Claim Missing Document
Check
Articles

Found 5 Documents
Search

PENGGUNAAN VAL IT FRAMEWORK UNTUK MENGEVALUASI KINERJA SISTEM PEMBELAJARAN ONLINE DI KAMPUS STT YBSI TASIKMALAYA Willy Muhammad Fauzi; Fajar Firmansyah; Siti Maesaroh; Rudi Hermawan
Jurnal Ilmiah Sains, Teknologi dan Rekayasa Vol 2 No 1 (2022): Februari 2022
Publisher : P3M STT YBSI Tasikmalaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (198.98 KB)

Abstract

Penerapan teknologi informasi diperlukan dalam bidang pendidikan karena dapat meningkatkan kualitas pendidikan selama proses pembelajaran. Dalam penerapan teknologi informasi, perguruan tinggi harus dapat menilai apakah rencana investasi teknologi informasi sudah tepat dan juga harus sesuai dengan visi, misi, dan harapan. Pada saat kondisi pandemi Covid-19 seperti sekarang pembelajaran secara online menjadi kebutuhan semua perguruan tinggi. Perguruan tinggi masih kesulitan untuk menganalisis alternatif terbaik dan memilih investasi teknologi informasi yang dapat memberikan manfaat bagi universitas dan juga pimpinan masih bingung untuk melakukan investasi di bidang teknologi informasi dengan biaya yang sesuai dengan keinginan universitas. Evaluasi investasi teknologi informasi adalah diperlukan untuk menilai apakah investasi teknologi yang diterapkan sudah sesuai dengan visi dan misi universitas. Salah satu framework yang dapat membantu universitas untuk mengevaluasi investasi teknologi informasi adalah Val IT Framework 2.0. Penilaian dapat dilakukan dengan menggunakan model maturitas yang dapat membantu universitas untuk meningkatkan kemampuannya agar dapat memberikan sistem secara konsisten yang digunakan oleh SDM dengan baik dan juga untuk melihat seberapa efektif perusahaan memperoleh keuntungan dengan melakukan benchmarking komparatif. Ada satu domain di Val IT Framework 2.0 yang fokus pada investasi yaitu Investment Management (IM). Manajemen Investasi (IM) memiliki tujuan untuk memastikan bahwa program investasi teknologi informasi di perguruan tinggi dapat memberikan hasil yang optimal dengan biaya yang tepat dan dalam batas risiko yang dapat diterima. Covid-19, Sistem Pembelajaran Online, VAL IT Framework 2.0.
Analisis Pengaruh Scale Up Sistem Terhadap Quality of Service (QoS) Dari Internet of Thing (IoT Dewanto Rosian Adhy; Rudi Hermawan; Yanti Yanti; Siti Maesaroh; Mia Sumiarsih; Willy Muhammad Fauzi; Fajar Firmansyah
Jurnal Ilmiah Sains, Teknologi dan Rekayasa Vol 3 No 1 (2023): April 2023
Publisher : P3M STT YBSI Tasikmalaya

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

Abstract

Teknologi Internet of Things merupakan salah satu primadona di era Revolusi Industri 4.0. Selain menjadi tema yang menarik oleh Lembaga riset, teknologi ini juga menjadi inti dari munculnya industri baru. Penemuan baru yang muncul sangat memberikan manfaat untuk manusia dalam menjalankan kegiatan sehari hari. Munculnya kebutuhan baru dengan solusinya mendorong perkembangan Internet of Things semakin pesat. Proses Scale Up atau penambahan user, volume data dan coverage manjadikan problem tersendiri jika tidak dipersiapkan dengan baik. Kegagalan sistem bisa terjadi jika terjadi overload data dan sistem menjadi down. Perlu sebuah penelitian yang membahas hubungan dari Scale Up internet of Things dengan Perubahan Quality of Service (QoS) dari sistem. Dalam penelitian ini membahas sejauh mana penurunan QoS yang terjadi (parameter reliability dan availability) yang disebabkan oleh penambahan node atau user terhubung. Penelitian menggunakan simulasi dengan memanfaatkan Matlab dengan Communication Toolbox. Untuk studi kasus menggunakan Internet of Things untuk transportasi. Simulasi dilakukan dengan membuat variasi jumlah kendaraan yang terhubung, variasi jumlah data yang terhubung dengan infrastruktur Komunikasi terbatas. Dari hasil simulasi menunjukan adanya penurunan QoS dengan nilai bervariasi ketika terjadi peningkatan jumlah node terhubung. Node baru akan semakin sulit tersambung dan yang sudah tersambung mengalami penurunan kehandalan sistem komunikasi.
PURWARUPA SMART SYSTEM MONITORING PRODUKSI TELUR AYAM BERBASIS INTERNET OF THINGS (IOT) Siti Maesaroh; Fajar Firmansyah; Yanti -; Willy Muhammad Fauzi
Power Elektronik : Jurnal Orang Elektro Vol 12, No 1 (2023): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v12i1.4793

