eJournal PoliTekniK TEGAL (Politeknik Harapan Bersama Tegal)
Not a member yet
3242 research outputs found
Sort by
Penerapan Metode K-Means Clustering Dalam Pengelompokan Penyakit Pada Ayam Kampung Unggul Balibangtan
No full textPenyakit ayam saat ini merupakan salah satu ancaman terbesar pada sebuah peternakan ayam. Penyakit pada ayam bisa disebabkan oleh virus dan bakteri. Ayam KUB merupakan salah satu jenis unggas yang dikembangkan oleh Badan Penelitian dan Pengembangan Pertanian Indonesia, dengan daya tahan tubuh yang baik dan produktivitas tinggi. Kendati demikian ayam KUB ini tetap rentan terhadap berbagai jenis penyakit yang dapat memengaruhi produktivitasnya. Pengelompokan penyakit pada ayam KUB penting untuk dilakukan guna mengidentifikasi pola serangan penyakit serta memberikan langkah preventif yang tepat bagi para peternak. Penelitian ini bertujuan untuk mengelompokkan penyakit yang menyerang Ayam Kampung Unggul Balitbangtan (KUB). Metode yang digunakan pada penelitian ini adalah penerapan machine learning dengan metode K-Means Clustering. Metode ini memiliki beberapa tahapan yaitu penyiapan data, normalisasi data, inisialisasi centroid, mengelompokkan data berdasarkan jarak terdekat, memperbarui centroid, iterasi sampai konvergensi, dan evaluasi hasil. Dataset yang diolah pada penelitian ini bersumber dari pengamatan langsung pada peternakan ayam ASA Farm Padang. Dataset yang digunakan dalam penelitian ini berjumlah 50 dataset yang berasal dari 50 ekor ayam KUB yang masuk kandang karantina pada peternakan tersebut. Pada penelitian ini menghasilkan kelompok penyakit ayam pada 3 kluster yaitu kluster 1 untuk ayam dengan penyakit gejala ringan dengan jumlah sebanyak 12 anggota, kluster 2 dengan penyakit gejala sedang dengan jumlah 14 anggota, dan kluster 3 dengan penyakit gejala tinggi sebanyak 24 anggota. Sehingga penelitian ini diharapkan dapat menjadi acuan bagi peternak, dokter hewan, peneliti selanjutnya atau pihak terkait dalam mengelompokan penyakit pada ayam kampung atau hewan ternak lainya
Perancangan Sistem Inventory Barang Dagang Di Toko Juvarash Collection
No full textAbstrak: Toko Juvarash Collection mengalami tantangan dalam pengelolaan stok barang dagangan, terutama karena pencatatan stok dilakukan secara manual. Pencatatan manual ini menyebabkan kesalahan rata-rata 2 hingga 3 kali per bulan, yang berujung pada barang-barang populer habis dalam 2 hingga 3 hari, mengakibatkan potensi penurunan penjualan dan ketidakpuasan pelanggan. Untuk mengatasi masalah ini, dirancanglah sistem inventory berbasis web yang dilengkapi dengan fitur pemantauan stok secara real-time. Sistem ini memungkinkan pengelola toko untuk memantau stok secara akurat, meminimalkan risiko kehabisan barang, dan memastikan ketersediaan produk favorit pelanggan. Implementasi sistem ini diharapkan dapat meningkatkan akurasi pencatatan stok hingga 95%, mengurangi kesalahan pencatatan yang disebabkan oleh human error. Selain itu, sistem ini dirancang untuk menangani 50 hingga 100 transaksi per bulan, memastikan kelancaran operasional harian toko. Sistem ini juga diproyeksikan mampu meningkatkan efisiensi operasional toko hingga 85%, dengan mempercepat pengambilan keputusan yang lebih tepat dan andal. Dengan begitu, sistem ini akan membantu toko beroperasi lebih efisien dan mendukung pertumbuhan bisnis di masa mendatang.Kata Kunci— Sistem Inventory, Toko Juvarash Collection, Pengelolaan Stok, Efisiensi Operasional
Penerapan Metode Yolov10 Untuk Mendeteksi Penyakit Daun Pada Tanaman Gambir Daun Pada Tanaman Gambir
No full textKemajuan teknologi kecerdasan buatan (Artificial Intelligence) telah memungkinkan berbagai aplikasi dalam bidang deteksi objek dan Pengolahan Citra. Salah satu algoritma yang banyak digunakan adalah You Only Look Once (YOLO). Tujuan dari YOLOv10 diterapkan untuk mendeteksi penyakit daun pada tanaman Gambir (Uncaria Gambir Roxb). Tanaman Gambir memiliki nilai ekonomis tinggi dan merupakan komoditas ekspor utama dari Sumatera Barat, Indonesia. Produktivitas hasil dari tanaman Gambir terancam oleh serangan penyakit seperti Mati Pucuk dan Karat Coklat. Metode YOLOv10 digunakan untuk mendeteksi objek yang memiliki kemampuan dalam mengidentifikasi