cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Progresif: Jurnal Ilmiah Komputer
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 02163284     EISSN : 26850877     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang Komputer.
Arjuna Subject : -
Articles 50 Documents
 1   2   3   4   5 
Search results for , issue "Vol 20, No 1: Februari 2024" : 50 Documents clear
Penerapan Data Mining Terhadap Klasifikasi Pasien Penderita Penyakit Liver Menggunakan Metode K-Nearest Neighbor Aldana, Sabilla; Wibowo, Jati Sasongko
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1376

Abstract

Liver sufferers are increasing from year to year. Liver disease is caused by an unhealthy lifestyle that can damage the liver. Liver disease is considered a silent killer because of the possibility of symptoms arising. Therefore, knowing the symptoms of liver disease early on is very necessary, so that sufferers can take appropriate treatment. This study implements the K-Nearest Neighbor algorithm in predicting liver disease in patients. The data used is the Indian Liver Patient Dataset (ILPD) taken from the UCI Machine Learning Repository. There are several stages of the classification process that will be carried out, including data separation, dividing test data and training data, KNN modeling, then analyzed using a confusion matrix and also an accuracy score. In this study, the results were obtained from the level of accuracy of the data, namely the value of accuracy, precision, recall, and also the f1-score with an accuracy value of 70%, a precision of 66.5%, a recall of 59.5%, and an f1-score of 59. 5% of the highest K = 7 value. So the K-Nearest Neighbor algorithm is quite accurate for classifying patient data with liver disease because the data accuracy rate is above 50%.Keywords: Classification; Liver Disease; K-Nearest Neighbor; Confusion Matrix                                                                                                                        AbstrakPenderita liver meningkat dari tahun ke tahun. Penyakit liver disebabkan oleh gaya hidup yang tidak sehat sehingga dapat merusak hati. Penyakit liver dianggap sebagai pembunuh diam-diam karena adanya kemungkinan timbul gejala karena itu mengetahui adanya gejala penyakit liver sejak dini sangat diperlukan, agar penderita dapat melakukan pengobatan dengan tepat. Penelitian ini mengimplementasikan algoritma K-Nearest Neighbor dalam memprediksi penyakit liver yang diderita oleh pasien. Data yang digunakan adalah Indian Liver Patient Dataset (ILPD) yang diambil dari UCI Machine Learning Repository. Terdapat beberapa tahapan proses klasifikasi yang akan dilakukan, antara lain pemisahan data, membagi data uji dan data latih, permodelan KNN, kemudian dianalisa menggunakan confusion matrix dan juga accuracy score. Pada penelitian ini didapatkan hasil dari tingkat keakuratan data yaitu nilai akurasi, presisi, recall, dan juga f1-score dengan nilai akurasi sebesar 70%, presisi sebesar 66,5%, recall sebesar 59,5%, dan f1-score sebesar 59,5% dari nilai K = 7 yang paling tertinggi. Jadi algoritma K-Nearest Neighbor cukup akurat untuk mengklasifikasi data pasien penderita penyakit liver dikarenakan tingkat keakuratan data diatas 50%. Kata kunci: Klasifikasi; Penyakit Liver; K-Nearest Neighbor; Confusion Matrix
Pengukuran Kualitas Layanan Sistem Kependudukan Online Menggunakan Metode E-Govqual dan IPA Yahya, Muhammad Havian Nurdin; Sumirat, Lambang Probo; Santoso, Budi
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1797

