Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Progresif: Jurnal Ilmiah Komputer

progresif
Website

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 508 Documents

18 19 20 21 22

Analisis Employee Satisfaction Menggunakan Teknik Clustering Dan Classification Machine Learning I Ketut Adi Wirayasa; Handri Santoso
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Kepuasan kerja pekerja sangat berhubungan dengan pekerjaan maupun kondisi dirinya ditempat kerja. Tingkat kepuasan kerja pekerja dapat di analisis dan menjadi bahan evaluasi perusahaan dalam menjalankan bisnis untuk mencapai target yang diinginkan. Kombinasi teknik clustering dan classification merupakan algoritma machine learning yang dapat membantu bagian Sumber Daya Manusia dalam menganalisis dan prediksi tingkat kepuasan kerja pekerja di perusahaan. Teknik clustering yang digunakan dalam penelitian ini adalah KMeans dan teknik classification menggunakan algoritma classificafier dari library Pycaret. Hasil analisis dari penggunaan teknik clustering dan classification dari ke-5 model classifier yang dipilih, 3 model yaitu LightGBM, Catboost dan XGBoost menunjukkan performa yang konsiten dan menghasilkan tingkat accuracy prediksi diatas 98% dengan jumlah cluster ideal 2, ncomponent 27, waktu proses rata-rata setiap model kurang dari 2 menit setiap tahapan proses dan menggunakan K-means clustering.Kata kunci: Kepuasan pekerja; Klaster; Klasifikasi; Pembelajaran mesin Abstract. Job satisfaction of workers is closely related to their work and conditions at work. The level of job satisfaction of workers can be analyzed and become an evaluation material for companies in running a business to achieve the desired target. The combination of clustering and classification techniques is a machine learning algorithm that can assist the Human Resources department with analyzing and predicting the level of job satisfaction of workers in the company. The clustering technique used in this research is K-Means in the classification technique using a binary classification algorithm from the Pycaret library. The results analysis of the clustering and classification techniques from the five selected classifier models, three models namely LightGBM, Catboost, and XGBoost shown consistent performance and the prediction accuracy levels above 98% with the ideal number of clusters 2, n-components 27, the average of processing time each model is less than 2 minutes each stage process and using K-means clustering.Keywords: Employee Satisfaction; Clustering; Classification; Machine Learning

Analisis Dependency Injection dan Model-View-Presenter Pada Aplikasi Berbasis Android Kartarina Kartarina; Apriliansyah Apriliansyah
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Coupling merupakan salah satu indikator kualitas perancangan perangkat lunak terstruktur dan berorientasi objek. Coupling yang ketat akan sulit dirawat sehingga langkah awal mengendalikan Coupling yang baik adalah dengan menerapkan Design Pattern. Eksperimen penerapan Design Pattern membuktikan bahwa design pattern tidak menjamin pengkodean dapat lepas dari Design Smell. Masalah Coupling pada objek yang berkaitan dengan sumber data adalah ketika objek membutuhkan referensi objek Android Context. Android mengumumkan penggunaan Hilt sebagai standar dalam otomatisasi Dependency Injection. Penerapan MVP dapat membantu pengiriman referensi objek Android Context ke Model. Penelitian ini bertujuan menganalisis lebih lanjut untuk mengetahui hasil komparasi metrik kopling objek dari penerapan Dependency Injection secara manual dan otomatisasi pada aplikasi Android. Penelitian ini menghasilkan, otomatisasi penambahan jumlah kopling kelas pada View dan mengurangi kopling kelas pada Presenter. Selain itu, manfaat dari penerapan Dependency Injection secara otomatisasi mengurangi tanggung jawab Class pada Presenter dan menghilangkan Design Smell atau desain yang kompleks, walau begitu, penerapan Dependency Injection secara otomatisasi mempengaruhi pola MVP yang menggunakan Dependency Injection secara manual.Kata kunci: Coupling; Design Pattern; Dependency Injection; Model-View-Presenter Abstract. Coupling is one indicator of the quality for structured and object-oriented software design. Tight couplings will be difficult to maintain so the first step when controlling a good coupling is to apply a Design Pattern. Experiments on the application of Design Patterns prove that design patterns do not guarantee that coding can be separated from Design Smell. Coupling problem with objects related to data sources is that when the object requires an Android Context object reference. Android announced the use of Hilt as standard in Dependency Injection automation. Implementing MVP can help pass Android Context object references to Models. This aims to analyze further to find out the results of the comparison of object coupling metrics from the manual and automated application of Dependency Injection on Android applications. The results of the research, automatic increasing the number classes of coupling on the View and reduce class coupling on the Presenter. In addition, the benefits of implementing Dependency Injection automatically reduces class responsibility on Presenter and Design Smell or complex designs, however, automated Dependency Injection implementation affects the MVP pattern that uses Dependency Injection manually.Keywords: Coupling; Design Pattern; Dependency Injection; Model-View-Presenter

