Abstract:Teknologi memiliki peran penting dalam meningkatkan efektivitas konservasi keanekaragaman hayati di tingkat lokal dan internasional. Berbagai inovasi, seperti drone, penginderaan jauh, algoritma pembelajaran mesin, dan DNA…
NA lingkungan (eDNA), memungkinkan pemantauan spesies dan habitat secara real-time, deteksi dini ancaman, serta analisis data berbasis bukti. Teknologi juga memfasilitasi kolaborasi internasional melalui platform berbasis cloud dan program citizen science yang melibatkan masyarakat. Kendati demikian, implementasi teknologi menghadapi tantangan, termasuk biaya tinggi, keterbatasan infrastruktur, dan kebutuhan pelatihan teknis. Dampak negatif, seperti gangguan habitat oleh drone, juga menjadi perhatian. Meskipun demikian, peluang yang ditawarkan teknologi, termasuk peningkatan efisiensi pengelolaan keanekaragaman hayati dan penguatan kesadaran masyarakat, terus berkembang. Dengan pemanfaatan teknologi, tantangan dalam konservasi dapat diminimalkan, mendukung keberlanjutan ekosistem di masa depan.
Abstract:Penipuan uang palsu merupakan masalah serius yang dapat merugikan perekonomian negara dan masyarakat. Seiring dengan kemajuan teknologi, deteksi keaslian uang kertas kini dapat dilakukan menggunakan metode berbasis citra…
digital. Penelitian ini bertujuan untuk mengembangkan sistem deteksi keaslian uang kertas menggunakan pendekatan machine learning dengan memanfaatkan platform Teachable Machine. Sistem ini memanfaatkan citra digital uang kertas yang diambil menggunakan kamera digital untuk dianalisis dan diklasifikasikan berdasarkan keaslian uang tersebut. Data citra uang kertas yang digunakan mencakup gambar dari berbagai sisi dan elemen pengaman pada uang, seperti watermark, benang pengaman, dan cetakan mikroteks. Model machine learning yang diterapkan dilatih dengan berbagai gambar uang kertas asli dan palsu untuk menghasilkan model yang dapat mengidentifikasi perbedaan antara keduanya. Hasil penelitian menunjukkan bahwa sistem ini dapat mendeteksi keaslian uang kertas dengan tingkat akurasi yang tinggi, memberikan solusi praktis dan efisien untuk membantu mendeteksi uang palsu secara cepat dan akurat. Implementasi sistem ini berpotensi untuk digunakan di berbagai sektor, seperti perbankan, ritel, dan pemeriksaan keuangan.
Abstract:Visi computer yang merupakan cabang kecerdasan buatan yang menggunakan citra digital sebagai input data. Penelitian ini bertujuan untuk mengembangkan metode pengumpulan data dalam deteksi warna buah paprika menggunakan citra…
itra digital dan platform Teachable Machine. Metode ini dirancang untuk meningkatkan efisiensi dan akurasi dalam mengidentifikasi variasi warna paprika, yang penting untuk kualitas produk di industri pertanian. Data dikumpulkan melalui pengambilan gambar paprika dalam kondisi pencahayaan yang konsisten, kemudian diproses menggunakan teknik segmentasi warna dan analisis histogram. Model machine learning dilatih menggunakan Teachable Machine, yang memungkinkan klasifikasi warna dengan mudah dan cepat. Hasil evaluasi menunjukkan bahwa model dapat mendeteksi warna paprika dengan akurasi yang memuaskan. Penelitian ini memberikan wawasan penting tentang potensi penerapan teknologi digital dalam pertanian dan membuka peluang untuk pengembangan lebih lanjut dalam deteksi dan analisis kualitas produk pertanian. Dengan demikian, penelitian ini berkontribusi pada peningkatan efisiensi pengelolaan hasil pertanian serta promosi inovasi dalam sektor ini.