Abstract

The Population and Civil Registration Office of Jombang Regency is one of the government agencies of Jombang Regency that has implemented E-Government. In this case, “Dispendukcapil” Jombang Regency created an information system called "Ning Yaonah." This research aims to identify attributes that are the main focus of improvement and develop recommendations to improve the quality of E-Government services. This research applies the E-Govqual and IPA methods. The E-Govqual method is used to assess the quality of information system services owned by government agencies, while IPA is used to help prioritize attributes that require improvement. This study uses four variables belonging to E-Govqual with 21 statement attributes. Of the 80 respondents, the results of the analysis of the level of conformity showed a value of 78.45% and a gap level value (GAP) of -0.93. This indicates that the current performance of information system services has not been able to meet user expectations. The results showed that there are seven attributes with the highest priority for improvement, namely EF1, EF3, EF5, EF6, EF7, RL2, and RL3.Keywords: E-Govqual; Information System Service Quality; E-Government; Importance Performance AnalysisAbstrakDinas Kependudukan dan Pencatatan Sipil Kabupaten Jombang merupakan salah satu instansi pemerintah Kabupaten Jombang yang telah menerapkan E-Government. Dalam hal ini Dispendukcapil Kabupaten Jombang menciptakan sistem informasi bernama “Ning Yaonah”. Tujuan dari penelitian ini adalah untuk mengidentifikasi atribut yang menjadi fokus utama perbaikan dan menyusun rekomendasi guna meningkatkan kualitas layanan E-Government. Penelitian ini menerapkan metode E-Govqual dan IPA. Metode E-Govqual digunakan untuk menilai kualitas layanan sistem informasi yang dimiliki oleh instansi pemerintah, sedangkan IPA digunakan dalam membantu menentukan prioritas atribut yang memerlukan perbaikan. Penelitian ini menggunakan 4 variabel milik E-Govqual dengan 21 atribut pernyataan. Dari 80 responden subjek penelitian, hasil analisis tingkat kesesuaian menunjukkan nilai sebesar 78,45%, dan nilai tingkat kesenjangan (GAP) sebesar -0,93. Hal ini mengindikasikan bahwa kinerja layanan sistem informasi saat ini belum dapat memenuhi harapan pengguna. Hasil penelitian menunjukkan bahwa terdapat 7 atribut dengan prioritas utama untuk diperbaiki, yaitu EF1, EF3, EF5, EF6, EF7, RL2, dan RL3.Kata kunci: E-Govqual; Kualitas Layanan Sistem Informasi; E-Government; Importance Performance Analysis
Perancangan Sistem Pakar Diagnosa Penyakit pada Musang Berbasis Website Miftakhul Huda, Mohammad Irbah; Wismarini, THD.
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1383

Abstract

Nowadays, animal lovers are eager to have pet ferrets as they are quite in demand. Despite the desire of many animal enthusiasts to keep ferrets, there are some challenges that owners face, such as when the animal is sick, limited knowledge sources, which may hinder first aid for sick ferrets. Therefore, a system is needed to identify the disease and determine the solution without having to meet an expert in person. Forward Chaining will be used in this research to build an expert system, this method uses understanding conclusions that use facts to get conclusions. The results obtained are a website-based expert system to help identify ferret diseases that are easy to use by only entering symptom facts and the system's decision results have an accuracy rate of 80.0%.Keywords: Expert System; Ferrets; Forward Chaining AbstrakSaat ini, pecinta hewan yang ingin memiliki musang peliharaan karena cukup diminati. Terlepas dari keinginan banyak penggemar hewan untuk memelihara musang, ada beberapa tantangan yang dihadapi pemiliknya, seperti ketika hewan sakit, sumber pengetahuan yang terbatas, yang mungkin menghambat pertolongan pertama untuk musang yang sakit. Oleh karena itu, diperlukan suatu sistem untuk mengidentifikasi penyakit dan menentukan solusinya tanpa harus bertemu langsung dengan seorang pakar. Forward Chaining akan digunakan kedalam penelitian ini untuk membangun sebuah sistem pakar, metode ini menggunakan konklusi pemahaman yang memakai fakta untuk mendapatkan simpulan. Hasil yang diperoleh yaitu sistem pakar berbasis website untuk membantu mengidentifikasi penyakit musang yang mudah digunakan dengan hanya memasukkan fakta gejala dan hasil keputusan sistem memiliki tingkat akurasi sebesar 80,0%.Kata kunci: Sistem Pakar; Musang; Forward Chaining 
Perbandingan Metode Exponential Smoothing dan ARIMA untuk Prediksi Jumlah Mahasiswa Baru (Studi Kasus di FTI UKSW) Paga, Efraim; Nugroho, Adi
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1829