Penerapan Jaringan Saraf Tiruan Backpropagation Dalam Memprediksi Nilai Tukar Petani Wahyudi Ariannor; Muhammad Fajar Razatillah
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Nilai Tukar Petani (NTP) merupakan alat untuk mengukur kemampuan tukar produk yang dijual petani dengan produk yang dibutuhkan petani dalam produksi dan konsumsi rumah tangga. NTP khususnya pada subsektor Tanaman Pangan, seringkali berfluktuasi setiap bulannya, sehingga dipandang perlu untuk diprediksi dengan tepat, agar dapat membantu pemerintah dan pihak terkait mempersiapkan tindakan-tindakan pencegahan seperti menjaga kestabilan harga produksi pertanian dan mengendalikan harga-harga biaya usaha pertanian. Paper ini menguji penerapan Jaringan Syaraf Tiruan (JST) Backpropagation untuk memprediksi NPT pada sub sektor Tanaman Pangan di Provinsi Kalimantan Selatan. Pengujian dilakukan menggunakan 84 data latih dan 36 data uji. Data masukan berupa data deret waktu NPT subsektor Pangan Provinsi Kalimantan Selatan selama 12 bulan sebelumnya untuk memprediksi NPT setiap bulannya selama periode 12 bulan mendatang. Hasil uji menunjukkan nilai presentase error (MAPE) 0,97, atau diperoleh persentase akurasi prediksi sebesar 99,03 %.Kata Kunci: Prediksi; Nilai Tukar Petani; Subsektor Tanaman Pangan; Jaringan Syaraf tiruan; Backpropagation Abstract. Farmer's Exchange Rate is a tool to measure the ability to exchange products sold by farmers with products needed by farmers in household production and consumption. Farmer's Exchange Rate, especially in the Food Crops sub-sector, often fluctuates every month, so it is deemed necessary to predict accurately, in order to assist the government and related parties in preparing preventive measures such as maintaining stability in agricultural production prices and controlling agricultural costs. This paper examines the application of Backpropagation Artificial Neural Networks to predict Farmer's Exchange Rate in the Food Crops sub-sector in South Kalimantan Province. The test was carried out using 84 training data and 36 test data. The input data is in the form of time series data for the Farmer's Exchange Rate of the Food sub-sector of South Kalimantan Province for the previous 12 months to predict the Farmer's Exchange Rate every month for the next 12 month period. The test results show the percentage error value (MAPE) is 0.97, or the percentage of prediction accuracy is 99.03%.Keywords: Prediction; Farmer's Exchange Rate; Food Crops Subsector; Artificial Neural Networks; Backpropagation

