cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bogor,
Jawa barat
INDONESIA
Jurnal Ilmu Komputer dan Agri-Informatika
Published by Institut Pertanian Bogor
ISSN : 20896026     EISSN : -     DOI : -
Core Subject : Science, Agriculture,
Agriculture, Biological Sciences & Forestry Computer Science & IT
Jurnal Ilmu Komputer dan Agri-Informatika (JIKA) diterbitkan setiap bulan Mei dan November, memuat tulisan ilmiah yang berhubungan dengan bidang Ilmu Komputer serta aplikasi informatika untuk pengembangan pertanian. Berkala ilmiah ini menerima tulisan hasil penelitian dari luar IPB.
Arjuna Subject : -
Articles 10 Documents
 1 
Search results for , issue "Vol. 11 No. 2 (2024)" : 10 Documents clear
Analisis Sistem Informasi Repositori Institusional Menggunakan Metode PIECES (studi kasus: Politeknik Kemenkes Palu): Institutional Repository Information System Analysis Utilizing the PIECES Method (case study: Polytechnic of the Ministry of Health in Palu) Yani Nurhadryani; Irman Hermadi; Indah Pratiwi
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.133-142

Abstract

Perkembangan teknologi informasi dan komunikasi telah berkembang secara signifikan dan dapat diterapkan di segala bidang. Di lembaga pendidikan, teknologi sangat dibutuhkan untuk pengolahan data dan sumber informasi, termasuk dokumentasi digital karya intelektual seperti karya ilmiah. Repositori merupakan salah satu cara untuk menjadi sarana penyimpanan karya – karya intelektual dari civitas akademik pada perguruan tinggi. Terintegrasi dari repositori universitas dan lembaga penelitian di Indonesia. Politeknik Kesehatan Kemenkes Palu sudah memiliki repositori, namun perlu pengaturan lebih lanjut untuk mengoptimalkan pemanfaatannya. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kondisi sistem informasi repository di Politeknik Kesehatan Kemenkes Palu yang telah beroperasi. Metode PIECES digunakan untuk analisis ini, diharapkan dapat menghasilkan proposal yang lebih baik untuk sistem informasi repositori institusional. Data dikumpulkan dengan menggunakan skala Likert yang meliputi lima jenis nilai predikat mulai dari yang paling positif hingga yang paling negatif. Selain itu, penelitian ini menggunakan diagram RACI untuk menentukan tugas dan posisi yang bertanggung jawab atas website repositori. Uji validitas dan reliabilitas dilakukan untuk memastikan keabsahan dan keandalan data yang diperoleh dari kuesioner.
Klasifikasi Daerah Penangkapan Ikan Menggunakan Algoritma Random Forest dan Support Vector Machine Kurnianto, Andi; Imas Sukaesih Sitanggang; Medria Kusuma Dewi Hardhienata
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.100-110

Abstract

Kondisi ekonomi nelayan tradisional masih berada di lingkaran kemiskinan sehingga diperlukan solusi untuk meningkatkan kesejahteraan. Salah satu solusi adalah dengan menggunakan teknologi informasi mengenai daerah penangkapan ikan, sehingga nelayan dapat menghemat bahan bakar dan menambah jumlah tangkapan. Informasi daerah penangkapan ikan dapat di tentukan dengan cara mengolah data citra satelit dan menggunakan teknologi machine learning. Penelitian ini bertujuan membuat model yang dapat melakukan menklasifikasi daerah penangkapan ikan menggunakan algoritma Random Forest dan Support Vector Machine menggunakan data citra satelit laut jawa dan sekitarnya dari tahun 2019-2021 dengan menggunakan parameter klorofil, suhu permukaan laut, salinitas, ketinggian dan suhu air laut. Hasil penelitian ini menunjukan parameter klorofil mempunyai peran paling besar sebesar 77.14% dalam menentukan daerah penangkapan ikan. Hasil nilai precision yang dihasilkan algoritma Support Vector Machine (99.83%) lebih tinggi dibanding dengan yang dihasilkan algoritma Random Forest (99.80%). Meski demikian model klasifikasi yang dihasilkan algoritma Random Forest mempunyai nilai accuracy (99.90%), recall (100%) dan F1 score (99.90%) yang lebih tinggi dibanding dengan yang dihasilkan algoritma Support Vector Machine dengan nilai accuracy (99.89%), recall (99.96%) dan F1 score (99.89%).
Identifikasi Kematangan Tomat dengan Principal Component Analysis dan K-Nearest Neighbour Berdasarkan Citra Warna Khairani; Sitanggang, Imas Sukaesih; Haryanto, Toto; Kustiyo, Aziz
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.122-132

