Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbandingan Metode Monte Carlo dan Single Moving Average dalam Memprediksi Penjualan di Toko Shokifatin Cahyani Putri, Erna Dwita Sari; Syah Putra, Muhammad Madavi; Agustin, Soffiana
Framework : Jurnal Ilmu Komputer dan Informatika Vol 3 No 02 (2025): Framework : Jurnal Teknik Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/framework.v3i02.4571

Abstract

Kebutuhan rumah tangga akan Minyak, gas LPG, dan bensin sangat penting untuk aktivitas sehari-hari. Hal ini membuka peluang bisnis bagi retailer dalam menyediakan produk-produk tersebut, seperti Toko Shokifatin. Namun, penjualan di toko ini bersifat fluktuatif, kadang tinggi dalam satu hari dan bisa juga tidak ada penjualan sama sekali di hari lain. Ketidakpastian ini menyulitkan pengelola toko untuk menentukan waktu dan jumlah restok yang tepat. Penelitian ini bertujuan membandingkan dua metode peramalan penjualan, yakni metode Monte Carlo dan metode Single Moving Average. Pendekatan kuantitatif digunakan dengan data penjualan Toko Shokifatin sebagai bahan analisis. Berdasarkan hasil penelitian, diketahui bahwa kedua metode mampu melakukan peramalan dengan baik. berdasarkan nilai Error(Tingkat kesalahan) Dengan demikian, metode Single Moving Average direkomendasikan sebagai pendekatan peramalan yang lebih akurat untuk mendukung pengelolaan stok di Toko Shokifatin.
Deteksi Penyakit Daun Tomat Berbasis Warna Dan Tekstur Dengan Algoritma K-Nearest Neighbor : Deteksi Penyakit Daun Tomat Berbasis Warna Dan Tekstur Dengan Algoritma K-Nearest Neighbor Cahyani Putri, Erna Dwita Sari; Syah Putra, Muhammad Madavi; Agustin, Soffiana
Framework : Jurnal Ilmu Komputer dan Informatika Vol 3 No 02 (2025): Framework : Jurnal Teknik Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/framework.v3i02.4644

Abstract

Penelitian klasifikasi penyakit daun tomat ini sangat penting dilakukan mengingat tomat (Solanum lycopersicum) merupakan salah satu komoditas hortikultura utama di Indonesia yang memiliki nilai ekonomi dan gizi tinggi. Namun, produktivitas tomat seringkali terancam oleh berbagai penyakit daun yang secara signifikan dapat menurunkan hasil panen dan berdampak negatif pada pendapatan petani serta suplai pangan nasional. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit daun tomat dengan menggunakan ekstraksi fitur tekstur berdasarkan Local Binary Pattern (LBP) Uniform serta fitur ruang warna HSV. Kedua fitur tersebut kemudian digabungkan untuk klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN). Dataset berisi 200 citra daun tomat yang mencakup empat kelas penyakit berbeda, yang diambil dalam berbagai kondisi pencahayaan dan latar belakang untuk merefleksikan variasi nyata di lapangan. Hasil evaluasi menunjukkan bahwa fitur tekstur memberikan performa klasifikasi terbaik dengan akurasi maksimum 0,85 pada K=3, sedangkan fitur warna secara individual memiliki akurasi lebih rendah dan kurang stabil. Penggabungan kedua fitur ini mampu mempertahankan akurasi yang tinggi sekaligus meningkatkan kestabilan klasifikasi di beberapa kelas penyakit. Penelitian ini menunjukkan potensi signifikan dari penggabungan fitur tekstur dan warna dalam meningkatkan ketepatan deteksi penyakit daun tomat, yang diharapkan dapat mendukung pemantauan dan pengelolaan tanaman secara lebih efektif, serta berkontribusi pada pengembangan pertanian berkelanjutan di masa depan dengan dukungan teknologi terkini.