Article Per Year (5 Year)
p-Index From 2021 - 2026
1.881
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Iqra' Jurnal Informatika Universitas Pamulang Jurnal Kreativitas PKM Journal of Innovation and Future Technology (IFTECH) PREPOTIF : Jurnal Kesehatan Masyarakat Journal of Intelligent Decision Support System (IDSS) Journal of Computer System and Informatics (JoSYC) JOINTER : Journal of Informatics Engineering Jurnal Informatika dan Rekayasa Perangkat Lunak Bisnis Net : Jurnal Ekonomi dan Bisnis Journal La Multiapp Jurnal Matematika Dan Ilmu Pengetahuan Alam LLDikti Wilayah 1 (JUMPA) Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi
Alfiansyah Hasibuan
Universitas Negeri Manado, Indonesia
Aerospace Engineering Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Sistem Prediksi Produksi Beras Menggunakan Multiple Linear Regression untuk Optimalisasi Ketahanan Pangan di Kabupaten Minahasa Raharusun, Oliver Simon Hardianto; Hasibuan, Alfiansyah
JOINTER : Journal of Informatics Engineering Vol 5 No 02 (2024): JOINTER : Journal of Informatics Engineering
Publisher : Program Studi Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53682/jointer.v5i02.376

Abstract

Ketahanan pangan merupakan isu strategis yang memerlukan pendekatan berbasis data, terutama bagi Kabupaten Minahasa yang bergantung pada sektor agraris. Prediksi produksi beras menjadi penting untuk memastikan ketersediaan pangan yang memadai di tengah tantangan lingkungan dan agraris. Penelitian ini bertujuan untuk mengembangkan model prediksi produksi beras menggunakan regresi linear berganda, dengan memanfaatkan variabel-variabel seperti luas panen, curah hujan, jumlah hari hujan, suhu rata-rata, dan kelembapan udara. Data historis digunakan untuk melatih model regresi linear berganda. Evaluasi dilakukan menggunakan metrik seperti R-squared (R²) dan Mean Absolute Percentage Error (MAPE) untuk mengukur performa prediksi. Analisis statistik digunakan untuk mengidentifikasi variabel yang paling berpengaruh terhadap produksi beras. Model menunjukkan performa yang baik dengan nilai R² sebesar 0.667, yang mengindikasikan bahwa 66,7% variabilitas data produksi beras dapat dijelaskan oleh model. Nilai MAPE sebesar 10.61% menunjukkan tingkat kesalahan prediksi yang dapat diterima. Hasil penelitian menunjukkan bahwa luas panen merupakan variabel paling signifikan dalam memengaruhi produksi, diikuti oleh curah hujan dan jumlah hari hujan. Sistem prediksi ini memiliki potensi besar untuk digunakan dalam mendukung perencanaan ketahanan pangan berbasis data. Kebijakan seperti distribusi stok, perencanaan kebutuhan lahan, dan mitigasi risiko iklim dapat dioptimalkan dengan menggunakan sistem ini. Pengembangan lebih lanjut diperlukan untuk meningkatkan akurasi prediksi dengan menambahkan variabel lain.
Aplikasi Profile Perpustakaan Berbasis Web di Dinas Perpustakaan dan Kearsipan Daerah Kota Tomohon Londok, Deapasca Nataya; Hasibuan, Alfiansyah
Edutik : Jurnal Pendidikan Teknologi Informasi dan Komunikasi Vol. 5 No. 4 (2025): EduTIK : Agustus 2025
Publisher : Jurusan PTIK Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53682/4mkntm68

Abstract

Perpustakaan tidak hanya menjadi tempat untuk menyimpan serta mencari buku-buku, tetapi menjadi sumber atau tempat untuk mencari informasi-informasi. Tercatat bahwa pengguna internet aktif saat ini yang menggunakan website sekitar 40% dari penduduk yang ada di dunia. Penggunaan website untuk perpustakaan memudahkan Masyarakat untuk mengetahui tentang profil perpustakaan daerah Kota Tomohon. Metode yang digunakan dalam penelitian ini adalah metode rekayasa perangkat lunak (Software Engineering) dengan pendekatan Waterfall Model. Pendekatan ini dipilih karena memberikan alur kerja yang sistematis dan terstruktur dalam proses pengembangan sistem informasi berbasis web. Waterfall Model merupakan salah satu model pengembangan perangkat lunak klasik yang terdiri dari tahapan-tahapan yang dilakukan secara berurutan. Hasil yang dari perancangan website berbasis aplikasi ini terbagi menjadi 2(dua) user yaitu pengunjung dan juga admin. Keseluruhan fitur tersebut dirancang agar mudah diakses oleh masyarakat dan memberi kemudahan bagi pihak dinas dalam menyampaikan informasi secara cepat, transparan, dan efisien.
Leaf Type Recognition System Using Image Processing Method Using Convolutional Neural Network Algorithm Evan Kolauw; Alfiansyah Hasibuan; Sondy C Kumajas
Journal La Multiapp Vol. 7 No. 2 (2026): Journal La Multiapp
Publisher : Newinera Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37899/journallamultiapp.v7i2.3057

Abstract

A digital image-based leaf recognition system is one of the modern solutions in the fields of botany and agriculture to identify plants automatically. This study developed a leaf recognition system using image processing methods and Convolutional Neural Network (CNN) algorithms. CNN was chosen because of its ability to independently extract features through convolution layers, thus capturing important visual patterns such as shape, edges, textures, and leaf veins without requiring manual feature engineering processes. The research dataset consists of a collection of leaf images from several types of plants obtained through direct photo-taking and public dataset sources. Each image goes through a pre-processing stage, including cropping, resizing, image quality enhancement, and pixel normalization to ensure data consistency before entering the training stage. The CNN model is designed with several convolutional layers, pooling, activation functions, and fully connected layers to produce optimal classification performance. Model training is carried out by dividing training and testing data, as well as augmentation techniques to increase image variation. System performance is evaluated using accuracy, precision, recall, and confusion matrix. The test results show that the CNN model is able to recognize leaf types with a high level of accuracy and is stable under various test conditions, including variations in lighting and shooting angles. Overall, this study proves that CNN is an effective and reliable approach in building an automatic leaf recognition system. This system has the potential to be applied in the fields of precision agriculture, mobile application-based plant identification, and botanical research that require speed and accuracy in plant classification.
Co-Authors Anas Romzy Hibrida Arif Sobirin Wibowo Audy Aldrin Kenap Christine Takarina Meitty Manoppo Demi Mardian Djami Olii Erwin Dalimunthe Evan Kolauw Gunawan, Roni Keith Francis Ratumbuisang Kembuan, Djubir Ruslan Edy La'bi', Eva Rivalda Pappang Londok, Deapasca Nataya Medi Hermanto Tinambunan Merriam Listiany Modeong Neneng Neneng Putra, Purwa Hasan Raharusun, Oliver Simon Hardianto Sondy C Kumajas Sri Wahyuni Zulfahmi Syahputra