Abstract

Penentuan tingkat kematangan tomat secara manual memiliki kelemahan karena standar yang subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat berbasis representasi warna Hue Saturation Value (HSV) menggunakan Principal Component Analysis (PCA) sebagai ekstraksi ciri dan K-Nearest Neighbor (KNN) untuk klasifikasi. Penelitian ini menggunakan 400 citra dengan resolusi spasial 400x400 yang dikelompokkan dalam 5 tingkat kematangan yaitu green, turning, pink, light red dan red. Data terbagi menjadi data latih dan data uji dengan rasio 80:20. Skenario yang diberlakukan merupakan pembagian data ruang warna yaitu Hue (H), Saturation (S), Value (V), Hue-Saturation (HS), Hue-Value (HV), Saturation-Value (SV) dan HSV. Nilai k sebagai tetangga pada KNN yang dijadikan sebagai skenario adalah 1, 3, 5, 7, 9 dan 11. Adapun nilai principal componen yang diterapkan sebesar 5, 10, 15 dan 65 dengan varian rasio 95%. Hasil penelitian menunjukkan bahwa dengan K=7 dan nilai PC =5 menghasilkan nilai akurasi tertinggi dengan persentase 94% pada pengujian HV. Hasil penelitian ini menunjukkan bahwa dengan klasifikasi data uji sebanyak 80 data citra, didapatkan hasil sebanyak 75 data hasil akurat dan 5 data yang tidak akurat.
SAE-DNN-GA: Sebuah Pendekatan Klasifikasi Multilabel dalam Prediksi Senyawa Herbal Potensial Untuk Penyakit COVID-19 Wijaya, Eko Praja Hamid; Kusuma, Wisnu Ananta; Wijaya, Sony Hartono
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.111-121

Abstract

COVID-19 adalah penyakit dengan laju penyebaran yang tinggi. Percepatan proses penemuan obat untuk penyakit tersebut sangat dibutuhkan. Penggunaan kembali obat (drug repurposing) merupakan salah satu alternatif dalam pengembangan dan penemuan obat dengan biaya murah serta waktu yang singkat. Tanaman herbal dapat digunakan sebagai obat dengan khasiat yang lebih baik, efek samping yang lebih sedikit, dan lebih murah. Prediksi interaksi obat-target dan penggunaan kembali obat dapat digunakan untuk mengeksplorasi senyawa herbal potensial. Penelitian ini mengatasi kelemahan klasifikasi biner dengan model DSSL-DTI (Deep Semi Supervised Learning-Drug Target Interaction) yang dioptimasi menggunakan Algoritma Genetika. Tujuan penelitian ini adalah mendeteksi kemungkinan adanya hubungan antar label menggunakan pendekatan klasifikasi multilabel dengan model yang dioptimasi. Data yang digunakan penelitian ini antara lain: data protein, data interaksi senyawa-protein, dan data senyawa herbal. Data protein diperoleh dari situs GeneCards yang berisi kumpulan protein yang berasosiasi dengan COVID-19 dan ditemukan pada manusia. Data interaksi senyawa-protein diperoleh dari situs DrugBank dan SuperTarget. Adapun data senyawa herbal diperoleh dari HerbalDB. Hasil penelitian menunjukkan bahwa dengan menggunakan model SAE-DNN-GA yang diusulkan, prediksi senyawa herbal menghasilkan sepuluh senyawa yang berinteraksi dengan dua protein bernilai relevansi tertinggi, yaitu protein INS (7.094) dan ALB (3.178). Hasil ini diharapkan mampu meningkatkan hasil prediksi kandidat senyawa herbal sebagai obat penyakit COVID-19 menjadi lebih akurat.
EVALUATION OF SIDALIH IMPLEMENTATION USING PIECES FRAMEWORK Yulianto, Yulianto; Huda, Miftahul
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.156-171

