Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal OKTAL : Jurnal Ilmu Komputer dan Sains Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Anggio Marsoni
Unknown Affiliation
Astronomy Chemistry Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Literatur Review: Pendekatan Random Forest Untuk Klasifikasi Penyakit Busuk Akar Pada Tanaman Anggio Marsoni; Adji Muhammad Pramudita; Fakhri Muzakki; Ezra Musa Robo
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

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

Abstract

Penelitian ini bertujuan untuk mengevaluasi efektivitas teknologi machine learning, khususnya metode Random Forest, dalam klasifikasi penyakit busuk akar pada tanaman. Penyakit busuk akar merupakan salah satu penyakit tanaman yang dapat berdampak besar terhadap hasil panen jika tidak dikenali dan ditangani sejak dini. Dengan penerapan machine learning, diharapkan dapat memberikan solusi yang cepat dan akurat dalam mendeteksi penyakit ini. Metodologi penelitian yang digunakan adalah Studi Literatur Kualitatif Deskriptif, yang melibatkan pengumpulan data sekunder dari berbagai jurnal, artikel ilmiah, dan laporan penelitian terkait. Penelitian ini juga mencakup analisis terhadap literatur yang membahas teknik Random Forest dalam klasifikasi penyakit tanaman, khususnya pada penyakit busuk akar. Hasil analisis menunjukkan bahwa metode Random Forest memiliki akurasi yang tinggi dalam mengklasifikasikan penyakit busuk akar. Penelitian sebelumnya menunjukkan bahwa Random Forest efektif dalam mengidentifikasi dan mengukur tingkat keparahan penyakit pada tanaman kelapa sawit dan daun apel. Selain itu, penelitian lainnya mengungkapkan bahwa kombinasi Random Forest dengan algoritma lain seperti Adaboost dapat meningkatkan akurasi klasifikasi dan mengurangi masalah overfitting. Penggunaan metode K-Means dan Otsu dalam segmentasi citra tanaman obat juga terbukti meningkatkan akurasi identifikasi tanaman. Secara keseluruhan, penelitian ini memberikan bukti empiris mengenai efektivitas metode Random Forest dalam klasifikasi penyakit busuk akar pada tanaman dan merekomendasikan penggunaan kombinasi algoritma dan teknik preprocessing data untuk meningkatkan kinerja model machine learning dalam aplikasi pertanian.
Sistem Informasi Manajemen Penjualan Berbasis Mern Stack untuk Konveksi Maxsupply Di Depok Anggio Marsoni; Falah Nurdiansyah; Muhammad Ilyas Faisal; Wasis Haryono
OKTAL : Jurnal Ilmu Komputer dan Sains Vol 4 No 07 (2025): OKTAL : Jurnal Ilmu Komputer Dan Sains
Publisher : CV. Multi Kreasi Media

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

Abstract

Digital transformation in business operations emphasizes the need for integrated information systems, including in the garment industry. MaxSupply, a local garment business, requires a web-based sales information system to support more efficient and well-managed business processes. This study aims to design and develop a sales information system that facilitates product management, order processing, and digital payment. The system was developed using a prototyping method, allowing iterative improvements based on user feedback. It was built using the MERN Stack (MongoDB, Express.js, React.js, Node.js) and includes features such as user authentication, product management, transaction processing, and reporting. The results show that the system improves transaction speed and data accuracy, thereby supporting more structured and efficient operations for MaxSupply.
Co-Authors Adji Muhammad Pramudita Ezra Musa Robo Fakhri Muzakki Falah Nurdiansyah Haryono, Wasis Muhammad Ilyas Faisal