Analisis Sistem Seleksi Penerima Beasiswa Kurang Mampu Menggunakan Metode SAW Dan AHP (Studi Kasus: SD-IT Imam Syafii Sampit) Muhammad Yunus; Lukman Bachtiar
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Penetapan penerima beasiswa yang dilakukan dengan cara analisis langsung oleh manajemen Sekolah Dasar-IT Imam Syafii Sampit tanpa menggunakan teknologi komputasi dikhawatirkan akan menghasilkan keputusan yang tidak konsisten, terutama karena data-data calon penerima beasiswa (khususnya data kualitatif) mempunyai kemiripan antara satu dengan yang lainnya, dengan jumlah parameter yang cukup kompleks. Paper ini menyajikan perbandingan akurasi kinerja model Analitycal Hierarchy Process (AHP) murni dan Model Simple Additive Weighting (SAW) berbasis AHP dalam memprioritaskan calon penerima beasiswa, dengan asumsi patokan akurasi adalah Kebijakan Manajemen Sekolah. Lima sampel data calon penerima beasiswa, dengan empat parameter yang terdiri atas: status keberadaan orang tua, penghasilan penanggung keluarga, jumlah bersaudara, pekerjaan penanggung keluarga, diuji untuk menentukan model mana yang menghasilkan keputusan yang paling mendekati Kebijakan Manajemen Sekolah. Hasil uji menunjukkan model SAW memberikan rekomendasi yang lebih mendekati keputusan Manajemen Sekolah dari pada Model AHP murni. Kata kunci: Penerima beasiswa; Prioritas; Simple Additive Weighting (SAW); Analitycal Hierarchy Process (AHP) Abstract. The determination of scholarship recipients carried out using direct analysis techniques by the management of the Imam Syafii Sampit Integrated Islamic Elementary School without using computing technology is feared to result in inconsistent decisions, especially because the data on prospective scholarship recipients (especially qualitative data) have similarities between one and another. others, with a fairly complex number of parameters. This paper presents a comparison of the accuracy of the performance of the pure Analytical Hierarchy Process (AHP) model and the AHP-based Simple Additive Weighting (SAW) model in prioritizing scholarship recipients, assuming the accuracy benchmark is School Management Policy. Five data samples of prospective scholarship recipients, with four parameters consisting of: parental status, income of the family guarantor, number of siblings, occupation of the family guarantor, were tested to determine which model resulted in the closest decision to School Management Policy. The test results show that the SAW model provides recommendations that are closer to school management decisions than the pure AHP model.Keywords: Scholarship recipients; Priority; Simple Additive Weighting (SAW); Analytical Hierarchy Process (AHP)

Model Atap Jemuran Gabah Otomatis Berbasis Mikrokontroler Atmega328 Muhammad Ditie Supiannor; Fitriyadi Fitriyadi; Nidia Rosmawanti
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Proses menjemur gabah secara tradisional di bawah sinar matahari langsung oleh petani masih dianggap kurang efektif, karena harus terus mendapatkan pengawasan agar terhindar dari berbagai masalah seperti guyuran air hujan yang dapat terjadi secara tiba-tiba. Makalah ini menyajikan sebuah model atap jemuran otomatis terkendali mikrokontroler yang dapat menutup dan membuka atap jemuran secara otomatis dengan memanfaatkan sensor hujan dan sensor cahaya. Hasil uji menunjukkan ketika sensor hujan terkena air dalam intensitas tertentu, atap jemuran akan menutup secara otomatis dengan bantuan motor servo dan akan membuka pada keadaan sebaliknya. Demikian juga ketika sensor cahaya mendapatkan sinar cahaya dalam intensitas tertentu akan membuka jemuran, dan akan menutup kembali pada keadaan yang sebaliknya.Kata Kunci: Atap jemuran otomatis; Sensor LDR; Sensor Hujan; Atmega328 Abstract. The process of drying grain traditionally under direct sunlight by farmers is still considered ineffective, because it must continue to get supervision to avoid various problems such as rain that can occur suddenly. This paper presents a microcontroller-controlled automatic clothesline model that can close and open the clothesline automatically by utilizing water sensors and light sensors. The test results show that when the rain sensor is exposed to water in a certain intensity, the roof of the clothesline will close automatically with the help of a servo motor and will open in the opposite situation. Likewise, when the light sensor gets a ray of light in a certain intensity it will open the clothesline, and will close it again in the opposite situation.Keywords: Automatic clothesline; LDR Sensor; Rain Sensor; Atmega328

