis pada tanaman cabai, yang berbasis Internet of Things (IoT) dan menggunakan Decision Tree C5 sebagai metode utama pengambilan keputusan. Sistem ini dirancang agar penyiraman tanaman berlangsung secara optimal dengan memantau kondisi lingkungan seperti suhu, kelembaban tanah, dan pH tanah. Rencana pengujian sistem ini mencakup beberapa tahap untuk memastikan fungsionalitas dan keakuratan sistem kontrol penyiraman otomatis berbasis Internet of Things (IoT) dengan Decision Tree C5. Selain itu juga dilakukan pengujian black box untuk mengetahui fungsionalitas sistem yang akan dibangun. Indonesia sebagai negara agraris memiliki banyak lahan pertanian subur. Namun, teknologi pertanian masih perlu dikembangkan untuk meningkatkan produktivitas. Salah satu masalah yang sering dihadapi petani cabai adalah pada proses kurangnya intensitas penyiraman yang berdampak buruk pada pertumbuhan dan hasil panen. Cabai (Capsicum spp.) adalah tanaman penting yang digunakan dalam berbagai masakan dan memiliki banyak manfaat kesehatan. Untuk mengatasi masalah ini, diperlukan sistem otomatis yang dapat mengatur penyiraman tanaman secara efisien, terutama di lahan yang sempit seperti perkotaan. Penelitian ini bertujuan untuk merancang dan menguji sistem kontrol penyiraman air otomatis pada tanaman cabai, yang berbasis Internet of Things (IoT) dan menggunakan Decision Tree C5 sebagai metode utama pengambilan keputusan. Sistem ini dirancang agar penyiraman tanaman berlangsung secara optimal dengan memantau kondisi lingkungan seperti suhu, kelembaban tanah, dan pH tanah. Rencana pengujian sistem ini mencakup beberapa tahap untuk memastikan fungsionalitas dan keakuratan sistem kontrol penyiraman otomatis berbasis Internet of Things (IoT) dengan Decision Tree C5. Selain itu juga dilakukan pengujian black box untuk mengetahui fungsionalitas sistem yang akan dibangun.
Implementasi Multi-Attribute Utility Theory (MAUT) dan Content-Based Filtering Untuk Pemilihan Dosen Pembimbing dan Dosen Penguji Tugas Akhir I Nyoman Aditia; Statiswaty Statiswaty; Asa Hari Wibowo; LM Fid Aksara; Bambang Pramono; Rizal Adi Saputra
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.11695

Abstract

Pemilihan dosen pembimbing dan dosen penguji tugas akhir merupakan proses penting yang sangat memengaruhi kualitas bimbingan, objektivitas penilaian, dan kelancaran penyelesaian studi mahasiswa. Namun, pada banyak perguruan tinggi proses ini masih dilakukan secara manual dan cenderung subjektif, tanpa analisis kesesuaian topik penelitian maupun pemerataan beban akademik dosen secara sistematis. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian antara keahlian dosen dan topik tugas akhir mahasiswa serta distribusi beban bimbingan yang tidak merata. Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan berbasis web yang mengintegrasikan metode Content-Based Filtering (CBF) dan Multi-Attribute Utility Theory (MAUT). Metode CBF digunakan untuk mengukur kesesuaian antara judul tugas akhir mahasiswa dan publikasi dosen melalui teknik TF-IDF dan Cosine Similarity, sedangkan MAUT menggabungkan nilai kemiripan tersebut dengan kriteria jabatan fungsional, jumlah publikasi lima tahun terakhir, dan beban akademik dosen untuk menghasilkan perangkingan rekomendasi. Sistem dikembangkan menggunakan metode Rational Unified Process (RUP). Pengujian metode dilakukan menggunakan Precision, Recall, F1-Score, dan Korelasi Rank Spearman, sedangkan penerimaan pengguna diukur dengan User Acceptance Testing (UAT). Hasil pengujian CBF memperoleh rata-rata F1-Score 0,5309 untuk kategori pembimbing dan 0,4539 untuk kategori penguji, sedangkan MAUT memperoleh nilai korelasi Spearman 0,40 (pembimbing) dan -0,12 (penguji). Hasil UAT memperoleh nilai penerimaan keseluruhan 84,33% yang termasuk kategori sangat baik. Dengan demikian, sistem yang dikembangkan dinilai dapat diterima dan mampu membantu proses pemilihan dosen secara lebih objektif, efisien, dan terukur.
Implementation of a Food Image Retrieval System Based on Color Feature Extraction Using Color Moments (CIELab) and Texture Feature Using Local Binary Pattern (LBP) Nurdian Kasim; Adha Mashur Sajiah; L.M. Fid Aksara
Journal of Engineering and Science Application Vol. 3 No. 2 (2026): Mei-Oktober
Publisher : Institute Of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/jesa.v3i2.65

