Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Embedded Systems, Security and Intelligent Systems
Mustikasari
Universitas Islam Negeri Alauddin Makassar
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediksi Harga Batu Bara Menggunakan Regresi Kuadratik Riski Putri Hidayanti; Mustikasari; Hariani
Journal of Embedded Systems, Security and Intelligent Systems Vol 3, No 1 (2022): May 2022
Publisher : Program Studi Teknik Komputer

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

Abstract

Sumber energi terbesar di Indonesia salah satunya adalah batu bara. Pentingnya bahan bakar batu bara menjadikan kebutuhan batu bara semakin meningkat dengan harga yang mengalami perubahan. Tujuan dari penelitian ini yaitu untuk memprediksi harga batu bara sebagai harga yang akan datang menggunakan regresi kuadratik. Penelitian ini menggunakan metode regresi kuadratik yang merupakan model regresi yang sebaran data dalam scatter plot membentuk lengkung. Jenis penelitian ini adalah penelitian kuantitatif karena data yang digunakan berupa data numerik, pendekatan penelitian yang digunakan adalah kuasi eksperimental, dan data yang digunakan merupakan data sekunder yang diperoleh dari hasil ekstrak pada situs investasi.com. Hasil penelitian ini adalah sebuah sistem yang menghasilkan prediksi pada hari selanjutnya menggunakan kuadratik regresi juga menghasilkan nilai kesalahan sebagai evaluasi model dari algoritma yang digunakan. Sistem yang dibuat ini menghasilkan nilai Root Mean Squared Error sebesar 0.424 dan nilai Mean Absolute Percentage Error sebesar 9.031% dengan data sebanyak 3366 data, hasil evaluasi yang diperoleh menghasilkan nilai kesalahan yang kecil, berdasarkan kriteria nilai MAPE nilai kesalahan yang diperoleh lebih kecil dari 10% yang artinya model prediksi yang dihasilkan masuk kriteria sangat baik.
Analisis Kinerja Algoritma Machine Learning Untuk Deteksi Penyakit Daun Teh Dengan Particle Swarm Optimization Mustikasari; Abdur Rahman Ramli; Andi Khalil Gibran
Journal of Embedded Systems, Security and Intelligent Systems Vol 4, No 2 (2023): November 2023
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v4i2.708

Abstract

Diseases in tea leaves are one of the causes of a decline in the quality and quantity of tea production, appropriate techniques and treatments are needed to detect diseases that can attack tea leaves. This research aims to use the best techniques to help tea farmers detect tea leaf plant diseases early. This research uses Artificial Intelligence-based techniques that apply Machine Learning algorithms to detect diseases in tea leaves. One of the challenges in implementing Machine Learning algorithms is the difficulty of finding parameters that can maximize algorithm performance. In this research, the machine learning algorithms used are Support Vector Machine (SVM) and Gradient Boosting with parameter optimization using Particle Swarm Optimization (PSO) to find the best parameters. There are 5867 images of tea leaves consisting of five types of diseases, namely Algal Spot, Brown Light, Gray Blight, Helopeltis, Red Spot, and healthy leaves used in this research. The research results show that the machine learning algorithm’s performance experienced an increase in accuracy of around 2-4% after being optimized using PSO. The accuracy obtained with the standard SVM was 87%, after optimization, it increased to 91.68%. Meanwhile, the standard Gradient Boosting obtained an accuracy of 89%, and after optimization with PSO, the accuracy increased to 91%. This research is expected to minimize the work of experts and help detect diseases on tea leaves quickly.
Co-Authors Abdur Rahman Ramli Andi Khalil Gibran Hariani Riski Putri Hidayanti