Implementasi Neural Network Untuk Prediksi Penjualan Produk (Studi Kasus Penjualan Siomay) Agung Firmansyah; Mutaqin Akbar
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Ketepatan prediksi produksi sangat diperlukan dalam usaha penjualan produk, khususnya produk makanan yang bahan bakunya memiliki umur simpan yang pendek. Tulisan ini bertujuan menyajikan model aplikasi sistem berbasis algoritma Neural Network untuk memprediksi jumlah penjualan Siomay di masa datang, sebagai acuan mempersiapkan bahan baku dengan tepat. Prediksi menggunakan data historis sebagai data pelatihan sistem. Uji coba Neural Network menggunakan 357 data historis penjualan, 7 data awal digunakan sebagai referensi, 315 data sebagai data latih, dan 35 data terakhir sebagai data uji. Variabel masukan neural network berupa rerata penjualan 7 hari sebelumnya, nilai penjualan 1 hingga 3 hari sebelumnya, akhir bulan, identifikasi hari diskon/benefit, dan akhir pekan. Pelatihan neural network dilakukan dengan model 7-6-1, 7-7-1 dan 7-8-1 dengan laju pelatihan [0.05, 0.1, 0.5, 1, 2 dan 3]. Dari hasil pengujian menggunakan 35 data uji pada ketiga model didapatkan nilai kesalahan terkecil pada model 7-7-1 dengan Mean Square Error (MSE) 1879.8 dan tingkat akurasi prediksi sebesar 90.8%.Kata kunci: Jaringan saraf tiruan; Data latih; Data uji; Tingkat akurasi; Mean Square Error Abstract. The accuracy of production predictions is very necessary in the business of selling products, especially food products whose raw materials have a short shelf life. This paper aims to present a system application model based on the Neural Network algorithm to predict the number of Siomay sales in the future, as a reference for preparing raw materials appropriately. Prediction uses historical data as system training data. The Neural Network trial uses 357 historical sales data, 7 initial data are used as references, 315 data as training data, and the last 35 data as test data. The input variables for the neural network are the average sales of the previous 7 days, the value of sales from the previous 1 to 3 days, the end of the month, identification of discount/benefit days, and weekends. Neural network training was carried out using 7-6-1, 7-7-1 and 7-8-1 models with training rates [0.05, 0.1, 0.5, 1, 2 and 3]. From the test results using 35 test data on the three models, the smallest error value is obtained in the 7-7-1 model with a Mean Square Error (MSE) of 1879.8 and a prediction accuracy rate of 90.8%.Keywords: Artificial neural network; Training data; Test data; Accuracy level; Mean Square Error

Analisis Permodelan Periodic VRP with Driver-Consistency dan Consistency-VRP with Time-Windows Muhammad Reza Riansyah; Arief Setyanto; Eko Pramono
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Sistem distribusi merupakan bagian penting dalam aktivitas pemasaran untuk mempermudah penyampaian barang dan jasa kepada konsumen. Dalam sistem distribusi terdapat komponen-komponen berupa Pelanggan, Kendaraan, Pengemudi, Rute dan Depot yang menjadi tujuan pendistribusian. Dalam menentukan rute terdapat berbagai masalah yang dapat ditemukan yaitu dengan Vehicle Routing Problem (VRP). VRP digunakan untuk menentukan beberapa rute dimana dalam setiap rute dilalui oleh suatu kendaraan yang memulai perjalanan dari depot awal sampai depot akhir dengan permintaan pasti maupun tidak pasti. Penelitian ini di buat untuk membanding model Periodic VRP with Driver-Consistency (PVRP-DC) dan Consistency-VRP with Time-Windows (ConVRP-TW). Hasil penelitian ini menemukan perbedaan yang dihasilkan pada kedua model tersebut yaitu PVRP-DC dan ConVRP-TW dan VRP lainnya memiliki persamaan untuk mencari solusi rute yang optimal dengan batasan-batasan tertentu. Dengan permodelan PVRP-DC dapat menghemat jarak sebesar 25% dan ConVRP-TW dapat menghemat jarak 26%.Kata kunci: Permodelan; Sistem distribusi; Periodic VRP with Driver-Consistency; Consistency-VRP with Time-Windows Abstract. The distribution system is an important part of marketing activities to facilitate the delivery of goods and services to consumers. In the distribution system there are components in the form of Customers, Vehicles, Drivers, Routes and Depots which are the purpose of distribution. In determining the route, there are various problems that can be found, namely the Vehicle Routing Problem (VRP). VRP is used to determine several routes in which each route is traversed by a vehicle starting from the initial depot to the final depot with definite or uncertain requests. This study was made to compare the Periodic VRP with Driver-Consistency (PVRP-DC) and Consistency-VRP with Time-Windows (ConVRP-TW) models. The results of this study found the differences between the two models, namely PVRP-DC and ConVRP-TW and other VRPs have similarities to find the optimal route solution with certain limitations. By modeling PVRP-DC can save distance by 25% and ConVRP-TW can save distance by 26%.Keywords: Modeling; Distribution system; Periodic VRP with Driver-Consistency; Consistency-VRP with Time-Windows

