Abstract:Abstract: Water irrigation is a crucial aspect of agriculture that often becomes the primary concern for farmers, especially because suboptimal management can lead to decreased crop yields and reduced income. So far, farmers…
mers have been practicing irrigation manually, where plants are watered twice a day, in the morning and evening, based on weather conditions without considering soil temperature or moisture levels. Based on the observations conducted, it was found that excessive water application increases water accumulation, resulting in nutrient loss from the soil and even root diseases. The objective of this study is to develop a system utilizing an ESP32 microcontroller and sensors to detect soil moisture, with a machine learning-based K-Nearest Neighbor (KNN) model, enabling farmers to remotely monitor and control their crops using an Android device. The testing results showed that with input data of 32°C temperature, 40% soil moisture, and 60% air humidity, the system produced a nearest distance of 0.000 and 0.541 from the closest k-nearest neighbors, with a status label of "needs water." As a result, the relay activates the water pump to irrigate the field. Meanwhile, for data with a nearest distance of 0.897, the system identified the status as "does not need water," indicating that the soil remains wet or moist. This study is expected to help reduce farmers' workloads by optimizing water usage according to plant needs and improving crop quality and yield.
Keywords: k-nearest neighbor (KNN); mikrokontroller ESP32; machine learning; water irrigation
Abstrak: Irigasi air merupakan aspek penting dalam pertanian yang menjadi perhatian utama petani, terutama karena pengelolaan yang kurang optimal berdampak pada penurunan hasil panen dan pendapatan. Selama ini, praktik irigasi oleh petani dilakukan secara manual, di mana penyiraman tanaman dilakukan dua kali sehari pada pagi dan sore berdasarkan kondisi cuaca tanpa memperhatikan suhu atau kelembaban tanah. Berdasarkan hasil observasi yang dilakukan, ditemukan masalah yaitu pemberian air secara berlebih menyebabkan akumulasi air meningkat mengakibatkan kehilangan nutrisi tanah dan bahkan penyakit akar. Tujuan penelitian ini menciptakan sistem yang dirancang menggunakan mikrokontroler ESP32 dan sensor untuk mendeteksi kelembaban tanah, dengan model K-Nearest Neighbor (KNN) berbasis machine learning sehingga memudahkan petani untuk mengontrol tanaman mereka dari jarak jauh menggunakan android. Hasil pengujian yang dilakukan dengan data inputan berupa suhu 32°C, kelembaban tanah 40% dan kelembaban udara 60%, sistem menghasilkan jarak terdekat sebesar 0.000 dan 0.541 dari k-nearest terdekat dengan label status "butuh air". Maka relay akan mengaktifkan pompa air untuk mengairi lahan. Kemudian, pada data dengan jarak terdekat 0.897, sistem mengidentifikasi status "tidak butuh air", menunjukkan bahwa kondisi tanah masih basah atau lembab. Penelitian ini diharapkan dapat membantu meringankan beban kerja petani mengoptimalkan penggunaan air sesuai dengan kebutuhan tanaman dan meningkatkan kualitas hasil panen.
Kata kunci: irigasi air; k-nearest neighbor (KNN); mikrokontroller ESP32; machine learning
Abstract:Abstract: Heart disease is one of the leading causes of death worldwide, making early detection and accurate diagnosis crucial for reducing mortality rates and improving patient outcomes. This study aims to evaluate the…
effectiveness of four machine learning algorithms—Logistic Regression, Random Forest, Support Vector Machine (SVM), and K-Nearest Neighbors (KNN)—in predicting heart disease, with a focus on enhancing model performance using Linear Discriminant Analysis (LDA) for feature reduction. Among the models, SVM achieved the highest accuracy at 84.24%, followed by Logistic Regression at 83.70%. Although Random Forest and KNN showed lower accuracies, all models benefited from LDA's dimensionality reduction. This study suggests that SVM, combined with LDA, offers an optimal solution for early and accurate heart disease prediction in the healthcare industry.
Keywords: feature reduction; heart disease; linear discriminant analysis (LDA); machine learning; SVM
Abstrak: Penyakit jantung merupakan salah satu penyebab utama kematian di seluruh dunia, sehingga deteksi dini dan diagnosis yang akurat sangat penting untuk menurunkan angka kematian dan meningkatkan hasil pengobatan pasien. Penelitian ini bertujuan untuk mengevaluasi efektivitas empat algoritma pembelajaran mesin—Regresi Logistik, Random Forest, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN)—dalam memprediksi penyakit jantung, dengan fokus pada peningkatan kinerja model menggunakan Analisis Diskriminan Linear (LDA) untuk reduksi fitur. Di antara model yang diuji, SVM mencapai akurasi tertinggi sebesar 84,24%, diikuti oleh Regresi Logistik dengan 83,70%. Meskipun Random Forest dan KNN menunjukkan akurasi yang lebih rendah, semua model memperoleh manfaat dari reduksi dimensi yang diberikan oleh LDA. Studi ini menunjukkan bahwa SVM yang dikombinasikan dengan LDA merupakan solusi optimal untuk prediksi penyakit jantung secara dini dan akurat dalam industri kesehatan.