objek. Petani umumnya mengandalkan metode deteksi konvensional yang kurang efektif, sehingga diperlukan solusi berbasis kecerdasan buatan menggunakan untuk meningkatkan efisiensi dan akurasi dalam mendeteksi penyakit daun pada tanaman Gambir. Penelitian ini menggunakan dataset primer yang terdiri dari 198 gambar penyakit Mati Pucuk dan 186 gambar Karat Daun sehingga total keseluruhan data yaitu 384 gambar. Setelah proses augmentasi data, jumlah gambar meningkat menjadi 2.688 untuk meningkatkan performa model. Model yang dilatih mencapai nilai dengan Precision 100%, dengan Recall 98%, Precission-Recall 94%, dengan akurasi 73% Setelah mendapatkan hasil dari proses Training Data Pengujian deteksi menggunakan metode YOLO model YOLOv10 untuk mengidentifikasi penyakit pada tanaman Gambir. Penelitian ini menunjukkan bahwa YOLOv10 mampu mendeteksi penyakit daun Gambir dengan akurasi yang baik. Metode ini lebih efisien dibandingkan deteksi konvensional, membantu petani dalam identifikasi dini penyakit untuk meningkatkan produktivitas Gambir.Kata Kunci: YOLOv10, Deteksi Penyakit Daun, Kecerdasan Buatan, Pengolahan Citra, Gambir
Smart Security Warung: Sistem Keamanan Berbasis IoT dengan Sensor PIR dan Notifikasi Telegram
No full textPerkembangan teknologi Internet of Things (IoT) telah memberikan solusi inovatif dalam menciptakan sistem keamanan yang efektif dan efisien, terutama bagi pelaku usaha kecil seperti pemilik warung. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem keamanan warung berbasis IoT dengan memanfaatkan sensor Passive Infrared (PIR) sebagai pendeteksi gerakan serta platform Telegram sebagai media notifikasi real-time. Oleh karena itu diperlukan adanya perancangan sistem keamanan yang dapat mengontrol dan memantau dari jarak jauh melalui smartphone yang dapat mendeteksi keadaan sekitar. Camera ESP32 sebagai pengambil gambar visual dan juga mikrokontroler, TTL programer sebagai pemroses data dan modul usb yang sudah terintegrasi jaringan internet. Sedangkan aplikasi telegram digunakan sebagai penampil interface yang telah dikirimkan oleh camera esp. dan sistem ini tingkat keberhasilan nya mencapai 95%. Sedangkan pengukuran delay pada quality of servis pada pengujian ini memilik rata rata delay yaitu Sebesar 14,1854093 ms.
Evaluasi Gemini Flash pada Ekstraksi Jadwal Skripsi Terstruktur dan Tidak Terstruktur
No full textThe administration of thesis seminar and defense scheduling is often hampered by unstructured PDF formats, which increases manual workload and the risk of errors. This study aims to evaluate and compare the performance of three Gemini Flash model variants, namely Gemini 2.0 Flash-Lite, Gemini 2.0 Flash, and Gemini 2.5 Flash Preview, in automating schedule information extraction using a zero-shot prompting approach. The dataset consists of 87 PDF files containing thesis seminar and defense schedules (588 entries) from the 2023/2024 academic year, alongside 200 question scenarios executed in two different context formats: raw extracted text (TXT) and structured JSON data. Performance evaluation metrics include Precision, Recall, F1-score, Exact-Match, and inference latency per request. Experimental results indicate that Gemini 2.5 Flash Preview achieves average F1-scores above 0.98 in both contexts with approximately 3.9 seconds latency. Conversely, smaller-capacity variants (Gemini 2.0 Flash and Flash-Lite) showed more significant performance gains using the JSON format compared to raw text, especially on complex question types such as multi-attribute filtering and list retrieval. Through error analysis, the primary challenge identified was tasks requiring numeric aggregation and determination of superlative values, accounting for approximately 78% of total extraction failures, particularly for lightweight models. A paired t-test indicated no statistically significant difference between the two context formats (average F1 difference = 0.0077; p=0.48). This study recommends the use of explicit numeric prompting or rule-based post-processing when employing lightweight models to significantly improve the accuracy of academic schedule information extraction
