Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) JOKI: Journal of Computing and Informatics
Hoiriyah
Universitas Islam Madura
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Library & Information Science Mathematics Social Sciences

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

Found 3 Documents
Search

 1 
SPK Penilaian Kepuasan Pengunjung Terhadap Pelayanan Publik Di Kantor Pertanahan (ATR/BPN) Pamekasan Menggunakan Metode Analytical Hierarchy Process (AHP) Dan Simple Additive Weighting (SAW) Wahyu Rahayu; Hoiriyah; Bakir
Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Artikel Penelitian Juni 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i1.12442

Abstract

Tujuan penelitian tugas akhir ini untuk mengatahui tingkat kepuasan masyarakat terhadap pelayanan publik di kantor pertanahan pamekasan. Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) adalah metode yang dapat digunakan untuk melakukan Penilaian kepuasan masyarakatterhadap pelayanan publik berdasarkan kriteria-kriteria yang ditentukan sesuai pedoman . Dimana metode Analytical Hierarchy Process (AHP) yang akan digunakan dalam pembobotan dan metode Simple Additive Weighting (SAW) yang akan digunakan dalam perangkingan. Berdasarkan hasil penelitian ini, penulis berhasil permen PAN dan RB No.14 tahun 2017 membuat aplikasi pendukung keputusan berbasis web. Aplikasi web adalah aplikasi yang akan digunakan administrator untuk menghitung peringkat kepuasan masyarakat atas layanan publik yang baik. Pada saat yang sama, administrator akan menggunakan aplikasi untuk menentukan nilai akhir dari hasil kuesioner yang telah diisi. Berdasarkan alokasi kriteria dan alternatif, diperoleh persentase hasil tingkat pertama untuk survei plot sebesar 98%, nilai persentase tingkat kedua untuk pengelolaan pengaduan sebesar 97%, dan nilai persentase tingkat ketiga untuk pendaftaran informasi sebesar 96%.
Sistem Pendukung Keputusan Penetuan Faktor Determinan Yang Mempengaruhi Pengembangan Desa Cerdas (Smart Village) Dengan Interpretive Strucutural Model (ISM) Dwi Kartony Abdul Jalil; Aang Kisnu Darmawan; Hoiriyah
Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Artikel Penelitian Juni 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v12i1.12444

Abstract

Tujuan dari penelitian ini adalah untuk menganalisis dan mengidentifikasi faktor-faktor kunci yang dapat mempengaruhi pengembangan Smart Village dengan menggunakan pendekatan Interpretive Structural Modeling (ISM). Pemodelan struktural interpretatif adalah metode yang dapat digunakan untuk menganalisis dan meringkas hubungan antar faktor dalam suatu masalah tertentu. Hasil penelitian menunjukkan bahwa terdapat 15 faktor yang mempengaruhi perkembangan desa pintar. Menurut hasil analisis ISM, komponen utama pembangunan smart village adalah smart government, smart community, smart environment, metode perencanaan berkelanjutan, smart governance, pembaharuan kelembagaan, smart economy, smart transportation, smart tourism, smart health, smart education, Infrastruktur cerdas, memungkinkan layanan cerdas. Studi ini mengusulkan untuk mengembangkan 15 faktor tersebut agar dapat mengembangkan smart village ini,Penelitian ini diharapkan dapat menjadi bahan acuan dalam menerapkan program pemerinath dalam merealisasikan 1000 desa cerdas di Indonesia.
Deep Learning-Based Classification of Toxic Ornamental Plants for Real-Time Identification Hoiriyah; Lailatul Masrurah
JOKI: Jurnal Komputasi dan Informatika Vol 3 No 1 (2026): June 2026
Publisher : CV. Laskar Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65678/joki.v3i1.377

Abstract

Ornamental plants are widely used in residential and public environments due to their aesthetic value, yet some species contain toxic compounds that may pose risks to humans and animals. The visual similarity between toxic and non-toxic ornamental plants makes manual identification difficult for the general public, increasing the potential for accidental exposure. This study proposes an automated image-based classification system to identify toxic and non-toxic ornamental plants accurately and efficiently. The system utilizes deep learning-based image classification techniques to analyze plant images and categorize them into five classes: lily, daffodil, caladium, sansevieria, and non-toxic ornamental plants. A dataset of 3,320 images was prepared and divided into training, validation, and testing subsets. Image preprocessing and augmentation were applied to improve data quality and model generalization. Experimental results show that the proposed model achieved a testing accuracy of 98.25%, outperforming the comparative model and demonstrating stable classification performance across all classes. The best-performing model was integrated into a web-based application that enables users to upload plant images and receive real-time identification results. The findings indicate that the proposed system provides an accurate, accessible, and practical solution for identifying toxic ornamental plants and supporting public safety awareness. Future development may focus on expanding plant categories and deploying mobile-based implementations for broader accessibility.
Co-Authors Aang Kisnu Darmawan Bakir Dwi Kartony Abdul Jalil Lailatul Masrurah Wahyu Rahayu