Abstract

Many methods can be used to predict the number of new students admitted to the Computer Science program at the Faculty of Information Technology, Universitas Kristen Satya Wacana. However, it is essential to determine the most accurate method for prediction. This research aims to compare the Single Exponential Smoothing (SES) method and ARIMA to forecast the number of new students in the Computer Science program at Universitas Kristen Satya Wacana for the next three years. The accuracy of the forecast results is tested by comparing the values of MSE, MAE, and MAP. The data used for forecasting are the registration data of new students in the Computer Science program from 2003 to 2022. The research results indicate that the ARIMA method is a more suitable choice for predicting the number of new students in the next three years due to its lower values of MSE, MAE, and MAPE. Using the ARIMA method, the predicted number of new students is 341 in 2023, 334 in 2024, and 330 in 2025.Keywords: Prediction; Single Exponential Smoothing; ARIMA AbstrakBanyak metode yang bisa digunakan untuk melakukan prediksi jumlah mahasiswa baru yang diterima pada program studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana, namun perlu menentukan metode mana yang paling akurat dalam melakukan prediksi. Penelitian ini bertujuan membandingkan Metode Single Exponential Smoothing dan ARIMA untuk memprediksi jumlah mahasiswa baru pada program studi Teknik Informatika Universitas Kristen Satya Wacana tiga tahun mendatang. Pengujian akurasi hasil peramalan dilakukan dengan membandingkan nilai MSE, MAE, dan MAP. Data yang digunakan untuk peramalan adalah data pendaftaran mahasiswa baru program studi Teknik Informatika tahun 2003 sampai tahun 2022. Hasil penelitian menunjukkan bahwa metode ARIMA merupakan pilihan yang lebih sesuai untuk meramalkan jumlah mahasiswa baru dalam tiga tahun ke depan karena nilai MSE, MAE, dan MAPE yang lebih rendah. Dengan menggunakan metode ARIMA, jumlah mahasiswa baru yang diprediksi adalah 341 orang pada tahun 2023, 334 orang pada tahun 2024, dan 330 orang pada tahun 2025.Kata kunci: Prediksi; Single Exponential Smoothing; ARIMA
Perbandingan Algoritma Berry-Ravindran dan Reverse Colussi pada Aplikasi Kamus Indonesia-Jepang Berbasis Android Zufria, Ilka; Lubis, Aidil Halim; Fathurahman, Luthfi
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1559

Abstract

Japanese is one of the most challenging languages in the world, yet it is one of the most popular languages in Indonesia. As many as 711,732 students in Indonesia are learning Japanese. In the process of learning Japanese, a dictionary is needed as a tool to help users expand their Japanese vocabulary. In this article, an Android-based Indonesian-Japanese dictionary application has been designed using a comparison between two algorithms, namely Berry-Ravindran and Reverse Colussi. In the development of this application, there are two algorithms used, namely the Berry-Ravindran and Reverse Colussi algorithms. Both will be used to compare the average running time of 10 tested words. The running time results for the Berry-Ravindran algorithm are 22.3 ms and for the Reverse Colussi algorithm are 16 ms. Based on these results, it can be concluded that the Reverse Colussi algorithm is faster and more efficient than the Berry-Ravindran algorithm in terms of search time.Keyword: Japanese Language; Berry-Ravindran; Reverse Colussi; Android  AbstrakBahasa Jepang merupakan salah satu bahasa tersulit di dunia, namun merupakan salah satu bahasa yang paling diminati di Indonesia. Sebanyak 711.732 pelajar di Indonesia mempelajari bahasa Jepang Dalam mempelajari bahasa Jepang, diperlukan sebuah kamus sebagai media untuk membantu pengguna dalam menambah kosakata bahasa Jepang. Pada artikel ini, telah dirancang aplikasi kamus bahasa Indonesia-Jepang berbasis android dengan menggunakan perbandingan antara dua algoritma, yaitu Berry-Ravindran dan Reverse Colussi. Dalam pengembangan aplikasi ini, terdapat dua algoritma yang digunakan yaitu algoritma Berry-Ravindran dan Reverse Colussi. Keduanya akan digunakan untuk membandingkan rata-rata running time dari 10 sampel kata yang diuji. Hasil running time untuk algoritma Berry Ravindran adalah 22,3 ms dan pada algoritma Reverse Colussi adalah 16 ms. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Reverse Colussi lebih cepat dan efisien dibandingkan algoritma Berry-Ravindran dalam hal waktu pencarian.Kata kunci: Bahasa Jepang; Berry-Ravindran; Reverse Colussi; Android
Implementasi Arsitektur Half-UNet untuk Mendeteksi Kanker Payudara pada Citra Ultrasonografi Glen, Billy; Yohannes, Yohannes
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1595