Impelementasi Random Oversampling pada Algoritma Random Forest untuk Klasifikasi Indeks Standar Udara di DKI Jakarta 2024
No full textPolusi udara merupakan permasalahan lingkungan global yang berdampak signifikan terhadap kesehatan manusia dan ekosistem, terutama di wilayah perkotaan padat seperti DKI Jakarta. Tantangan utama tidak hanya terletak pada tingginya konsentrasi polutan, tetapi juga pada keterbatasan analisis data kualitas udara yang akurat dan seimbang. Dataset Indeks Standar Pencemar Udara (ISPU) sering mengalami ketidakseimbangan kelas, di mana sebagian besar data berada pada kategori “SEDANG,” sedangkan “BAIK” dan “TIDAK SEHAT” memiliki jumlah yang jauh lebih sedikit. Kondisi ini menyebabkan model machine learning cenderung bias terhadap kelas mayoritas. Penelitian ini menerapkan dan mengevaluasi teknik Random Oversampling (ROS) yang dikombinasikan dengan algoritma Random Forest untuk meningkatkan akurasi klasifikasi ISPU di DKI Jakarta menggunakan data tahun 2024. Tahapan penelitian meliputi pengumpulan data dari portal Satu Data Jakarta, praproses menggunakan imputasi KNN, penyeimbangan kelas dengan ROS, pelatihan model Random Forest, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan peningkatan akurasi dari 96,71% menjadi 97,07%, dengan recall kelas “TIDAK SEHAT” naik dari 0,93 menjadi 0,94, sedangkan kelas “BAIK” tetap di 0,88. Meskipun peningkatan tersebut relatif kecil, ROS membantu menyeimbangkan proses pembelajaran dan meningkatkan stabilitas model. Penelitian ini juga menyoroti keterbatasan ROS yang hanya menduplikasi data tanpa menghasilkan variasi baru, sehingga metode alternatif seperti SMOTE atau ADASYN disarankan untuk penelitian selanjutnya. Secara keseluruhan, integrasi Random Forest dan Random Oversampling berkontribusi dalam mendukung pemantauan kualitas udara berbasis data dan pengambilan keputusan lingkungan di wilayah perkotaan
Enhancing PCOS Classification with Weighted Loss-Based Neural Network on Imbalanced Data
No full textPolycystic Ovary Syndrome (PCOS) represents a multifaceted endocrinemetabolic condition that poses a significant risk to reproductive health in women of childbearing age. The disorder is influenced by various contributing factors and is commonly associated with clinical features such as disrupted ovulation, hormonal imbalance due to excess androgens, and morphological changes in the ovaries. In automated PCOS classification, a major limitation arises from the disproportionate distribution of data samples, in which instances without PCOS considerably outnumber affected cases. This imbalance tends to bias predictive models toward the dominant class, thereby reducing the detection capability for minority instances and increasing the likelihood of missed PCOS diagnoses. To address this issue, this study proposes the incorporation of a Weighted Loss Function into a Neural Network-based classification framework aimed at improving sensitivity to PCOS cases. The research workflow comprises data preprocessing, neural network architecture construction, integration of class-weighted loss, and systematic experimentation across multiple architectural designs and training configurations. The experimental findings demonstrate that applying a Weighted Loss Function with manually assigned class weights of 1:2, a learning rate of 0.001, five hidden layers, and 50 training epochs delivers optimal classification performance. Under these settings, the model achieves high values across evaluation metrics, including precision, recall, F1-score, and overall accuracy, reaching up to 99%. The results confirm that the proposed approach effectively mitigates majority-class bias and enhances the models ability to identify PCOS cases. This improvement is further reinforced through careful hyperparameter tuning and comprehensive experimental evaluation
Pemeriksaan Kesehatan Dari Rumah Ke Rumah Tingkatkan Pola hidup Masyarakat Desa Gununglarang