METODE USER CENTER DESAIN DALAM PENGEMBANGAN MEDIA PEMBELAJARAN ARSITEKTUR NUSANTARA BERBASIS QR CODE Yulia Wahyuningsih
Progresif: Jurnal Ilmiah Komputer Vol 18, No 1: Februari 2022
Publisher : STMIK Banjarbaru

Abstrak. Antarmuka pengguna komputer dengan perangkat lunak merupakan jendela untuk melihat kemampuan sistem dalam membantu memenuhi kebutuhan pengguna, tidak terkecuali pengguna pada usia kanak-kanak. Penambahan animasi membuat aktivitas tradisional mewarnai menjadi lebih kekinian dan menyenangkan, sebab animasi merupakan hal yang menarik perhatian anak, dan di sisi lain Arsitektur Nusantara adalah salah satu budaya bangsa yang wajib dilestarikan. Penelitian ini mengimplementasikan metode UCD (user center design) sebagai metode untuk membangun aplikasi pembaca QR code. Metode berfokus pada pengguna sebagai pusat pengembangan aplikasi, yaitu: menentukan konteks penggunaan, menentukan persyaratan pengguna, menghasilkan solusi desain, dan mengevaluasi desain. Berdasarkan hasil Usability Testing dengan System Usability Scale, Media pembelajaran ini dapat digunakan untuk memperkenalkan Arsitektur Nusantara dengan respon positif dari 16 orang tua responden.Kata kunci: Media Pembelajaran Informal; Arsitektur Nusantara; Interaksi Manusia dan Komputer; User Center Design. Abstract. The user interface with the software is a window into the system's ability to help meet user needs, not applying the user at an early age. The addition of animation makes traditional activities more fun and enjoyable, because animation is something that attracts children's attention, and on the other hand, Archipelago Architecture is one of the nation's cultures that must be preserved. This study implements the UCD (user center design) method as a method for building a QR code reader application. The method focuses on the user as the center of application development, namely: determining the context of use, determining user requirements, generating design solutions, and selecting designs. Results Based on Usability Testing with System Usability Scale, this learning media can be used to introduce Nusantara Architecture with a positive response from 16 respondents' parents.Keywords: Informal Learning Media; Archipelago Architecture; Human and Computer Interaction; User Center Design.

Komparasi Algoritme K-Nearest Neighbors Dan Support Vector Machines Dalam Prediksi Layanan Produk ICONNET I Wayan Ady Purnawibawa; I Nyoman Purnama; I Nyoman Yudi Anggara Wijaya
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Prediction of customer needs is needed to help ICON+ management provide maximum and quality ICONNET services to customers, and is useful for company management in planning related products offered, as well as providing input to management regarding products that are in great demand by customers. This study implements and compares the K-Nearest Neighbor (K-NN) and Support Vector Machine (SVM) algorithms in predicting the service Iconnet products that are most in demand by customers, so as to facilitate ICON+ management in planning customer service provision, and preparing market strategies in the future. future. A total of 3,206 datasets (consisting of 2,565 training data and 641 testing data) ICONNET service enthusiasts for 1 year that have been cleaned, were tested on both algorithms, based on parameters Bandwidth, Request_Date, Status, customer address, and service fee. Algorithm performance accuracy was tested using Cross Validation, Confusion Matrix and ROC curve methods. The results of the accuracy test show that the performance of the K-NN algorithm is more accurate than the SVM algorithm in various test categories.Keywords: Data Mining; Customer interest; Performance Accuracy; Cross Validation; Confusion Matrix Abstrak. Prediksi kebutuhan pelanggan diperlukan untuk membantu manajemen ICON+ menyediakan layanan ICONNET secara maksimal dan berkualitas kepada pelanggan, serta berguna bagi jajaran manajemen perusahaan dalam melakukan perencanaan terkait produk yang ditawarkan, serta memberi masukan pada pihak manajemen mengenai produk yang banyak diminati oleh pelanggan. Penelitian ini mengimplementasikan dan membandingkan algoritme K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) dalam memprediksi layanan produk Iconnet yang paling diminati oleh pelanggan, sehingga dapat mempermudah manajemen ICON+ dalam perencanaan penyediaan layananan pelanggan, dan penyusunan strategi pasar di masa mendatang. Sebanyak 3.206 dataset (terdiri atas 2.565 data training dan 641 data testing) peminat layanan ICONNET selama 1 tahun yang telah dibersihkan, diuji pada kedua algoritme tersebut, berdasarkan parameter Bandwith, Request_Date, Status, alamat pelanggan, dan biaya layanan. Akurasi kinerja algoritme diuji menggunakan metode Cross Validation, Confusion Matrix serta ROC curve. Hasil uji akurasi menunjukkan kinerja algoritme K-NN lebih akurat dari algoritme SVM pada berbagai kategori pengujian.Kata kunci: Data Mining; Minat pelanggan; Akurasi Kinerja; Cross Validation; Confusion Matrix