Abstract

In 2020, eggs entering West Java were 587 201.77 eggs and continued to decrease until 2021 as many as 573 012.00 eggs. Chicken eggs are one of the food needs that are much sought after by the public. Not only from the benefits of chicken eggs which provide highly nutritious food substances but also in terms of relatively cheap prices compared to other animal products, the demand for chicken eggs will tend to continue to increase. However, chicken egg breeders in several areas still have difficulty controlling the production of chicken eggs on their farms, one of which is in Tasikmalaya City. Chicken egg production that is not well controlled, causes production to not spread evenly in distribution because the supply of chicken eggs is sometimes erratic. To find out the amount of chicken egg production, breeders are required to directly supervise the production of chicken eggs by going to their cages or farms Based on this description, it is also possible to carry out research on similar matters regarding the development of technology in other animal husbandry sectors which at the same time can provide solutions to the above problems. Research on the use of microcontroller technology can be one of the solutions in monitoring as well as calculating and predicting the amount of chicken egg production in farms so that chicken egg production can be controlled more easily and efficiently.
SMART SYSTEM MONITORING PRODUKSI TELUR AYAM Firmansyah, Fajar; -, Yanti
Power Elektronik : Jurnal Orang Elektro Vol 13, No 2 (2024): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v13i2.6787

Abstract

Abstract  The layer farming business has a very important value, especially in providing animal protein to meet domestic needs, in addition to its role in utilizing employment opportunities. One of the poultry business sectors that has an important role in providing animal protein for the community is layer farming that produces consumption egg products. One of the farms developed to support animal protein is layer farming. Based on the description, it can be concluded that from the existing research most of the research focuses on automation tools only and is used only by one user so that farmers still have difficulty monitoring the production of the number of chicken eggs every day. The purpose of the research is to utilize smart system technology to be one of the solutions in monitoring as well as predicting and calculating the amount of chicken egg production on the farm so that the production of the amount of egg production can be seen more easily and can be used by many users. The software development method used in this research is the Agile method. The results of the research obtained smart system technology to calculate the number of chicken eggs every day so that chicken egg production can be monitored.
Perbandingan Algoritma Klasifikasi untuk Rekomendasi Tanaman Berdasarkan Data Lingkungan Fauzi, Willy Muhammad; Ramdana, Adi Dadan; Firmansyah, Fajar; Nugraha, Fajar Yudha; Mauhib, Akpil
Power Elektronik : Jurnal Orang Elektro Vol 14, No 1 (2025): POWER ELEKTRONIK
Publisher : Politeknik Harapan Bersama Tegal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/polektro.v14i1.8682

Abstract

Pemilihan tanaman yang tepat sangat penting dalam meningkatkan produktivitas pertanian. Dengan adanya teknologi machine learning, proses rekomendasi tanaman berdasarkan data lingkungan dapat lebih efisien, terutama dalam menghadapi kondisi iklim yang bervariasi. Penelitian ini bertujuan untuk membandingkan tiga algoritma klasifikasi, yaitu Random Forest, XGBoost, dan SVM, dalam memberikan rekomendasi tanaman yang sesuai berdasarkan data lingkungan yang mencakup suhu, kelembaban, pH tanah, dan curah hujan. Penelitian ini menggunakan dataset yang mencakup fitur lingkungan dari BPS Kota Tasikmalaya, yang kemudian diuji dengan tiga algoritma klasifikasi machine learning Random Forest, XGBoost, dan SVM. Setiap model dievaluasi berdasarkan akurasi, precision, recall, dan F1-score. Random Forest menunjukkan hasil terbaik dengan akurasi 99.32%, diikuti oleh XGBoost dengan akurasi 98.64%, dan SVM dengan akurasi 96.82%. Model-model ini memberikan rekomendasi tanaman seperti jeruk dan melon, sementara SVM lebih sering merekomendasikan mothbeans. Random Forest memberikan hasil yang paling optimal dalam sistem rekomendasi tanaman berbasis data lingkungan, meskipun SVM lebih cepat dalam hal pelatihan model. Penelitian ini menunjukkan pentingnya penerapan algoritma machine learning untuk mendukung keputusan pertanian berbasis kondisi lingkungan lokal.