Abstract

Various organizations including government (e-government) have used information technology to support services to the community. Indonesia is one of the major democracies and has implemented e-government in the field of democracy, commonly called e-democracy in the form of applications used to support the implementation of the 2024 election stages, one of which is SIDALIH. The preparation of the voters list is a very important stage to ensure the sovereign rights of citizens. The preparation of the voter list took a long time but until the last election in 2019 there were still various problems, including voters who had not been recorded in the DPT, fake voters, multiple voters, data disabilities, and abnormal data. Bawaslu's findings that 1,013,366 DPTs that were declared double were distributed in seventy-five districts/cities. Research on the use of SIDALIH in the 2024 election using the pieces framework. The variables in this study are performance, information and data, economics, control and security, efficiency, and service. The population in this study were all SIDALIH users in Kebumen Regency, while the sample was 320 from the organizers of the Kebumen Regency KPU. Data analysis was carried out using SmartPLS 3.0, including the outer model test, inner model including the R² test. The results showed that as many as 2 variables, namely performance and efficiency, had no influence on user satisfaction, and the variables of information and data, economics, control and security, service had a positive and significant influence on user satisfaction. Together the pieces framework has a contribution of 64.2% to user satisfaction, while 35.2% is influenced by other variables.
Perbandingan Kinerja Algoritma Random Forest, AdaBoost, dan XGBoost Dalam Memprediksi Resiko Penyakit Osteoporosis Supriyanto, Raden; Alfianti, May Linda Tri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.172-184

Abstract

Penyakit tulang yang disebut osteoporosis ditandai oleh berkurangnya massa tulang dan meningkatnya kerapuhan, yang meningkatkan kemungkinan patah tulang terutama pada pinggul, tulang belakang dan pergelangan tangan. Penyakit ini dapat dialami oleh perempuan dan laki-laki, khususnya usia tua. Penyakit ini umumnya tidak menimbulkan gejala pada tahap awal, sehingga prediksi dini sangat penting untuk pencegahan dan penanganan. Tujuan dari penelitian ini adalah untuk membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Random Forest, AdaBoost dan XGBoost, dalam memprediksi resiko osteoporosis. Dataset yang digunakan berjumlah 1781 data dengan tiga skema pembagian data 80:20, 70:30 dan 60:40. Pada algoritma Random Forest, skema 80:20 memberikan hasil terbaik dengan akurasi 87,11%, dan presisi 89,09%. Sementara itu, algoritma AdaBoost menunjukkan performa terbaik pada skema 60:40 dengan akurasi 92,01% dan presisi 93,13%. Algoritma XGBoost menunjukkan hasil terbaik pada skema 80:20 dengan akurasi 90,20% dan presisi 90,77%. Hasil penelitian menunjukkan bahwa algoritma AdaBoost memiliki kinerja terbaik di antara ketiga algoritma yang diuji. Setelah itu mengimplementasikan model prediksi resiko osteoporosis ke dalam website, yang memungkinkan pengguna melakukan prediksi berdasarkan 14 variabel: umur, jenis kelamin, riwayat keluarga, etnis, penggunaan obat, riwayat patah tulang, perubahan hormonal, asupan vitamin D, asupan kalsium, berat badan, aktivitas fisik, konsumsi alcohol, merokok dan kondisi medis.
Analisis Kinerja Komunikasi Data Berbasis LoRa pada IoT untuk Pemantauan Lingkungan Kandang Ayam Akbar, Auriza Rahmad; Maxiwinata, Maxdha; Rahmawan, Hendra; Wahjuni, Sri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.195-204

Abstract

Teknologi IoT dapat mempermudah peternak dalam memantau kandang ayam dari jauh. Teknologi LoRa cocok untuk diterapkan untuk implementasi IoT pada lingkungan kandang yang umunya berada jauh dari pemukiman penduduk, karena memiliki jarak jangkauan yang jauh dan hemat dalam penggunaan daya. Penelitian ini bertujuan untuk mengimplementasikan dan menguji kinerja IoT menggunakan LoRa dengan modul RFM95W pada lingkungan kandang ayam. Kinerja yang diamati berupa jarak, kekuatan sinyal, dan keberhasilan transmisi data. Pengujian yang dilakukan adalah pengujian fungsional dan pengujian kinerja dengan antena 3 dBi dan 5 dBi pada SF7. Hasil pengujian fungsional berhasil mengirimkan data ke Thingspeak. Hasil pengujian menggunakan antena 5 dBi mendapatkan hasil yang lebih baik dibandingkan dengan antena 3 dBi. Untuk skenario tanpa halangan, jarak terjauh adalah 400 m dengan error rate 15% dan untuk skenario dengan halangan jarak terjauh adalah 80 m dengan error rate 5%.
I-NusaPlant Apps : Indonesian Medical Plants Identification Using Convolutional Neural Network With Pre-trained Model MobileNetV2 Khaira, Ulfa; Saputra, Edi; Adriadi, Ade
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.185-194