Abstract

The rapid growth of digital image content on social media has positioned food as one of the most frequently shared visual objects. Text-based search is often inadequate for retrieving food images due to their high visual complexity in color, shape, and texture, as variations in ingredients, lighting, and camera angle can produce highly diverse images even within the same food category. This study implements a Content-Based Image Retrieval (CBIR) system for food images by combining Grid Color Moments in the CIELab color space for color feature extraction and Multi-Scale Local Binary Pattern (LBP) for texture feature extraction. The CIELab color space was chosen for its stability under varying lighting conditions, while the multi-scale LBP approach captures texture patterns at several levels of observation. The system processes 3,600 food images across nine classes (Burger, Donut, Ice Cream, French Fries, Klepon, Fried Noodles, Fried Rice, Pizza, Rendang), using an 80:20 stratified split for database and query images. The retrieval process involves image preprocessing, feature extraction, feature vector normalization, similarity computation, and ranking of the most visually similar images. Similarity is computed using Euclidean Distance and Chi-Square Distance, evaluated with Precision@10 and Recall@10 on a Top-10 retrieval scheme. Results show the proposed feature combination improves performance over a baseline method that does not use grid-based and multi-scale feature extraction, with the best result achieved using Chi-Square Distance: Mean Precision@10 of 0.7133 and Mean Recall@10 of 0.0223. These findings confirm that combining color and texture features effectively represents food image characteristics and improves retrieval accuracy, offering a practical alternative to text-based food image search systems.
Co-Authors Abdul Kadir Abdul Malik Adha Mashur Sajiah Adha Mashur Sajiah Ady Nopaldi Rombe Afriyadin Afriyadin Ageng Arya Khrysna Dwipangga Andi Nurhalisa Anggita Nindya Wisnu Wardhana Anisa Sangsari Ari, Rustan Asa Hari Wibowo Asri Samsudin Ayu Abrianingsih Bambang Pramono Caesar Pats Yahwe Diah Ayu Ningtias Edward Ngii Fadli Brilian Daksa Faizan, Ilmi Firmansyah Amin Gisela Sanggaria Hardiman Hardiman Hastian, Hastian Hazram Wira Saputra Helson Mandala Putra I Nyoman Aditia Ida Bagus Gede Pala Asmara Ihsan Sarita Imam Kreshna Bayu Inda Sari Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty Isnawaty, Isnawaty Ita Asriani Jumadil Nangi Kasim, Esy Anugerah Rahayu L.M.Bahtiar Aksara La Ode Hasnuddin S. Sagala La Surimi LM Bahtiar Aksara LM. Bahtiar Aksara, LM. Bahtiar Manan, La Ode Abdul Maulid Maulid Miming Mardianti Muh Yamin Muh. Sholeh Muh. Yamin Muh. Yamin Muh. Yamin Muh. Yamin Muh. Yamin Muhammad Akbar Muhammad Darman Saleh Muhammad Irwan Syahib Muhammad Sadam Husain Natalis Ransi Nur Fajriah Muchlis Nurdian Kasim Nurnani Afni Sorumba Pamungkas, Dwi Bayu Putra Rahmat Ramadhan Rahmat Ramadhan Ramadhan, Abdul Fath Rico Dwi Kurniawan Rizal Adi Saputra Rizky Khairun Nisa Salam, Miftahul Jannah Sitti Najmia Rifai Statiswaty Subardin Subardin Sutardi Sutardi Sutardi Sutardi Sutardi Sutardi Sutardi Taufiq, La Ode Muhamad Try Ardana Putra Vega Nataya Kinanti Wa Ode Zamalia Wahyuddin Aluddin Yamin, Muh Yessi Alfrida Syahputri Zul Uswa