Abstract:Penyakit Alzheimer adalah penyakit neurodegeneratif yang mempengaruhi otak dan secara bertahap mengurangi kemampuan seseorang untuk berpikir, mengingat, dan berfungsi secara mandiri. Ini merupakan jenis demensia yang paling…
ing umum, dengan gejala awal yang biasanya terjadi pada individu di atas 65 tahun, meskipun dapat juga terjadi pada usia yang lebih muda. Beberapa gejala awal Alzheimer termasuk lupa akan peristiwa baru-baru ini, kesulitan menyelesaikan tugas sehari-hari, dan kebingungan tentang waktu atau tempat. Gejala penyakit dapat memburuk seiring berjalannya waktu, seperti kehilangan kemampuan berkomunikasi, perubahan suasana hati yang signifikan, dan penurunan fungsi fisik. Diagnosis tahap awal untuk penyakit Alzheimer dapat meningkatkan efisiensi terapi. Deteksi dini penyakit Alzheimer dapat memanfaatkan pendekatan matematis pada data mining untuk menganalisis data. Klasifikasi adalah salah satu metode data mining yang dapat diterapkan untuk pendeteksian dini atau prediksi penyakit Alzheimer. Penelitian yang berkenaan dengan klasifikasi penyakit Alzheimer belum banyak dilakukan. Oleh karena itu, penelitian ini akan membandingkan performa algoritma C4.5 dan algoritma AdaBoost dalam klasifikasi penyakit Alzheimer menggunakan teknik pengujian percentage split dan k-fold cross validation. Selain itu, penelitian ini akan menggunakan metode Algoritma Decision Tree karena dapat ditafsirkan dengan mudah oleh manusia dan memililki akurasi yang tinggi sebesar 26.3%. Dapat mengubah data yang ada menjadi pohon keputusan dan aturan-aturan, sehingga dapat membantu dalam proses pengambilan keputusan yang kompleks menjadi lebih sederhana.
Abstract:Jeruk merupakan komoditas holtikultura dengan nilai ekonomi tinggi di indonesia, namun penyakit Hunglongbing (HBL), yang disebabkan oleh bakteri Candidatus Liberibacter asiaticus (Clas) dan disebabkan oleh vektot serangga…
a Diaphorina citri, menjadi ancaman serius bagi produksi jeruk. Gejala HBL, seperti daun menguning, tunas terhambat, dan buah yang mengerut, menyebabkan penurunan kualitias dan kuantitas hasil jeruk yang signifikan. Deteksi dini penyakit ini sangat penting untuk mengurangi dampaknya, namun deteksi pada tahap awal sering kali terhambat kerena gejala baru muncul pada tahap lanjut. Salah satu solusi yang menjajikan adalah penggunaan teknologi pembelajaran mesin dalam analisis citra digital. Teachable Machine, sebuah Platform dari Google, Digunakan untuk melatih model pembelajaran esin yang dapat mendeteksi gejala HBL pada tanaman jeruk secara cepat dan akurat dengan memanfaatkan citra digital. Data set gambar daun jeruk sehat dan yang terinfeksi HBL diperoleh melalui Platform Pencairan gambar, dan model pelatihan dilakukan dengan menyusaikan parameter seperti epoch, batch size, dan learning rate. Evaluasi model menunjukkan akurasi klasifikasi yang signifikan, memberikan solusi deteksi dini yang efisien dan mudah diakses oleh petani. Penggunaan Teachable Machine menawarkan alternatif praktis bagi petani untuk mengidentifikasi penyakit tahap awal, yang dapat meningkatkan pengelolaan kesehatan tanaman jeruk dan mengurangi kerugian ekonomi akibat HBL. Hasil ini menekankan potensi besar teknologi pembelajaran mesin dalam meningkatkan keberlanjutan pertanian melalui deteksi penyakit yang lebih cepat dan akurat.