Abstract

Indonesia has about 30,000 different kinds of medicinal plants, which is a very large number compared to the total of 40,000 that exist all over the world. In fact, Indonesia, along with other Asian countries like China and India, has one of the highest concentrations of medicinal plants in the world. An expert is required to identify functional medicinal plants, but the number that such experts is quite limited. Convolutional Neural Networks (CNNs) and transfer learning can be very effective tools for identifying Indonesian medical plants. These methods have been shown to be highly accurate at classifying different objects. Transfer learning was used because it can reuse the knowledge gained from previous training, which speeds up the process and improves accuracy. This study used 5,000 images divided into 20 categories. The MobileNetV2 model was used, and it achieved 100% accuracy for all categories in the experiments. The Identification Indonesian Medical Plants method in this study has been implemented in the I-NusaPlant mobile-based application. The app's performance was tested, and it was found to use a maximum of 17% CPU and 197 MB of memory. This app works on all Android versions from 8.0 to 13.
Pengembangan Prototipe Aplikasi Berbasis Blockchain dan QR Code dengan Metode ABCDE untuk Rantai Pasok Beras Hermadi, Irman; Wahjuni, Sri; Barlianto, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.205-215

Abstract

The development of blockchain-based applications has the potential to revolutionize transparency and traceability in supply chains. This paper presents the development of Ricetrack, a blockchain and QR Code-based application designed to enhance transparency and traceability in the rice supply chain. Ricetrack was developed using Hyperledger Sawtooth technology with the Agile Blockchain DApp Engineering methodology. The application was prototyped and tested in the rice supply chain at Menata Citra Selaras, Bekasi Regency, Indonesia. Before Ricetrack, traceability and data transparency were very minimal or almost nonexistent, with records maintained manually using paper and/or Microsoft Excel. Prototype testing showed significant improvements in traceability, data transparency, and operational efficiency. Key findings include increased ability to track rice from farmers to consumers, enhanced real-time data access for stakeholders, and reduced errors and time in data recording processes. This study offers valuable insights into the practical challenges and benefits of applying blockchain technology in supply chain management and provides a foundation for further improvement and wider implementation of Ricetrack in the future.
Pengukuran Kesiapan Adopsi Teknologi Informasi Pada Poktan Hidup Baru Dengan Metode Digital Literacy Index Oktadini, Nabila Rizky; Sevtiyuni, Putri Eka; Marjusalinah, Anna Dwi; Akbaroka, Leo; Az Zahra, Cindy Putri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.143-155

Abstract

Although advances in digital technology offer great opportunities to improve efficiency and productivity in agricultural sector, its application has been uneven. Adoption of information technology still faces challenges, especially among farmers. This study aims to measure the readiness of information technology adoption in the Kelompok Tani (Poktan) Hidup Baru, Cempaka District, OKU Timur, using the Digital Literacy Index (DLI) which includes four main pillars such as Digital Skill, Digital Ethics, Digital Safety, and Digital Culture. The results show that farmers' digital literacy index has an average of 2.91, lower than the national average of 3.54. The biggest gap is in the digital skills pillar (2.20), signaling difficulties in operating devices. Meanwhile, digital ethics awareness is quite good (2.87). Education level (r = 0.79) and frequency of internet use (r = 0.97) have positive correlations with digital skills. However, the correlation between digital skills and digital safety was weak (r = 0.14), indicating a lack of understanding of cybersecurity. These findings emphasize the need to improve digital literacy to support technology adoption.

Page 1 of 1 | Total Record : 10

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 12 No. 2 (2025) Vol. 12 No. 1 (2025) Vol. 11 No. 2 (2024) Vol. 11 No. 1 (2024) Vol. 10 No. 2 (2023) Vol. 10 No. 1 (2023) Vol 9 No 2 (2022) Vol 9 No 1 (2022) Vol. 8 No. 2 (2021) Vol 8 No 2 (2021) Vol. 8 No. 1 (2021) Vol. 7 No. 2 (2020) Vol. 7 No. 1 (2020) Vol. 5 No. 2 (2018) Vol. 5 No. 1 (2018) Vol. 4 No. 1 (2015) Vol. 3 No. 2 (2014) Vol 3, No 1 (2014) Vol. 3 No. 1 (2014) Vol. 2 No. 2 (2013) Vol 2, No 2 (2013) Vol. 2 No. 1 (2013) Vol 2, No 1 (2013) Vol 1 No 2 (2012) Vol 1, No 2 (2012) Vol 1, No 1 (2012) Vol 1 No 1 (2012) More Issue