Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Salam, Naufal Ibnu
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Aplikasi Petani Cerdas: Inovasi Industri Pertanian Menuju Pembangunan Berkelanjutan 2030 Wijaya, Eko Praja Hamid; Hidayat, Fajar; Rahmasita, Azi Nur; Fahmi, Khairani; Haikal, Muhammad; Salam, Naufal Ibnu
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 2 No. 2 (2024)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v2i2.334

Abstract

Sektor pertanian memiliki peran krusial dalam mendorong pertumbuhan ekonomi di Indonesia. Namun, bidang ini juga dihadapkan pada tantangan signifikan, terutama dalam menghadapi perkembangan teknologi. Peningkatan kompetensi petani menjadi hal yang mendesak agar mereka dapat memanfaatkan teknologi dalam praktik pertanian secara efektif. Oleh karena itu, pemerintah dan petani perlu beradaptasi dengan kemajuan teknologi untuk memenuhi kebutuhan sektor pertanian. Penelitian ini mengusulkan konsep pemetaan area tanam yang terintegrasi dengan Rencana Definitif Kebutuhan Kelompok (RDKK), melibatkan Penyuluh Pertanian Lapangan (PPL) dan Dinas Pertanian. Aplikasi yang diusulkan dirancang untuk menyediakan pencarian informasi dan jadwal pelatihan yang dapat disesuaikan dengan preferensi petani. Pengembangan aplikasi menggunakan metode prototipe evolusioner, yang terdiri dari empat tahapan: analisis kebutuhan pengguna, pembangunan aplikasi, penyesuaian aplikasi dengan kebutuhan pengguna, dan implementasi prototipe. Aplikasi ini dilengkapi dengan berbagai fitur, termasuk kelas pelatihan, konsultasi dengan pakar, program sertifikasi, dan peta area tanam, yang semuanya dirancang untuk memenuhi kebutuhan pengguna. Antarmuka yang intuitif dirancang untuk memudahkan penggunaan oleh petani yang mungkin kurang akrab dengan teknologi. Selain itu, aplikasi ini berfungsi sebagai platform kolaboratif yang menghubungkan petani, pakar, dan pemerintah melalui integrasi data untuk perencanaan kebijakan pertanian yang lebih baik. Hasil penelitian ini menunjukkan bahwa aplikasi “Petani Cerdas” memiliki potensi besar dalam mendukung transformasi digital di sektor pertanian, meningkatkan kesejahteraan petani, serta memperkuat ketahanan pangan di Indonesia.
Perbandingan Kinerja Algoritma Klasifikasi Status Mutu Air Ningsih, Lidya; Jaman, Jajam Haerul; Salam, Naufal Ibnu; Haikal, Muhammad
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 2 No. 1 (2024)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/ijmst.v2i1.298

Abstract

Klasifikasi mutu air adalah salah satu teknik dalam melakukan penilaian terhadap air sebagai objek penelitian. Penelitian ini dilakukan dengan tujuan agar dapat memberikan pengetahuan terhadap mutu atau kualitas air, sehingga dapat menjadi solusi terbaik yang dapat dilakukan terhadap air tersebut sebelum dikonsumsi. Penelitian ini menggunakan dua skenario dengan beberapa teknik klasifikasi, diantaranya adalah Algoritme Naive Bayes, KNN, Multiclass classification, MLP, SVM, dan Random Forest. Berdasarkan hasil peneltiian yang dilakukan dengan beberapa algoritma klasifikasi tersebut, didapatkan hasil akurasi terbaik menggunakan Algoritme Random Forest dengan persentase akurasi sebesar 99,5% pada skenario pertama dan 99,7% pada skenario kedua . Sedangkan tingkat akurasi terendah ditemukan pada Algoritme Naive Bayes dengan persentase akurasi sebesar 22,3% pada skenario pertama dan 21,9% pada skenario kedua. Hal ini disebabkan karena dataset mutu air yang diperoleh tidak seimbang atau tidak terdistribusi normal (Gaussian). Selain itu, algoritme Naive Bayes memiliki kinerja baik dalam pekerjaan klasifikasi dengan data teks.
Co-Authors Azi Nur Rahmasita Fahmi, Khairani Hidayat, Fajar Jaman, Jajam Haerul Muhammad Haikal Ningsih, Lidya Wijaya, Eko Praja Hamid