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.
Kopi merupakan spesies tanaman dengan bentuk pohon yang dijadikan sebagai bahan baku dalam pembuatan minuman-minuman kopi. Akan tetapi pada produksinya terdapat permasalahan umum yang masih sering terjadi yaitu adanya hama atau penyakit yang menyerang pada bagian daun kopi sehingga berdampak pada pertumbuhan tanaman kopi tersebut dan berakibat terjadi penurunan produksi kopi. Pengenalan penyakit dan hama pada daun kopi masih menggunakan proses manual sehingga bisa memperlambat proses deteksi serta penanganan penyakit dan hama tersebut, oleh karena itu perlunya pendeteksian otomatis sehingga dapat mendeteksi tahap awal hama dan penyakit pada daun kopi tersebut. Deteksi otomatis dapat dilakukan dengan menerapkan teknologi Computer Vision yaitu Image Classification dan metode Machine Learning. Penelitian ini bertujuan untuk menghasilkan metode yang dapat mengklasifikasikan penyakit dan hama pada daun kopi dengan menggunakan algoritma Machine Learning Random Forest dengan menambahkan kombinasi ekstraksi fitur Haralick dan Color Histogram. Hasil penelitian menunjukkan performa yang sangat baik dimana nilai akurasi yang diperoleh sebesar 98,86%.
Gangguan fungsi tiroid seringkali sulit diidentifikasi karena gejalanya tidak spesifik. Gejala gangguan tiroid sangat mirip dengan berbagai keluhan akibat gaya hidup modern sehingga sangat sering diabaikan. Akibatnya pasien seringkali tidak menyadari ada masalah dan tidak memeriksakan diri ke dokter. Untuk itu, diperlukan sebuah penelitian yang menerapkan metode untuk memprediksi penyakit tersebut yang nantinya akan mempermudah pasien dalam mendiagnosa dan deteksi dini terhadap kadar tiroid. Penelitian ini bertujuan untuk melakukan prediksi terhadap penyakit tiroid dengan data yang digunakan adalah data sekunder yang diperoleh dari UCI repository, data ini berisi tentang data pasien yang terkena penyakit tiroid, sedangkan metodenya menggunakan algoritma J48 karena dalam beberapa penelitian, algoritma J48 terbukti memiliki performa yang baik dalam mendeteksi suatu penyakit, serta menghasilkan nilai accuasy dan AUC yang tinggi. Tahapan analisa data dilakukan berdasarkan metode CRISP-DM sedangkan pengujian algoritma dilakukan dengan tools Weka. Hasil dari pengujian tersebut diperoleh nilai akurasi sebesar 99.645%, dan nilai AUC sebesar 0,992 dengan demikian akurasi memiliki tingkat Excellent Classification.
Iris mata terletak di antara kornea mata dan lensa mata, yang berfungsi untuk mengontrol intensitas atau jumlah cahaya yang masuk dengan cara melebarkan dan mengecilkan pupil. Setiap orang memiliki iris yang berbeda dan memiliki stabilitas sepanjang hidup, kecuali terjadi kerusakan yang tidak disengaja pada iris seperti terjadi kecelakaan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dan identifikasi pengenalan citra iris dengan menggunakan metode pembelajaran atau machine learning. Metode yang diusulkan dalam penelitian ini adalah penerapan ekstraksi fitur seperti HOG, Hu-Moments, dan Haralick dengan algoritma klasifikasi yang terdiri dari LR, LDA, KNN, RF, CART, NB, dan SVM. Berdasarkan hasil pengujian yang telah dilakukan dalam mengklasifikasikan iris dapat disimpulkan bahwa penggunaan ekstraksi fitur sangat berpengaruh pada nilai akurasi yang dihasilkan. Dalam hal ini nilai akurasi terbaik diperoleh dari penggabungan ekstraksi fitur HOG dan haralick pada algoritma Random Forest dengan nilai akurasi sebesar 81.38℅.
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.