Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Digital Transformation Technology (Digitech) Journal of Social Sciences and Technology for Community Service
Ardika Satria
Institut Teknologi Sumatera
Humanities Computer Science & IT Engineering Languange, Linguistic, Communication & Media Library & Information Science

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

Found 3 Documents
Search

 1 
Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning Ardika Satria; Rizty Maulida Badri; Ira Safitri
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.2852

Abstract

Pertanian di Indonesia menjadi sektor yang sangat penting karena bertujuan untuk meningkatkan produksi pangan dan industri serta mendorong produksi ekspor. Indonesia memiliki hasil pertanian bahan pokok seperti padi, jagung, ubi jalar, ubi kayu, kacang tanah dan kedelai. Salah satu wilayah paling produktif yang menghasilkan bahan pangan dalam memenuhi kebutuhan pokok adalah pulau Sumatera. Potensi iklim di pulau Sumatera sangat cocok untuk kegiatan pertanian karena curah hujan yang merata hampir sepanjang tahun. Produksi tanaman pangan di Sumatera meningkat sejak tahun 1993. Perluasan lahan pertanian juga naik signifikan. Sementara itu, hasil pertanian di Sumatera sangat rentan terhadap perubahan iklim global terutama kenaikan suhu dari tahun ke tahun. Prediksi hasil pertanian perlu dilakukan agar memberikan hasil yang maksimal pada produksi bahan pokok di Sumatera. Penelitian ini bertujuan untuk mengetahui algoritma terbaik dalam melakukan prediksi hasil pertanian komoditas tanaman pangan yaitu padi, jagung, kacang tanah, kedelai, ubi kayu dan ubi jalar di pulau Sumatera dengan pendekatan model regresi machine learning. Sehingga, penelitian ini diharapkan dapat menjadi acuan dalam pengembangan penelitian terkait bidang pertanian di pulau Sumatera. Metode yang digunakan adalah Machine Learning, yaitu Random Forest (RF), Decision Tree (DT), Gradient Boosting (GB), Extra Tree (ET), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Nilai koefisien R2 untuk produksi padi masing-masing adalah 0,897; 0,893; 0,957; 0,968; 0,928; dan 0,909. Sedangkan pada produksi bahan pokok lainnya masing-masing adalah 0,754; 0,786; 0,721; 0,913; 0,509; dan 0,90. Model Extra Tree mendapat nilai koefisien R2 tertinggi dan lebih akurat dibandingkan model lainnya.
Implementasi Algoritma K-Nearest Neighbor Dalam Klasifikasi Indeks Pembangunan Manusia Provinsi Sumatera Selatan Tahun 2023 Safitri, Ira; Satria, Ardika; Badri, Rizty Maulida
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.4614

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang sangat penting dalam mengukur tingkat kesejahteraan suatu daerah. IPM memiliki tiga dimensi penting seperti kesehatan, pengetahuan dan standar hidup yang layak. Dimensi kesehatan dapat diukur melalui angka harapan hidup saat lahir, sementara dimensi pengetahuan menggunakan kombinasi indikator harapan lama sekolah dan rata-rata tahun sekolah. Sedangkan dimensi standar hidup yang layak mengacu pada kemampuan daya beli masyarakat dalam memenuhi kebutuhan pokok, dilihat dari rata-rata pengeluaran per kapita yang disesuaikan. Pada penelitian ini, IPM  Tahun 2023 di Provinsi Sumatera Selatan diklasifikasikan menjadi 2 kategori yaitu IPM rendah (IPM < 70) dan IPM tinggi (IPM >70). Klasifikasi kategori IPM dilakukan menggunakan metode KNN dengan teknik validasi silang Leave-One-Out Cross Validation (LOOCV). Metode ini dilakukan dengan mencari k objek dalam data latih yang paling dekat dengan objek pada data uji. Penelitian ini memiliki tujuan agar mengetahui akurasi klasifikasi IPM dengan metode k-NN dengan nilai k sebesar 1, 3, dan 5. Berdasarkan hasil evaluasi model KNN menggunakan confusion matrix didapatkan nilai k = 1 dengan akurasi sebesar 88,89%, sedangkan k = 3 tingkat akurasi 83,33% kemudian nilai k = 5 didapatkan akurasi 77,78%. Hasil evaluasi model KNN didapatkan nilai k = 1 untuk mendapatkan klasifikasi data yang optimal dengan tingkat akurasi sebesar 88,89%.
Peningkatan Kompetensi Web Modern melalui Pelatihan Framework Next.js bagi siswa SMKN 7 Bandar Lampung Febri Dwi Irawati; Mika Alvionita Sitinjak; Ardika Satria; Ahmad Luky Ramdani; Ira Safitri; Tirta Setiawan; Luluk Muthoharoh; Rohmi Dyah Astuti; Yoga Aji Sukma; Dimas Dwi Randa; Vina Nurmadani; Yustida Bellini
Journal Social Science And Technology For Community Service Vol. 7 No. 1 (2026): Volume 7 Nomor 1 Maret 2026
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jsstcs.v7i1.1689

Abstract

Kesenjangan kompetensi siswa Sekolah Menengah Kejuruan (SMK) dengan kebutuhan industri pengembangan perangkat lunak yang dinamis menjadi latar belakang utama pelaksanaan pengabdian ini. Framework Next.js, sebagai teknologi modern berbasis React, dipilih untuk meningkatkan kapasitas teknis siswa dalam membangun aplikasi web modern dan berkinerja tinggi. Kegiatan ini bertujuan untuk meningkatkan pemahaman dan keterampilan praktis siswa SMKN 7 Bandar Lampung melalui metode project-based learning. Subjek pengabdian terdiri dari 56 siswa yang dievaluasi menggunakan instrumen pre-test dan post-test. Analisis data dilakukan secara komprehensif menggunakan statistika deskriptif dan inferensia non-parametrik Wilcoxon Signed-Rank Test karena distribusi data yang tidak normal (p < 0,05). Hasil analisis menunjukkan adanya peningkatan skor rata-rata yang signifikan dari 28,39 menjadi 37,04. Wilcoxon test menghasilkan nilai statistik V = 3 dengan signifikansi p < 0,001, yang mengonfirmasi adanya perbedaan kompetensi yang nyata setelah intervensi diberikan. Selain itu, capaian effect size sebesar 0,571 (kategori besar) memperkuat bukti bahwa metode pelatihan berbasis praktik efektif dalam mereduksi disparitas pemahaman siswa, terutama pada indikator inisiasi proyek dan struktur folder. Kesimpulannya, pelatihan ini berhasil mentransformasi pengetahuan siswa dari kategori ragu-ragu menjadi paham, sekaligus memberikan fondasi teknologi yang relevan dengan standar industri terkini.
Co-Authors Dimas Dwi Randa Febri Dwi Irawati Ira Safitri Luluk Muthoharoh Mika Alvionita Sitinjak Ramdani, Ahmad Luky Rizty Maulida Badri Rohmi Dyah Astuti RR. Ella Evrita Hestiandari Tirta Setiawan Vina Nurmadani Yoga Aji Sukma Yustida Bellini