Kata kunci: linear discriminant analysis (LDA); machine learning; penyakit jantung; reduksi fitur; SVM.
Abstract:Abstract: Stunting is a chronic or chronic malnutrition that can be seen in the height of toddlers shorter than toddlers their age. the prevalence of toddlers affected by stunting nationally was 37.6 percent (2007) and decreased…
ecreased to 35.8 percent (2010). However, it increased to 37.2 percent (2013) and decreased again to 29.9 percent (2018). The data shows an erratic stunting prevalence. Many factors influence stunting, especially parents' knowledge about balanced nutrition that prevents stunting. Prevention of stunting needs to be done by monitoring nutritional status regularly and fulfilling balanced nutrition for toddlers. For early detection of stunting, an expert system using the Dempster Shafer method is needed. The Dempster Shafer method allows decision making based on various possibilities based on symptoms in toddlers. The results of the expert system calculation show that the Dempster Shafer method can detect stunting in toddlers by more than 90%.
Keywords: dempster shafer; expert system; stunting
Abstrak: Stunting yaitu kekurangan gizi menahun atau kronis yang dapat terlihat pada tinggi badan balita lebih pendek dari balita seusianya. pravelensi balita yang terjangkit stunting secara nasional sebesar 37,6 persen (2007) dan mengalami penurunan menjadi 35,8 persen (2010). Namun meningkat menjadi 37,2 persen (2013) dan menurun kembali menjadi 29,9 persen (2018). Data tersebut menunjukkan pravelensi stunting yang tidak menentu. Banyak faktor yang mempengaruhi stunting khususnya pengetahuan orang tua mengenai gizi seimbang pencegah stunting. Pencegahan stunting perlu dilakukan dengan pemantauan status gizi secara berkala dan pemenuhan gizi seimbang Balita. Untuk deteksi stunting sejak dini dibutuhkan seuatu sistem pakar menggunakan metode dempster shafer. Metode dempster shafer memungkinkan pengambilan keputusan berdasarkan berbagai kemungkinan berdasarkan gejala pada balita. Hasil perhitungan sistem pakar menunjukkan bahwa metode dempster shafer dapat mendeteksi stunting balita lebih sebesar 90%.
Kata kunci: dempster shafer; sistem pakar; stunting
Abstract:Abstract: The increasing number of students at STMIK Royal Kisaran has raised the risk of air pollution caused by vehicle emissions, cigarette smoke, and waste burning, particularly around the campus canteen. The campus's…
s location, which is close to a rubber factory and the Sumatra Crossroad, further exacerbates air quality and significantly impacts the health of individuals active at STMIK Royal. This study aims to develop a system that can measure air quality in real-time and detect pollutants in the campus environment. The system utilizes MQ-135 and MQ-2 sensors integrated with a microprocessor to process and transmit data to an IoT-based database. This research employs a qualitative descriptive method to describe the facts and trends based on the available data. The results indicate that air quality is good in the morning, worsens during the afternoon, and improves again in the evening, reflecting increased pollution during periods of heightened industrial and transportation activities. The implementation of this system is expected to contribute to the creation of a healthier environment and raise awareness about the importance of air quality.
Keywords: air quality; campus environment ; IoT; pollution.
Abstrak: Peningkatan jumlah mahasiswa di Kampus STMIK Royal Kisaran telah meningkatkan risiko polusi udara akibat asap kendaraan, rokok, dan pembakaran sampah, terutama di sekitar kantin kampus. Lokasi kampus yang dekat dengan pabrik karet dan jalan lintas Sumatera sehingga memperburuk kualitas udara dan sangat mempengaruhi kesehatan para individu yang beraktivitas di STMIK Royal. Penelitian ini bertujuan mengembangkan sistem yang dapat mengukur kualitas udara secara real-time dan mendeteksi polutan di lingkungan kampus. Sistem ini menggunakan sensor MQ-135 dan MQ-2 yang terintegrasi dengan mikroprosesor untuk mengolah dan mengirim data ke database berbasis IoT. Penelitian ini menggunakan metode deskriptif kualitatif untuk menggambarkan fakta dan kecenderungan dari data yang tersedia. Hasilnya menunjukkan bahwa kualitas udara baik di pagi hari, memburuk di siang hari, dan membaik lagi di sore hari, menunjukkan peningkatan polusi saat aktivitas pabrik dan transportasi meningkat. Implementasi sistem ini diharapkan dapat mendukung terciptanya lingkungan yang lebih sehat dan meningkatkan kesadaran akan pentingnya kualitas udara.
