Nabilah Fitriani
Unknown Affiliation

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

Found 2 Documents
Search

RANCANG BANGUN APLIKASI MONITORING TARGET OPERASI PROBING BERBASIS ANDROID DI PT PLN (PERSERO) UP3 GRESIK Nabilah Fitriani; Umi Chotijah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.7766

Abstract

Penelitian ini bertujuan untuk merancang dan membangun aplikasi mobile berbasis Android untuk monitoring target operasi probing di PT PLN (Persero) UP3 Gresik. Latar belakang pengembangan aplikasi ini adalah proses monitoring yang masih dilakukan secara manual, sehingga memerlukan waktu lebih lama, rawan kesalahan, dan kurang efisien. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model SDLC Waterfall, yang mencakup tahapan komunikasi, perencanaan, perancangan, implementasi, dan deployment. Aplikasi dibangun menggunakan Flutter untuk antarmuka dan PHP-MySQL sebagai backend, dilengkapi fitur manajemen data pelanggan, pengisian hasil probing, riwayat perubahan, serta tampilan statistik dengan filter status. Pengujian sistem dilakukan menggunakan metode blackbox testing untuk memverifikasi kesesuaian input-output setiap fitur, sedangkan uji validasi melibatkan dua validator dari pihak PLN yang menilai aspek fungsi, tampilan, dan kesesuaian dengan kebutuhan operasional. Hasilnya menunjukkan bahwa sebagian besar komponen telah sesuai dengan harapan pengguna, dengan beberapa masukan perbaikan minor. Aplikasi ini mempermudah proses monitoring secara real-time, meningkatkan efisiensi kerja, serta memiliki potensi pengembangan lebih lanjut, seperti penambahan fitur notifikasi dan mode offline.
KLASIFIKASI TUTUPAN LAHAN SAWAH DAN KELAPA SAWIT MENGGUNAKAN GLCM DAN K-NEAREST NEIGHBOR PADA CITRA UDARA Nabilah Fitriani; Dano Fadilah Amelya Rizki; Soffiana Agustin
Jurnal TEFSIN ( Jurnal Teknik Informatika dan Sistem Informasi) Vol. 3 No. 2 (2025): November 2025
Publisher : Fakultas Teknik Universitas Nahdlatul Ulama Sumatera Barat

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

Abstract

This study aims to automatically classify rice field and oil palm land cover based on aerial imagery by utilizing the Gray Level Co-occurrence Matrix (GLCM) for texture feature extraction and the K-Nearest Neighbor (KNN) algorithm as the classification method. The dataset consists of 130 training images and 111 test images. The images were processed through cropping and grayscale conversion, followed by texture feature extraction including contrast, correlation, energy, and homogeneity. These features serve as the foundation for distinguishing the unique texture patterns of each land type. The test results show that the K parameter in KNN significantly affects the classification accuracy, with K=7 achieving the best result of 97.30%. Evaluation using a confusion matrix reinforces the effectiveness of the method in distinguishing the two land cover classes. The combination of GLCM and KNN proves to be both efficient and accurate, with great potential to be applied in automated mapping and monitoring systems, particularly in agricultural and plantation contexts.