Claim Missing Document
Check
Articles

Found 14 Documents
Search

Sistem Informasi Tamu dan Kunjungan (SISTAKU) Menggunakan Metode Waterfall Jumadil Nangi; Elvi Saktiawati Salemaku; Teuku Razqy Sulaiman; Thariq Asy Syamil; Muh Nadzirin Anshari Nur
Jurnal Fokus Elektroda : Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) Vol. 9 No. 2 (2024): Jurnal Fokus Elektroda Vol 9 No 2 2024
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Halu Oleo

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengembangan teknologi informasi yang pesat menuntut inovasi dalam pelayanan publik untuk mendukung efisiensi dan transparansi pemerintahan. Penelitian ini membahas rancang bangun aplikasi Sistem Informasi Tamu dan Kunjungan (SISTAKU) berbasis Android untuk Sekretariat DPRD Kota Kendari menggunakan metode Waterfall. Aplikasi SISTAKU dirancang untuk mempermudah pencatatan dan pengelolaan data tamu secara digital, meningkatkan efisiensi administrasi, serta mendukung keterbukaan dan transparansi dalam penerimaan tamu. Proses pengembangan aplikasi melibatkan tahapan analisis kebutuhan, desain sistem, implementasi, verifikasi, dan pemeliharaan. Hasil implementasi menunjukkan bahwa aplikasi SISTAKU mampu meningkatkan kecepatan dan akurasi pencatatan tamu, mengurangi kesalahan administratif, serta memfasilitasi koordinasi antara tamu dan pihak DPRD. Aplikasi ini menjadi langkah strategis dalam memanfaatkan teknologi informasi untuk meningkatkan kualitas pelayanan publik dan diharapkan dapat menjadi model bagi instansi lain dalam penerapan teknologi serupa.. Kata kunci — SISTAKU, aplikasi tamu digital, metode Waterfall, DPRD Kota Kendari, efisiensi administrasi.
Perancangan Sistem Prediksi Penyakit Padi Berbasis Citra Digital Berbasis Deep Learning Syahril Ramadhan Salman Noor; Jumadil Nangi; Bambang Pramono; Muhammad Ihsan Sarita; Sutardi Sutardi; Ryan Rinaldi Hadistio
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9173

Abstract

Penyakit tanaman padi merupakan salah satu faktor utama yang memengaruhi produktivitas hasil pertanian dan kualitas panen. Proses identifikasi penyakit yang masih dilakukan secara manual sering kali membutuhkan waktu cukup lama serta bergantung pada kemampuan pengamatan petani maupun tenaga ahli pertanian. Kondisi tersebut menyebabkan penanganan penyakit tanaman sering terlambat sehingga berpotensi meningkatkan risiko penyebaran penyakit pada tanaman padi. Perkembangan teknologi kecerdasan buatan dan pengolahan citra digital memberikan peluang dalam pengembangan sistem identifikasi penyakit tanaman secara otomatis dan lebih efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediksi penyakit padi berbasis citra digital menggunakan pendekatan deep learning dengan model EfficientNet-B7. Sistem yang dikembangkan dirancang untuk membantu proses identifikasi awal penyakit tanaman padi melalui analisis citra daun yang terindikasi penyakit. Tahapan penelitian meliputi pengumpulan dataset citra penyakit tanaman padi, preprocessing data citra, perancangan sistem, serta implementasi model EfficientNet-B7 pada proses klasifikasi citra digital. Pemilihan EfficientNet-B7 didasarkan pada kemampuannya dalam melakukan ekstraksi fitur citra secara mendalam dengan efisiensi parameter yang optimal. Selain itu, sistem yang dikembangkan diharapkan dapat menjadi solusi pendukung bagi petani dalam melakukan deteksi awal penyakit tanaman secara lebih praktis melalui pemanfaatan teknologi digital modern. Penelitian ini difokuskan pada tahap perancangan arsitektur sistem, integrasi model deep learning ke aplikasi mobile berbasis Android, serta implementasi awal sistem sebagai fondasi pengembangan evaluasi model pada penelitian lanjutan. Penelitian ini diharapkan mampu menghasilkan sistem prediksi penyakit tanaman padi yang mendukung proses identifikasi penyakit secara otomatis, cepat, dan efisien dalam mendukung transformasi digital pada sektor pertanian modern berbasis kecerdasan buatan.
Implementasi Algoritma Symspell, TF-IDF Dan Cosine Similarity Untuk Pengecekan Ejaan Dan Deteksi Plagiarisme Pada Sistem Analisis Teks Berbasis Web Muh. Ikbal Ikbal; Sutardi Sutardi; Jumadil Nangi
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 2 (2026): Maret - Juni
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i2.9434

Abstract

Perkembangan teknologi digital telah memicu lonjakan signifikan dalam produksi karya tulis ilmiah, yang sekaligus memunculkan tantangan kompleks terkait pemeliharaan kualitas kebahasaan dan pencegahan pelanggaran integritas akademik. Selama ini, proses validasi naskah sering kali mengharuskan penulis menggunakan aplikasi yang terpisah untuk memperbaiki ejaan dan mengecek plagiarisme, sehingga alur kerja menjadi kurang efisien dan memakan banyak waktu. Oleh karena itu, penelitian ini bertujuan merancang dan mengembangkan sebuah sistem analisis teks terpadu berbasis web yang difungsikan untuk melakukan pengecekan ejaan bahasa Indonesia serta mendeteksi plagiarisme naskah secara bersamaan dalam satu platform tunggal. Pengembangan sistem ini menerapkan metode rekayasa perangkat lunak Rational Unified Process (RUP). Pada sistem terpadu ini, algoritma Symmetric Delete Spelling Correction (SymSpell) diimplementasikan untuk melakukan koreksi ejaan dengan kecepatan tinggi memanfaatkan kamus frekuensi yang berisi kurang lebih 59.000 kata baku bahasa Indonesia. Selanjutnya, fitur deteksi plagiarisme dikembangkan menggunakan metode pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) yang dipadukan dengan algoritma Cosine similarity untuk mengkalkulasi tingkat kemiripan teks antar dokumen. Evaluasi performa sistem dilakukan menggunakan dataset dokumen jurnal ilmiah berbahasa Indonesia. Hasil pengujian menunjukkan bahwa pengintegrasian kedua fitur tersebut berjalan sangat efektif. Algoritma SymSpell menunjukkan performa yang sangat baik dengan tingkat akurasi koreksi ejaan mencapai 98%. Sementara itu, metode TF-IDF dan Cosine similarity mencetak hasil klasifikasi dokumen yang optimal dengan akurasi sebesar 98,3% pada pengujian dengan ambang batas kemiripan (threshold) 40%. Kehadiran sistem analisis teks terpadu ini diharapkan mampu memberikan kemudahan bagi akademisi dalam memvalidasi naskah secara mandiri dan mendukung peningkatan kualitas publikasi ilmiah.
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.