Kata kunci: IoT; lingkungan kampus; kualitas udara; polusi.
Abstract:Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The…
issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.
Keywords: lung cancer; k-nearest neighbor; classification; machine learning
Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.
Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning
Abstract:Abstract: The development of information technology has significantly impacted the efficiency and effectiveness of information system management, including inventory management. This research aims to implement the Features…
es from Accelerated Segment Test (FAST) method in a web-based Inventory Information System to increase the speed of object detection and recognition in the stock monitoring process. The system development method in this research uses the Framework for the Application of System Thinking (FAST) which consists of 7 development phases. The FAST method helps ensure that the objectives are clear, specific, and achievable, ultimately leading to a more efficient and effective system. Implementing of this method in the web-based Inventory Information System is expected to provide faster and more accurate results in identifying stock changes, thereby minimizing the risk of shortages or excess inventory. Users can easily access real-time stock information via a responsive web interface. The system performance evaluation’s findings demonstrate that the FAST approach can speed up object detection, which benefits inventory management. Implementing the FAST method in a web-based inventory information system can bring many strategic and operational benefits and is expected to significantly increase the efficiency and accuracy of inventory management in an increasingly competitive market.
Keywords: FAST method; inventory; UML;website
Abstrak: Perkembangan teknologi informasi telah memberikan dampak besar terhadap efisiensi dan efektivitas pengelolaan sistem informasi, termasuk dalam hal manajemen persediaan barang. Penelitian ini bertujuan untuk mengimplementasikan metode FAST pada Sistem Informasi inventaris berbasis web guna meningkatkan kecepatan deteksi dan pengenalan objek pada proses monitoring stok barang. Metode pengembangan sistem menggunakan Framework for the Application of System Thinking (FAST) yang terdiri dari 7 fase pengembangan. Metode FAST membantu memastikan bahwa tujuan jelas, spesifik, dan dapat dicapai, yang pada akhirnya menghasilkan sistem yang efisien dan efektif. Implementasi metode ini pada aplikasi inventaris berbasis web diharapkan bisa membagikan hasil lebih cepat dan akurat mengidentifikasi perubahan stok barang, sehingga meminimalkan risiko kekurangan atau kelebihan persediaan. Pengguna dapat dengan mudah mengakses informasi stok barang secara real-time melalui antarmuka web yang responsif.Hasil evaluasi performa sistem menunjukkan bahwa metode FAST mampu meningkatkan kecepatan deteksi objek, sehingga memberikan kontribusi positif terhadap manajemen persediaan barang. Dengan adanya implementasi metode FAST pada Sistem Informasi inventaris berbasis web, dapat membawa banyak manfaat strategis dan operasional dan diharapkan bisa memberikan kontribusi signifikan dalam menaikkan efisiensi dan kecermatan pengelolaan persediaan barang di pasar yang semakin kompetitif.
Kata Kunci: metode FAST; persediaan barang; UML; website
Abstract:Abstract: Abstract: this study evaluates and compares the performance of two edge detection methods Sobel method and Canny method on batik image. Batik images have unique characteristics and complex patterns, making it…
difficult to analyze the edges. This study presents a comparison of the results using sobel and canny edge detection methods on batik kawung images both from peak signal-to-noise reatio and from mean squared error. The results showed that canny edge detection was better than sobel method. This can be seen from the results of PSNR and MSE that is 100%. This analysis is determined by considering factors such as the accuracy of edge detection, sensitivity to noise, and the ability to handle the complexity of batik drawing patterns. The results of this study provide a detailed description of the advantages and disadvantages of each method in the image of batik kawung. The conclusions that can be drawn from this study can provide valuable guidance for choosing the optimal edge detection method in image analysis of batik kawung and others.
Keywords: batik kawung; canny; MSE; PSNR; sobel
Abstrak: Penelitian ini mengevaluasi dan membandingkan kinerja dua metode deteksi tepi metode Sobel dan metode Canny pada citra batik. Gambar batik mempunyai ciri-ciri yang unik dan pola yang kompleks, sehingga menyulitkan analisis tepian. Penelitian ini menyajikan perbandingan hasil menggunakan metode deteksi tepi sobel dan canny pada citra batik kawung baik dari peak signal-to-noise reatio maupun dari mean squared error. Hasil penelitian ini menunjukkan bahwa deteksi tepi canny lebih baik dibandingkan dari metode sobel. Hal ini dapat dilihat dari hasil PSNR dan MSE yang dihasilkan yaitu 100%. Analisis ini ditentukan dengan mempertimbangkan faktor-faktor seperti keakuratan deteksi tepi, kepekaan terhadap noise, dan kemampuan menangani kompleksitas pola gambar batik. Hasil penelitian ini memberikan gambaran secara detail mengenai kelebihan dan kekurangan masing-masing metode pada citra batik kawung. Kesimpulan yang dapat diambil dari penelitian ini dapat memberikan panduan berharga untuk memilih metode deteksi tepi yang optimal dalam analisis citra batik kawung dan yang lainnya.