Abstract

Breast cancer is one of the biggest causes of death for women worldwide. Breast cancer is a metastatic cancer and can spread to other organs, such as bones, liver, lungs and brain. Breast cancer can be detected at an early stage, but it is difficult to find and cases of breast cancer are on the rise. Therefore, this study uses the Half-UNet architecture for breast cancer sonogram dataset. The dataset used consists of 780 breast sonograms which are divided into training data and test data with a ratio of 80:20. The Dice Coefficient results obtained on the Half-UNet architecture is 0.7063. The U-Net value can provide better Dice Coefficient results, but the Half-UNet architecture has comparable values and provides results in a relatively faster time.
Analisis Interaksi Mahasiswa Terhadap Jurnal Kampus Berbasis Model Usability Sani, Asrul; Andrianingsih, Andrianingsih; Pratama, Agusta
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1803

Abstract

This study aims to understand students' interaction with campus journals from a usability perspective, using the Nielsen Usability Testing Model as the framework. The study adopted a quantitative approach to collect and analyze data, with the respondents being student journal users. The main variables examined include ease of learning, efficiency of use, ease of recall, user errors, user satisfaction, and usage behaviour. The online survey method was used to collect responses to a specially designed questionnaire, which was then analyzed using the Partial Least Squares Structural Equation Modeling (PLS-SEM) technique. The results showed that ease of learning and efficiency of use significantly affected user satisfaction, positively impacting campus journal usage behavior. User error was found to hurt satisfaction, emphasizing the importance of intuitive and user-friendly interface design. This study contributes to the literature on the usability of digital resources in education, particularly in the context of campus journals, and opens up further research opportunities in developing adequate digital learning resources.Keywords: Campus Journal; Usability; SEM-PLS; Student AbstrakPenelitian ini bertujuan untuk memahami interaksi mahasiswa dengan jurnal kampus dari sudut pandang kegunaan, dengan menggunakan Nielsen Usability Testing Model sebagai kerangka kerjanya. Penelitian ini mengadopsi pendekatan kuantitatif untuk mengumpulkan dan menganalisis data dengan responden adalah mahasiswa pengguna jurnal. Variabel utama yang diperiksa meliputi kemudahan belajar, efisiensi penggunaan, kemudahan mengingat, kesalahan pengguna, kepuasan pengguna, dan perilaku penggunaan. Metode survei online digunakan untuk mengumpulkan tanggapan terhadap kuesioner yang dirancang khusus, yang kemudian dianalisis menggunakan teknik Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian menunjukkan bahwa kemudahan belajar dan efisiensi penggunaan berpengaruh signifikan terhadap kepuasan pengguna, berdampak positif terhadap perilaku penggunaan jurnal kampus. Kesalahan pengguna ditemukan berdampak negatif pada kepuasan, menekankan pentingnya desain antarmuka yang intuitif dan ramah pengguna. Penelitian ini memberikan kontribusi terhadap literatur mengenai kegunaan sumber daya digital dalam dunia pendidikan, khususnya dalam konteks jurnal kampus, dan membuka peluang penelitian lebih lanjut dalam mengembangkan sumber belajar digital yang efektif.Kata kunci: Jurnal Kampus; Usability; SEM-PLS; Mahasiswa 
Sistem Pakar Diagnosa Penyakit Hepatitis B Ibu Hamil Menggunakan Metode Certainty Factor Maualana, Ahmad Farhan; Irjanto, Nourman Satyo; Pawan, Elvis
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1388