Abstract:Gangguan tidur seperti insomnia dan sleep apnea merupakan masalah kesehatan global yang dapat menurunkan kualitas hidup. Deteksi dini terhadap gangguan ini penting dilakukan, khususnya dengan bantuan teknologi seperti algoritma…
goritma data mining untuk meningkatkan ketepatan diagnosis. Data mining adalah bagian esensial dari analitik data dalam disiplin ilmu data science, yang memberikan berbagai manfaat luas dan aplikasi yang relevan. Penelitian ini menggunakan dataset Sleep Health and Lifestyle dari Kaggle untuk mengevaluasi kinerja tiga algoritma data mining, yaitu Naïve Bayes, Support Vector Machine (SVM), dan Neural Network, dalam mengklasifikasi gangguan tidur. Proses pengembangan model mengikuti tahapan CRISP-DM dengan pengujian akurasi menggunakan Cross Validation dan evaluasi menggunakan Confusion Matrix dan kurva ROC. Berdasarkan hasil pengujian, algoritma Neural Network menunjukkan kinerja terbaik dengan akurasi 93,08% dan nilai AUC yang termasuk dalam klasifikasi "Excellent." Temuan ini menunjukkan bahwa Neural Network efektif dalam mengklasifikasi gangguan tidur, sehingga dapat mendukung proses diagnosa dan penanganan gangguan tidur secara lebih akurat.
Abstract:Stunting pada balita merupakan permasalahan kesehatan masyarakat yang serius dan memerlukan penanganan segera melalui deteksi dini yang akurat. CNN (Convolutional Neural Network) merupakan metode yang akurat, efektif dan…
tepat sasaran dalam memberikan hasil yang akurat dan presisi. Implementasi metode CNN dapat mengklasifikasikan status stunting pada balita berdasarkan parameter antropometri dan karakteristik kesehatan. Dataset yang digunakan terdiri dari 6.500 sampel data balita dengan 8 variabel meliputi jenis kelamin, usia, berat lahir, panjang lahir, berat badan, panjang badan, riwayat ASI eksklusif, dan status stunting. Metodologi yang digunakan melibatkan serangkaian tahapan preprocessing data termasuk standardisasi fitur menggunakan StandardScaler, pemisahan data training (80%) dan testing (20%), serta penggunaan arsitektur CNN yang terdiri dari layer konvolusi 1D dengan 32 filter, max pooling, dan dense layer. Model dilatih menggunakan optimizer Adam dengan fungsi loss categorical crossentropy selama 10 epoch dan batch size 32. Evaluasi performa model dilakukan menggunakan berbagai metrik termasuk accuracy, precision, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mencapai performa yang sangat baik dengan akurasi 90%, precision 89%, recall 92%, dan F1-score 91%. Analisis confusion matrix mengkonfirmasi kemampuan model dalam mengklasifikasikan kedua kelas yaitu pada stunting dan non-stunting secara seimbang. Temuan ini mengindikasikan bahwa implementasi CNN efektif dalam mengidentifikasi status stunting pada balita dan berpotensi menjadi alat bantu yang berharga dalam screening stunting di fasilitas kesehatan.
Abstract:Perkembangan teknologi yang pesat mendorong masyarakat untuk beradaptasi dalam aktivitas sehari-hari dengan cara yang lebih mudah, cepat, dan efektif. Salah satu inovasi di bidang administrasi adalah Sistem Informasi Administrasi…
inistrasi Kependudukan (SIAK), yang memungkinkan pembuatan data kependudukan secara cepat dan akurat di seluruh wilayah Indonesia. Pemerintah pusat, melalui Dukcapil Kementerian Dalam Negeri, meluncurkan identitas kependudukan digital sebagai bentuk digitalisasi dokumen kependudukan yang dapat diakses melalui aplikasi di ponsel. Meskipun aplikasi ini memudahkan masyarakat, beberapa pengguna masih menghadapi kendala, terutama terkait keamanan data. Sebagai solusi keamanan, teknologi pengenalan wajah berbasis machine learning menjadi opsi potensial dalam