Kata kunci: batik kawung; canny; MSE; PSNR; sobel
Abstract:Abstract: Facial recognition is widely used in areas such as video surveillance and database management. Facial images have been used as a preferred biometric feature in many identity recognition systems to obtain good image…
mage results in image segmentation. A good image must pay attention to several factors, namely high resolution, good contrast, image sharpness, consistent colors, lack of noise and appropriate lighting conditions. In this face recognition research, using canny edge detection method for 10 original images paired with 10 other images. The original faces taken are male and female. Canny edge detection has a low error rate in image segmentation compared to other edge detections. The purpose of this study is to determine the edge of the image in I-rat and can display the results of a good segmentation of facial images. The results of the test data with data stored in the database in the study is 1 face image produces 67.69% accuracy and 26.92% and 8 other face images produce 100% accuracy. The average success rate of 10 experiments using image segmentation is 89.461%. In conclusion, the canny edge detection method can provide accurate results in the face recognition process.
Keywords: accuracy; canny edge detection; face recognition; image; segmentation
Abstrak : Pengenalan wajah banyak digunakan dalam diberbagai bidang seperti pengawasan video dan manajemen basis data. Gambar wajah telah digunakan sebagai ciri biometrik yang disukai di banyak sistem pengenalan identitas untuk mendapatkan hasil citra yang bagus dalam segmentasi citra. Citra yang baik harus memperhatikan beberapa faktor yaitu resolusi tinggi, kontras yang baik, ketajaman citra, warna yang konsisten, kurangnya noise dan kondisi pencahayaan yang sesuai. Pada penelitian pengenalan wajah ini, menggunakan metode deteksi tepi canny untuk 10 citra asli yang dipasangkan dengan 10 citra lainnya. Wajah asli yang diambil berjenis kelamin laki-laki dan perempuan. Deteksi tepi canny memiliki tingkat kesalahan rendah dalam segmentasi citra dibandingkan dengan deteksi tepi lainnya. Tujuan dari penelitian ini adalah menentukan tepi gambar secara akurat dan dapat menampilkan hasil segmentasi citra wajah yang baik. Hasil dari data uji dengan data yang tersimpan di database dalam penelitian adalah 1 citra wajah menghasilkan akurasi 67,69% dan 26,92% dan 8 citra wajah lainnya menghasilkan akurasi 100%. Rata-rata tingkat keberhasilan dari 10 kali percobaan dengan menggunakan segmentasi citra adalah 89,461%. Kesimpulan, metode deteksi tepi canny dapat memberikan hasil yang akurat dalam proses pengenalan wajah.
Kata Kunci : akurasi; deteksi tepi canny; citra; pengenalan wajah; segmentasi
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: This research aims to develop a method for detecting leaf spot disease in oil palm seedlings using Convolutional Neural Network (CNN). Leaf spot disease in oil palm seedlings can hinder growth and production. CNN…
NN has proven effective in image processing and classification, particularly in plant disease detection. In this study, we utilized a dataset of images containing oil palm seedling leaves infected with leaf spot disease and healthy leaves. We performed data processing, built a CNN model, and conducted hyperparameter tuning. The test results demonstrate that the developed CNN model achieves high accuracy in recognizing and distinguishing between oil palm seedling leaves infected with leaf spot disease and healthy ones. This research contributes to the development of plant disease detection technology that can support economic growth in the oil palm plantation sector.
Keywords: Convolutional Neural Network, image processing, leaf spot disease detection, oil palm seedlings.
Abstrak: Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit bercak pada bibit kelapa sawit menggunakan Convolutional Neural Network (CNN). Bibit kelapa sawit yang terinfeksi penyakit bercak dapat menghambat pertumbuhan dan produksi kelapa sawit. Metode CNN telah terbukti efektif dalam pengolahan citra dan klasifikasi, khususnya dalam deteksi penyakit pada tanaman. Dalam penelitian ini, kami menggunakan dataset citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Kami melakukan processing data, membangun model CNN, dan melakukan tuning hyperparameter. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan memiliki akurasi yang tinggi dalam mengenali dan membedakan citra daun bibit kelapa sawit yang terinfeksi penyakit bercak dan yang normal. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit tanaman yang dapat mendukung pertumbuhan ekonomi di sektor perkebunan kelapa sawit.
Kata kunci: bibit kelapa sawit, Convolutional Neural Network, deteksi penyakit bercak, pengolahan citra.