Website merupakan layanan informasi bagi seluruh pengguna yang dapat diakses tanpa batas. Penggunaan website juga banyak digunakan seperti pada dunia pendidikan. Salah satu penerapan website pada dunia pendidikan diterapkan pada kampus Universitas Bina Sarana Informatika yang memberikan layanan website kepada mahasiswa berupa Layanan Akademik Kemahasiswaan (LYKAN). Website LYKAN digunakan sebagai wadah informasi mahasiswa berupa data prestasi, penelitian dan sarana konseling dengan dosen pembimbing akademik. Namun, untuk mencapai hasil website yang lebih baik kedepannya diperlukan sebuah pengembangan dari segi informasi maupun layanan sehingga menghasilkan kualiatas website yang sesuai dengan kebutuhan mahasiswa. Dalam penelitian ini, kualitas dari website LYKAN diukur dengan menggunakan metode Webqual 4.0 sebagai tolak ukur pengembangan sistem dari website tersebut yang didalamnya terdapat variabel yaitu kualitas kegunaan, kualitas informasi dan kualitas interaksi. Dalam menentukan hasil dari ketiga varibel tersebut, digunakan Chi Square Test untuk mengetahui pengaruh variabel tersebut terhadap kepuasan pengguna website. Sumber data pada penelitian ini diperoleh dari hasil pengisian kuesioner yang berasal dari kelas 13.3C.01 dengan jumlah mahasiswa 42 orang dan pengambilan sampel sebanyak 38 responden. Dari penelitian yang dilakukan menggunakan chi square test menghasilkan keputusan bahwa nilai uji menunjukkan X2 sebesar 47,76 sedangkan derajat kebebasan bernilai sebesar 15,07 yang artinya Ha diterima dan H0 ditolak. Hasil tersebut menunjukkan antara kualitas kegunaan, kualitas informasi dan kualitas interaksi memiliki hubungan terhadap kepuasan pengguna website Layanan Akademik Kemahasiswaan (LYKAN). Kata Kunci: Website, LYKAN, Webqual, Chi Square Test, Kepuasan pengguna
Indonesia is an agrarian country, which is a sector that plays an important role most of the Indonesian population makes agriculture the main focus, but the function of rice fields into housing or industry has resulted in a decrease in rice production, in addition to pests, diseases, unfavorable weather, Irrigation is not smooth resulting in less than the maximum yield. For this reason, it is necessary to have technology that can implement the process of detecting rice leaf disease in order to provide information to farmers about rice leaf damage. The most modern approach today can be done with machine learning or deep learning by using various algorithms to improve recognition and accuracy in the detection and diagnosis of plant diseases. Based on this, this study aims to propose a method of classifying rice leaf diseases in order to provide information to farmers about rice leaves which are expected to reduce the disease by detecting the disease early so as to increase rice production. In this study, the classification process is carried out using the augmented image, then the Color Histogram feature extraction method is applied, and the classification is carried out using the Random Forest algorithm. In addition, this study also conducted several comparisons, including feature extraction and yahoo to get the results, and the highest results reached 99.65% of the proposed method. Keywords: Color Histogram; Rice Leaf Disease; Random Forest.
Covid-19 merupakan virus yang menyebar dan meluas sehingga berubah menjadi suatu pandemi. Virus Covid-19 menyerang melalui organ vital manusia yaitu paru-patu, oleh karena itu peneliti lebih berfokus untuk mengidentifikasi Covid-19 pada paru-paru. Penelitian ini dilakukan dengan menggunakan citra CT Scan paru-paru dan bertujuan untuk mendeteksi ada tidaknya virus dengan cara mengklasifikasikan citra Covid-19 ke dalam tiga kelas menggunakan algoritma Random Forest serta mengkombinasikannya dengan menyertakan beberapa ekstraksi fitur yaitu Haralick, Color Histogram, dan Hu-Moments. Penelitian dimulai dengan hanya memasukkan satu fitur ke dalam percobaan, lalu mengkombinasikan dengan fitur yang lain, kemudian membandingkannya menggunakan klasifikasi oleh algoritma lain seperti K-Nearest Neighbor (KNN), Decision Tree, Linear Discriminant Analysis (LDA), Logistic Regression, Support Vector Machine (SVM), dan Naive Bayes. Hasil penelitian menunjukkan bahwa akurasi tertinggi dihasilkan oleh algoritma Random Forest dengan memasukkan fitur Haralick dan Color Histogram ke dalam proses yaitu sebesar 96,9%, diikuti oleh KNN sebesar 96,5%, Decision Tree sebesar 95,5%, dan yang paling rendah yaitu Naive Bayes sebesar 42,4%
Alzheimer merupakan kelainan berupa penimbunan plak atau protein tidak normal dalam otak sehingga menyebabkan hilangnya sel neuron dan menjadi salah satu pemicu penyakit demensia yang dapat mengakibatkan terhambatnya aktivitas sehari-hari karena penurunan daya ingat,kesulitan dalam berkomunikasi, tidak dapat berpikir jernih, terjadinya perubahan sikap dan perilaku hingga menimbulkan hilangnya kemampuan untuk mengurus diri sendiri. Di negara berpenghasilan tinggi penyakit ini diakui berada pada peringkat ke 7 sebagai penyakit fatal yang berujung pada kematian. Akan tetapi hingga saat ini belum ditemukan obat yang dapat menyembuhkan penyakit Alzheimer. Oleh sebab itu pentingnya deteksi dini agar dapat memulai untuk merencanakan perawatan dan kebutuhan medis yang memadai. Penelitian ini bertujuan untuk melakukan deteksi penyakit Alzheimer dengan menerapkan metode klasifikasi Naïve Bayes dan seleksi atribut menggunakan Correlation Based Feature Selection pada dataset OASIS Longitudinal. Tahapan analisa data menggunakan metode CRISP-DM. Hasil penelitian ini, menunjukan bahwa pada pengujian algoritma Naïve Bayes nilai akurasi yang didapatkan sebesar 93,83%, dan kurva ROC yang terbentuk memiliki nilai AUC sebesar 0,937% sedangkan pada pengujian algoritma Naïve Bayes dan Correlation Based Feature Selection menghasilkan nilai akurasi sebesar 94,64% dan kurva ROC yang terbentuk memiliki nilai AUC sebesar 0,945%. Sehingga dapat disimpulkan bahwa penerapan algoritma Naïve Bayes dan metode Correlation Based Feature Selection dapat meningkatkan nilai akurasi.
This research examines how to design an application of an expert system to diagnose Syzygium aqueum (burm.f.alston) plant diseases so that it is easier to detect diseases in the Syzygium aqueum (burm.f.alston) plants. This study uses the Bayes method to be more precise because it is based on the probability value of disease symptoms that arise in Syzygium aqueum (burm.f.alston) plants. In this research, the authors used a web-based application with the Bayes method. The results or outputs from this application provide the probability value of disease certainty and then the hypothesis is chosen with the largest value.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.