Abstract

Hepatitis B is a type of infectious disease and is classified as dangerous. The number of people with hepatitis B worldwide is estimated at around 350 million. The average prevalence of hepatitis B in Indonesia is 10%, with variations between 3.4-20.3% in each region. The purpose of this study was to implement an expert system to diagnose Hepatitis B in pregnant women so that symptoms of Hepatitis B can be detected earlier. The method used in this study was Certainty Factor with six signs obtained by two internal medicine doctors. The output generated by the system is a confidence number with a rule value above 50% which means positive. The results of this study are an android-based system that can diagnose Hepatitis B in pregnant women, thereby reducing the risk to mother and child.Keywords: Certainty Factor; expert systems; Hepatitis B AbstrakPenyakit Hepatitis B merupakan salah satu jenis penyakit menular dan tergolong berbahaya. Jumlah penderita penyakit Hepatitis B di dunia diperkirakan sekitar 350 juta, Prevalensi rata-rata hepatitis B di Indonesia adalah 10%, dengan variasi antara 3,4-20,3% di setiap daerah. Tujuan dari penelitian ini adalah Mengimplementasikan sistem pakar untuk mendiagnosa penyakit Hepatitis B pada ibu hamil, sehingga dapat mendeteksi lebih awal gejala Hepatitis B. metode yang digunakan dalam penelitian ini adalah Certainty Factor dengan enam gejala yang diperoleh melalui dua orang dokter penyakit dalam. Ouput yang dihasilkan oleh sistem berupa angka keyakinan dengan aturan nilai nilai di atas 50% berarti positif. Hasil dari penelitian ini adalah sebuah sistem berbasis android yang dapat mendiagnosa penyakit Hepatitis B pada ibu hamil, sehingga mengurangi resiko terhadap ibu dan anak. Kata kunci: Certainty Facto; Sistem Pakar; Hepatitis B 
Analisis Sentimen Review Aplikasi LinkedIn di Google Play Store Menggunakan Support Vector Machine Maarif, Muhamad Makhasinul; Setiyawati, Nina
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1614

Abstract

Social Networking Sites (SNS) have emerged as popular communication tools for sharing knowledge and connections. LinkedIn, which is the most widely used professional network in today’s technological era, is primarily utilized by professionals and the business world. LinkedIn serves as a platform for interacting with other professionals, building a professional profile, establishing connections and relationships, as well as developing work networks and business opportunities. In this research, a sentiment analysis of the usefulness of the LinkedIn application was conducted, involving 3000 reviews from the Google Play Store, using the Support Vector Machine (SVM) algortihm. The research process includes data collection (crawling), data cleaning, translation, labeling, text tokenization, and the elimination of common words (stop words). After optimizing parameters using the grid search method (grid param), a classification accuracy of 82% was achieved with parameter settings of C = 1; gamma = 0.1; and kernel = ‘linear’. This result indicates that the SVM algorithm can be used quite accurately for sentiment classification in Google Play Store reviews. Kata kunci: LinkedIn; Support Vector Machine; Google Play Store  AbstrakSocial Networking Sites (SNS) muncul sebagai alat komunikasi yang cukup populer untuk berbagi pengetahuan dan koneksi. LinkedIn, yang merupakan jaringan profesional yang paling banyak di gunakan die era perkembangan teknologi saat ini, terutama oleh para professional dan dunia kerja. LinkedIn berfungsi sebagai platform untuk berinteraksi dengan profesional lainnya, membangun profil profesional, membangun koneksi dan relasi, serta mengembangkan jaringan kerja dan peluang bisnis. Dalam penelitian ini, dilakukan analisis sentimen terhadap kegunaan aplikasi LinkedIn dengan melibatkan 3000 ulasan di Google Play Store, menggunakan algoritma Support Vector Machine (SVM). Proses penelitian ini meliputi pengambilan data (crawling), pembersihan data (cleaning), penerjemahan (translation), pemberian label (labelling), pemenggalan teks menjadi token (tokenization), dan eliminasi kata-kata umum (stop words). Setelah dilakukan optimisasi parameter dengan metode grid search (grid param), diperoleh akurasi klasifikasi sebesar 82% dengan pengaturan parameter C = 1; gamma = 0,1; dan kernel = ‘linear’. Hasil ini menunjikkan bahwa algoritma SVM dapat digunakan dengan cukup akurat untuk melakukan klasifikasi sentimen pada ulasan di Google Play Store.Kata kunci: LinkedIn; Support Vector Machine; Google Play Store
Penerapan Graph Theory and Matrix Approach Sebagai Pendukung Keputusan Pemilihan Varietas Unggul Kedelai Lazulfa, Indana; Mufarrihah, Iftitaahul; Andriani, Anita; Widoyoningrum, Sri Widoyoningrum; Firdaus, Reza Augusta Jannatul
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1572