No full textMasyarakat Desa Gunung Larang, Kecamatan Salem, Kabupaten Brebes, menghadapi berbagai masalah kesehatan yang sebagian besar berkaitan dengan penyakit tidak menular seperti hipertensi, diabetes, serta keluhan nyeri otot dan sendi. Minimnya akses pemeriksaan kesehatan rutin dan kebiasaan mengonsumsi obat warung tanpa pengawasan medis menjadi alasan utama dipilihnya topik pemeriksaan kesehatan gratis sebagai bentuk pengabdian masyarakat. Tujuan kegiatan ini adalah meningkatkan kesadaran masyarakat akan pentingnya deteksi dini, memberikan edukasi pola hidup sehat, serta menjadi sarana pembelajaran bagi mahasiswa dalam mengasah kemampuan profesional. Metode pengabdian dilakukan secara door to door dengan melibatkan 60 warga sebagai mitra, didampingi seorang bidan desa, melalui tahapan silaturahmi, pendataan kesehatan, pemeriksaan tekanan darah, gula darah, asam urat, kolesterol, serta penyuluhan kesehatan. Hasil kegiatan menunjukkan peningkatan softskill mahasiswa berupa komunikasi efektif, kerja sama tim, dan pendekatan persuasif sebesar 80%, serta peningkatan hardskill dalam keterampilan pemeriksaan kesehatan dasar dan edukasi masyarakat sebesar 75%. Kegiatan ini membuktikan bahwa program pemeriksaan kesehatan berbasis masyarakat mampu memberikan manfaat nyata bagi warga sekaligus memperkuat peran mahasiswa dalam pengabdian, sehingga layak untuk dikembangkan secara berkesinambungan
Pemberdayaan Ekonomi Masyarakat Melalui UMKM Kuliner Nasi Cokot Lele Lemah Putro Surabaya
No full textPermasalahan yang dihadapi warga RW 09 Kampung Lemah Putro, Kelurahan Embong Kaliasin, adalah belum optimalnya pemanfaatan potensi lokal dalam pengembangan ekonomi, khususnya sektor kuliner. Topik ini dipilih karena kuliner khas berbasis potensi lokal mampu meningkatkan pendapatan dan memperkuat identitas daerah. Melalui program KKN-Tematik Bela Negara, mahasiswa bersama 15 pelaku UMKM setempat memberdayakan masyarakat dengan inovasi produk Nasi Cokot Isi Ikan Lele. Tujuan pengabdian menciptakan produk unggulan bernilai jual dan mendukung kemandirian ekonomi warga. Metode meliputi lima tahap: perencanaan bersama pengurus RW, uji coba produksi, sosialisasi digital marketing, pendampingan produksi, dan penjualan langsung dengan brand Sego Run. Hasil menunjukkan warga memperoleh keterampilan baru dalam produksi dan pemasaran digital serta mampu menjual produk dengan tampilan menarik; produk menerima respons positif dari segi rasa dan kemasan. Keberhasilan kegiatan ini diperkuat melalui wawancara dengan pelaku UMKM yang menunjukkan peningkatan pemahaman, keterampilan, serta motivasi dalam mengembangkan usaha. Kegiatan ini membuktikan bahwa inovasi kuliner terintegrasi dengan pelatihan kewirausahaan secara langsung memberdayakan masyarakat dan memperkuat ekonomi lokal serta identitas kuliner Kampung Lemah Putro
FORMULASI SERUM NANOPARTIKEL EKSTRAK ETANOL KULIT BUAH KAKAO (Theobroma cacao L.) SEBAGAI ANTIOKSIDAN
No full textAntioxidants are compounds that are able to stop oxidation reactions so that they can inhibit cell damage in the body. Cocoa pods (Theobroma cacao L.) contain polyphenols and flavonoids that function as free radical antidotes. This study aims to determine whether ethanol extract of cacao fruit peel (Theobroma cacao L.) can be formulated as a nanoparticle serum preparation and has antioxidant activity. This research was conducted at the Pharmacognosy, Instrument, and Pharmaceutical Technology Laboratory of STIKes Ibnu Sina Ajibarang. This type of research is descriptive experimental, namely characterisation of ethanol extract of cacao fruit skin with UV-Vis spectrophotometry, preparation of serum nanoparticles; physical evaluation through organoleptic test, homogeneity, pH, viscosity and cycling test and antioxidant activity test with DPPH (1,1-diphenyl-2picrylhydrazyl) method. The results of nanoparticle characterisation obtained a maximum wavelength of 430 nm with an absorbance of 0.353 at a concentration of 5 ppm showed a particle size of 50-60 nm. The results of the physical evaluation of the preparation showed that all formulations F0, FI, FII, and FIII met the requirements of the physical properties test and stability test, so it can be stated that cocoa fruit peel extract can be formulated as a nanoparticle serum preparation. The antioxidant activity test results of F0, FI, FII, and FIII were 5.12 ppm; 4.62 ppm; 4.28 ppm; 3.16 ppm, respectively. So it can be concluded that the most effective nanoparticle serum preparation is FIII with 3% extract concentration