Pambudi, Agung
Universitas Muhammadiyah Sukabumi

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

Diagnosis Of Sheep Animal Diseases Using Certainty Factor Algorithm Alpiana, Deni; Prajoko, Prajoko; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2506

Abstract

Kesehatan ternak domba merupakan faktor yang penting dalam beternak agar hasil ternak dapat diperoleh secara maksimal, untuk memperoleh kesehatan ternak tersebut diperlukan pengendalian penyakit yang tepat sedangkan pengendalian penyakit tersebut belum bisa dilakukan apabila penyakit yang diderita ternak domba belum diketahui atau terdiagnosis [1]. Berdasarkan informasi yang penulis peroleh dari lokasi penelitian, pengetahuan yang dimiliki peternak mengenai penyakit ternak domba masih kurang untuk melakukan diagnosis penyakit maupun pengendalian penyakit yang tepat serta peternak juga merasa kesulitan memperoleh bantuan dari pakar atau dokter hewan untuk mendiagnosis dan memberikan pengendalian penyakit terhadap ternak domba yang menderita penyakit dikarenakan profesi sebagai dokter hewan masih jarang dan belum tersedia di berbagai daerah terutama daerah yang jauh dari perkotaan. Oleh karena itu penelitian ini bertujuan untuk membuat sistem pakar yang dapat membantu peternak dalam melakukan diagnosis penyakit dan memberikan saran yang tepat untuk melakukan pengendalian penyakit yang terdiagnosis berdasarkan pengetahuan pakar tanpa harus terlibat secara langsung dengan pakar. Penelitian ini menggunakan pengetahuan yang diperoleh dari pakar yaitu dokter hewan yang memiliki pengalaman dalam pengendalian penyakit ternak domba, kemudian diimplementasikan kedalam sistem pakar berbasis website untuk memecahkan masalah. Algoritma Certainty Factor digunakan dalam penelitian ini untuk mengukur tingkat keyakinan dalam mendiagnosis penyakit ternak domba dengan data sebanyak 12 penyakit dan 29 gejala yang diperoleh dari pakar. Hasil pengujian sistem menggunakan white box dan black box testing menunjukan bahwa sistem pakar yang dibuat tersebut mampu memperoleh hasil perhitungan dari penyakit yang terdiagnosis dengan hasil perhitungan sebesar 87.232% terdiagnosis penyakit helminthiasis, serta berbagai fungsionalitas pada aplikasi yang dibuat telah berfungsi dengan baik.
Channa Fish Disease Consultation Using The Certainty Factor Algorithm Web Based Prayoga, Rio Agung; Apriandari, Winda; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 21, No 1 (2024): APRIL 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v21i1.2722

Abstract

The health of Channa fish is a fundamental foundation for successful cultivation. Accurate diagnosis of diseases remains a serious challenge for cultivators. Lack of understanding about diseases, difficulty accessing reliable knowledge sources, and limited information on Channa fish health issues are concerning factors. This research aims to diagnose Channa fish diseases based on observed symptoms and identifiable behaviors and conditions in the fish. Challenges include cultivators' lack of knowledge about Channa fish diseases, difficulty obtaining assistance from aquatic veterinarians, and limited information on Channa fish diseases from previous research. The objective of this study is to support Channa fish cultivators, especially in disease control, to achieve successful reproduction and reduce reproductive losses. The research utilizes knowledge obtained from experts experienced in Channa fish disease control, implementing it into a web-based expert system to address these issues. The Certainty Factor method is employed to measure the confidence level of Channa fish disease diagnoses in this research. The results show that the expert system is capable of diagnosing Gyrodactylus sp disease in Channa fish with an accuracy of 89.25%, equivalent to the manually calculated percentage. The novelty of this research lies in its focus on developing a Channa fish disease diagnosis system using the Certainty Factor algorithm. The system integrates inference engines and the Certainty Factor algorithm, presenting results through a website interface. Thus, this system successfully combines the Certainty Factor for Channa fish disease diagnosis and can be used as a guide for fisheries practitioners.
Implementation Of HMAC-SHA-256 Algorithm For Product Packaging Security Angkasa, Bangga; Asriyanik, Asriyanik; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2507

Abstract

Perkembangan teknologi memiliki dampak yang signifikan pada perindustrian, teknologi telah membantu perusahaan dalam meningkatkan efisiensi produksi, mengurangi biaya serta meningkatkan kualitas produk. Kemasan produk merupakan salah satu cara pemilik usaha menyiapkan informasi produk ke tangan konsumen. Namun pemalsuan label kemasan pada kemasan produk seperti perubahan tanggal kadaluwarsa atau juga peniruan Produk menjadi salah satu kendala dalam menjaga kualitas produk. Banyak upaya yang dilakukan dalam mencegah pemalsuan produk, salah satunya adalah dengan penggunaan segel hologram yang sulit dipalsukan, namun hal ini menyebabkan masalah baru dikarenakan pembuatan segel hologram membutuhkan mesin khusus dan biaya yang tidak sedikit. Untuk itu penelitian ini bertujuan untuk mengamankan produk menggunakan algoritma HMAC-SHA256 yang akan menjadi alternative segel keamanan kemasan produk. Algoritma HMAC-SHA256 yang merupakan algoritma hash yang memiliki kelebihan kecepatan komputasi dibandingkan dengan algoritma enkripsi, selain itu algoritma ini memiliki nilai Avalanche effect sebesar 68.24% yang dapat dikatakan baik karena persentase nilai lebih dari 50%. Hasil akhir dari penelitian ini adalah menciptakan sistem yang dapat membuat dan membuktikan segel keamanan kemasan untuk alternatif segel keamanan produk.
Using Support Vector Machine for Sentiment Analysis of Truecaller and Getcontact App Reviews Rita, Salma; Indrayana, Didik; Pambudi, Agung
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2493

Abstract

Panggilan spam adalah panggilan apa pun yang dilakukan tanpa persetujuan penerima dan untuk alasan apa pun. Panggilan ini dapat berasal dari pemasaran, periklanan, pemberitahuan, atau penipuan.. Rata-rata orang Indonesia menerima 14 panggilan spam per hari. Hanya setengahnya yang berasal dari nomor buku kontak. Menurut Google Play Store, aplikasi Truecaller dan Getcontact menawarkan sejumlah keuntungan karena masing-masing membantu mengidentifikasi penelepon dan mencegah spam. Namun, dalam hal ini, perangkat lunak pemblokiran panggilan spam memiliki sejumlah kelemahan, termasuk kesalahan dalam mengidentifikasi panggilan spam dan memblokir panggilan yang tidak berguna. Analisis sentimen dapat membantu pengguna dalam memilih aplikasi yang sesuai dengan kebutuhannya dan dalam penelitian ini bermaksud untuk menganalisis ulasan pada sentimen kedua aplikasi yaitu Truecaller dan Getcontact dengan menganalisis efektivitas berdasarkan pada ulasan aplikasi tersebut Algoritma klasifikasi Support Vector Machine yang berisi pedoman mendasar untuk memaksimalkan batas hyperplane yang memisahkan dua dataset, digunakan dalam proses klasifikasi penelitian ini. Hasil penelitian menunjukkan bahwa aplikasi Truecaller pada 10-fold cross validation memiliki rata-rata akurasi sebesar 88,20% dan aplikasi Getcontact memiliki akurasi rata-rata sebesar 87,90%. Sementara itu, aspek sentimen pada aplikasi Truecaller memiliki nilai rata-rata akurasi sebesar 60,20%, sedangkan aplikasi Getcontact memiliki akurasi rata-rata 63,30%.