Claim Missing Document
Check
Articles

Found 12 Documents
Search

Pemberdayaan Kelompok Wanita Tani SMART-W2V TUMI : Pengelolaan Limbah Ternak Berbasis Sistem Informasi dan Bisnis Digital Affriza Brilyan Relo Pambudi Agus Putra; Muhammad Eka Purbaya; Lina Fatimah Lishobrina
JURPIKAT Vol 7 No 3 (2026)
Publisher : Politeknik Piksi Ganesha Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37339/jurpikat.v7i3.3266

Abstract

The Women Farmers Group (KWT) of Tumiyang Village holds significant potential in managing rabbit livestock waste, yet faces challenges including limited knowledge, skills, and access to appropriate technology and digital markets. This community service activity aimed to empower KWT economically through the SMART-W2V TUMI Model using two methods: livestock waste technology demonstration and a digital business workshop, involving 41 KWT members. The demonstration covered the production of solid organic fertilizer, liquid organic fertilizer (POC), and biopesticide from rabbit waste. Evaluation results showed significant improvement, with average pre-test scores rising from 70.9% to 81.6% in the post-test, yielding an N-Gain of 0.37 (moderate category). A total of 78.05% of participants achieved the Very Good category. The SMART-W2V TUMI Model proved effective as an integrated approach combining appropriate technology, information systems, and digital business strategies to foster economic empowerment based on local resources in Tumiyang Village.
Sistem Informasi Deteksi Penyakit Pada Tanaman Padi (Brown Spot, Hispa, Leaf Blast) Menggunakan Metode Convolutional Neural Network (CNN) Yusuf Fadlila Rachman; Pratiwi Susanti; Affriza Brilyan Relo Pambudi Agus Putra; Nuriya Imroatu Rahmawati
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.846

Abstract

Sebagai salah satu produsen padi terbesar di dunia, sering menghadapi penurunan produksi akibat serangan penyakit padi. Pendeteksian penyakit secara manual kurang efektif karena keterbatasan pengetahuan petani. Solusi yang ditawarkan untuk mengatasi masalah ini adalah untuk mengembangkan sistem informasi berbasis kecerdasan buatan yang mampu mendeteksi secara otomatis penyakit pada tanaman padi, termasuk Brown Spot, Hispa, dan Leaf Blast, dengan menggunakan metode Convolutional Neural Network (CNN). Sistem ini diharapkan dapat membantu petani dalam melakukan deteksi dini terhadap penyakit padi, sehingga meningkatkan efisiensi dan kualitas produksi pertanian. Sistemmengolah data gambar padi dan mendeteksi kondisi kesehatannya, termasuk mendeteksi padi sehat serta penyakit Brown Spot, Hispa, dan Leaf Blast. Penelitian ini menggunakan 3.355 dataset yang dibagi menjadi 335 untuk proses training, 335 untuk testing, dan 2.685 untuk validasi. Metode yang digunakan pada pengembangan system menerapkan pendekatan pengembangan perangkat lunak Waterfall, yang mencakup analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan system. Sistem "Paddy-AI" yang dikembangkan mampu mencapai akurasi 85% dalam mendeteksi gambar.