Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA) TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan
Adji Muhammad Pramudita
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education 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.
Perancangan dan Implementasi Aplikasi Penjualan Aksesori Mobil Serta Booking Pemasangan Online Berbasis Web pada XSignature Auto Garage Fakhri Muzzaki; Leadrin Fandyani; Adji Muhammad Pramudita; Wasis Haryono
TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Vol. 3 No. 1 (2025): TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Perkembangan teknologi informasi telah mendorong digitalisasi di berbagai sektor, termasuk layanan otomotif. Namun, banyak bengkel mobil masih menggunakan metode manual dalam transaksi dan pemesanan layanan, yang menimbulkan masalah seperti antrean panjang, data tidak terorganisir, dan keterbatasan jangkauan pelanggan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem berbasis web yang mampu memfasilitasi penjualan aksesoris mobil serta layanan booking pemasangan secara online. Metodologi penelitian mengikuti Metode Prototype, yang mencakup analisis kebutuhan sistem, perancangan model secara iteratif menggunakan UML (Unified Modeling Language), serta pengembangan sistem secara bertahap dengan teknologi PHP, MySQL, dan HTML/CSS. Hasilnya adalah sebuah aplikasi yang mampu mengelola transaksi, jadwal pemasangan, dan laporan operasional secara efisien. Aplikasi ini tidak hanya meningkatkan kualitas layanan bagi pelanggan, tetapi juga mempermudah pihak bengkel dalam pengelolaan bisnis secara digital.
Co-Authors Anggio Marsoni Ezra Musa Robo Fakhri Muzakki Fakhri Muzzaki Haryono, Wasis Leadrin Fandyani