memastikan identitas digital yang lebih aman. Teknik seperti Convolutional Neural Networks (CNN) terbukti efektif dalam mengenali fitur wajah, memungkinkan sistem untuk mengidentifikasi individu dengan akurasi tinggi, terutama dalam konteks keamanan. Namun teknologi ini menghadapi tantangan, seperti variasi pose, pencahayaan, dan ekspresi wajah, yang mempengaruhi kinerja sistem pengenalan wajah. Studi ini mengkaji pentingnya evaluasi model pembelajaran mesin, seperti akurasi dan recall, untuk memastikan efektivitas sistem dalam mendeteksi dan mencegah akses yang tidak sah. Dalam masyarakat, pemerintah memiliki tanggung jawab memberikan layanan optimal sebagaimana diatur dalam Undang-Undang Nomor 25 Tahun 2009 tentang Pelayanan Publik. Optimalisasi informasi teknologi diharapkan memberikan manfaat luas bagi masyarakat, memperkuat peran aparat
Abstract:Stunting merupakan masalah kesehatan serius yang dihadapi oleh balita di berbagai negara, termasuk Indonesia. Stunting terjadi ketika anak mengalami pertumbuhan yang terhambat akibat kurangnya asupan gizi dalam jangka panjang,…
njang, yang dapat berdampak pada perkembangan fisik dan kognitif. Dalam upaya untuk mengatasi masalah ini, diperlukan metode yang efektif dalam mendeteksi dan mengklasifikasikan status gizi balita. Penelitian ini bertujuan untuk mengimplementasikan metode K-Nearest Neighbor (KNN) sebagai teknik klasifikasi untuk mengidentifikasi kasus stunting pada balita. Metode KNN dipilih karena kesederhanaannya dalam menangani data dengan berbagai variabel dan kemampuannya dalam memberikan hasil yang akurat berdasarkan kedekatan fitur antar data. Dalam penelitian ini, dilakukan pengumpulan data status gizi balita dengan berbagai indikator seperti tinggi badan, berat badan, dan umur. Data tersebut kemudian diolah menggunakan algoritma KNN untuk menentukan apakah seorang balita masuk dalam kategori stunting atau tidak. Hasil pengujian menunjukkan bahwa metode KNN mampu memberikan tingkat akurasi yang baik dalam mengklasifikasikan status stunting balita. Dengan demikian, implementasi metode KNN ini diharapkan dapat menjadi salah satu solusi untuk membantu dalam deteksi dini dan penanganan stunting pada balita.
Abstract:Demam tifoid adalah penyakit infeksi akut pada usus halus, dengan gejala demam berlangsung lebih dari seminggu disertai dengan masalah dalam ganggaun pencernaan dengan atau tanpa adanya kehilangan kesadaran. Pemeriksaan…
tubex adalah salah satu uji serologi yang menguji aglutinasi kompetitif semikuantitatif untuk mendeteksi adanya antibodi IgM terhadap antigen lipopolisakarida (LPS) O9 Salmonella typhi dan tidak mendeteksi IgG. Tujuan penelitian ini adalah untuk mengetahui Gambaran Hasil Pemeriksaan Tubex Pada Penderita Demam Tifoid di RSI Malahayati Medan. Jenis penelitian yang digunakan bersifat deskriptif. Penelitian ini dilakukan di laboratorium RSI Malahayati Medan. Waktu penelitian dilaksanakan pada Februari – Mei 2024. Metode pemeriksaan yang digunakan adalah Metode Inhibition Magnetic Binding Immunoassay (IMBI). Sampel dalam penelitian ini adalah serum darah dari 73 orang pasien yang melakukan test tubex demam tifoid di RSI Malahayati Medan. Hasil penelitian mennjukkan bahwa dari 73 sampel yang diperiksa diperoleh hasil 28 sampel negatif (38,4%), 23 sampel positif kuat (31,5%) dan 22 sampel positif lemah (30,1%). Berdasarkan jenis kelamin yang terbanyak yaitu perempuan sebanyak 39 orang (53,4%) dan laki-laki 34 orang (46,6%). Usia yang paling tinggi terkena demam tifoid yaitu usia 12-25 tahun sebanyak 31 orang (42,5%). Skor yang paling sering ditemukan adalah skor 0-2 (Negatif) dengan frekuensi 28 orang (38,4%).