Abstract

Soybean is a very important commodity in Indonesia because it usually used as the main daily meal protein source for the Indonesian people. Soybean has various varieties originating from within and outside the country. According to BPS data, soybean consumption increases by around 0.15 million tons per year. Meanwhile, in 2016, the amount of domestic soybean demand exceeded the amount of domestic soybean production, so the government imported it from outside the country. Even though there are 85 data on superior varieties released by Balitkabi, this does not guarantee that soybean production will increase. The decline in soybean production is also related to the constraints of agricultural land in Indonesia which is being massively transformed into residential land or other areas due to the fairly high population growth rate. This research aims to optimize soybean production through accurate selection of superior superb varieties. The method used in this research is a multicriteria decision making method, namely graph theory and matrix approach (GTMA). The results obtained were the 46 best varieties from 85 datasets based on certain criteria. The accuracy of GTMA shows an average of 86.95%. These results show that GTMA is a multi-criteria method that is feasible to implement.Keywords: Soybean; Multicriteria; Graph theory and matrix approach; Decision making   AbstrakKedelai merupakan komoditas yang sangat penting di Indonesia karena biasa dimanfaatkan sebagai sumber protein utama harian penduduk Indonesia. Kedelai memiliki beragam varietas yang berasal dari dalam dan luar negeri. Menurut data BPS, konsumsi kedelai meningkat sekitar 0.15 juta ton per tahun. Sedangkan pada tahun 2016, jumlah kebutuhan kedelai dalam negeri melebihi jumlah produksi kedelai dalam negeri sehingga pemerintah melakukan impor. Meskipun ada 85 data varietas unggul yang dirilis oleh Balitkabi tetapi hal tersebut tidak menjamin bahwa produksi kedelai meningkat. Penurunan prooduksi juga berkaitan dengan kendala lahan pertanian di Indonesia yang secara massif bertransformasi menjadi lahan pemukiman atau lainnya karena laju pertumbuhan penduduk yang cukup tinggi. Penelitian ini bertujuan untuk mengoptimalkan produksi kedelai melalui ketepatan pemilihan varietas unggul. Metode yang digunakan dalam penelitian ini merupakan metode pengambilan keputusan multikriteria yakni graph theory and matrix approach (GTMA). Hasil yang diperoleh adalah 46 varietas terbaik dari 85 dataset berdasarkan kriteria tertentu. Akurasi dari GTMA menunjukkan rata-rata sebesar 86.95%. Dari hasil tersebut menunjukkan bahwa GTMA merupakan metode multikriteria yang layak untuk diimplementasikan.Kata kunci: Kedelai; Multikriteria; Graph theory and matrix approach; Pendukung keputusan 

Page 1 of 5 | Total Record : 50

 1   2   3   4   5 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 21, No 2: Agustus 2025 Vol 21, No 1: Februari 2025 Vol 20, No 2: Agustus 2024 Vol 20, No 1: Februari 2024 Vol 19, No 2: Agustus 2023 Vol 19, No 1: Februari 2023 Vol 18, No 2: Agustus 2022 Vol 18, No 1: Februari 2022 Vol 17, No 2: Agustus 2021 Vol 17, No 1: Februari 2021 Vol 16, No 2: Agustus 2020 Vol 16, No 1: Februari 2020 Vol 15, No 2: Agustus 2019 Vol 15, No 1: Februari 2019 Vol 14, No 2: Agustus 2018 Vol 14, No 1: Februari 2018 Vol 13, No 2: Agustus 2017 Vol 13, No 1: Pebruari 2017 Vol 12, No 2: Agustus 2016 Vol 12, No 1: Pebruari 2016 Vol 11, No 2: Agustus 2015 Vol 11, No 1: Pebruari 2015 Vol 10, No 2: Agustus 2014 Vol 10, No 1: Pebruari 2014 Vol 9, No 2: Agustus 2013 Vol 9, No 1: Pebruari 2013 Vol 7, No 2: Agustus 2011 Vol 6, No 2: Agustus 2010 Vol 6, No 1: Pebruari 2010 Vol 4, No 1: Pebruari 2008 Vol 2, No 2: Agustus 2006 More Issue