Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Research and Publication Innovation Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Ezra Musa Robo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences Other

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 SISTEM LAPORAN KEUANGAN SEKOLAH MI ASIA AFRIKA BERBASIS WEBSITE Lukman Mahdi; Ezra Musa Robo; Alan Nuari; Wasis Haryono
Journal of Research and Publication Innovation Vol 3 No 3 (2025): JULY
Publisher : Journal of Research and Publication Innovation

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

Abstract

This study aims to design a web-based financial reporting system for MI Asia Afrika to improve the efficiency, transparency, and accuracy of financial record-keeping. Using the Waterfall development method, the system was designed through stages including requirement analysis, design, implementation, and testing. The implementation results show that the system supports structured recording of school income and expenditures and facilitates the preparation of real-time financial reports. The system also provides easy access for authorized school personnel.
Co-Authors Adji Muhammad Pramudita Alan Nuari Anggio Marsoni Fakhri Muzakki Haryono, Wasis Lukman Mahdi