Model IoT Berbasis Fuzzy Tsukamoto Untuk Penyemprotan Pestisida Otomatis Pada Tanaman Sayur Kubis I Kadek Dwi Antoro Oka; Bagus Putu Wahyu Nirmala; Made Adi Paramartha Putra
Progresif: Jurnal Ilmiah Komputer Vol 18, No 2: Agustus 2022
Publisher : STMIK Banjarbaru

Manually spraying pesticides for pest control on cabbage fields is not efficient, especially on large garden areas. This study presents a model of an Internet of Things (IoT) based automatic pesticide spraying system using the Tsukamoto fuzzy method to make it easier to spray pesticides. A DC diaphragm pump sucks the pesticide liquid from the pesticide holding tank. The pump is connected to a relay as an automatic pump control switch controlled by the ESP 8266 module. Temperature, light, and raindrop sensors are input variables for the Tsukamoto fuzzy method in predicting the right weather conditions for spraying. Separate testing of each sensor is carried out to ensure each sensor has worked properly before being tested in an integrated manner. The results of the integration test on sensors as input variables and buzzers, LEDs, as well as relays and water pumps as output parameters, can work according to the program rules in the microcontroller. The Tsukamoto fuzzy method can also control the spraying time well although it has not yet reached the maximum level of accuracy.Keywords: Microcontroller; ESP 8266; pest; weather Abstrak. Penyemprotan pestisida secara manual untuk pengendalian hama pada lahan sayur kubis tidak efisien, terutama pada lahan kebun yang berukuran luas. Penelitian ini menyajikan model sistem penyemprotan pestisida otomatis berbasis Internet of Things (IoT) menggunakan metode fuzzy Tsukamoto untuk mempermudah melakukan penyemprotan pestisida. Sebuah Pompa diaphragm DC menyedot cairan pestisida dari tangki penampungan pestisida. Pompa terhubung dengan relay sebagai saklar pengendali pemompa otomatis terkendali modul ESP 8266. Sensor suhu, cahaya, dan Raindrop merupakan variable input bagi metode fuzzy Tsukamoto dalam memprediksi keadaan cuaca yang tepat untuk melakukan penyemprotan. Pengujian secara terpisah atas setiap sensor dilakukan untuk memastikan setiap sensor telah bekerja secara tepat sebelum dilakukan pengujian secara terintegrasi. Hasil uji integrasis atas sensor-sensor sebagai variabel input dan buzzer, LED, serta relay dan pompa air sebagai parameter output, dapat bekerja sesuai rule program dalam mikrokontroler. Metode fuzzy Tsukamoto juga dapat mengendalikan waktu penyemprotan dengan baik walaupun masih belum mencapai tingkat ketepatan maksimal.Kata Kunci: Mikrokontroler; ESP 8266; hama; cuaca

Page 20 of 51 | Total Record : 508

18 19 20 21 22

Filter by Year

2006 2026

Filter By Issues

All Issue Vol 22, No 1 (2026): Januari Vol 21, No 2 (2025): Agustus Vol 21, No 1 (2025): Februari 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

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Bahar

Contact Email
bahararahman@gmail.com

Phone
-

Journal Mail Official
puslit.stmikbjb@gmail.com

Editorial Address
-

Location
Kota banjarmasin,

Kalimantan selatan

INDONESIA