Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Simulasi Monte Carlo Dalam Memprediksikan Tingkat Lonjakan Pendaftaran Vaksin Booster Pada Puskesmas Martubung
Get PDFDengan adanya sistem simulasi prediksi jumlah lonjakan pendaftaran vaksin booster ini diharapkan dapat memprediksikan jumlah pendaftar yang akan mendaftar vaksin di puskesmas Martubung. Data yang dikumpulkan kemudian dilakukan observasi secara langsung ke objek dengan cara pengambilan sampel data yang sudah ada sejak tahun 2020 dan 2021 yang nantinya dapat diprediksikan untuk tahun yang berikutnya. Hasil dari pengujian terhadap metode ini adalah dari beberapa banyak jumlah pendaftar vaksin dan akan dilihat tingkat keakuratnya. Maka dapat disimpulkan bahwa penggunaan simulasi Monte Carlo dalam penelitian ini adalah sebagai sebuah metode yang bisa menyajikan sebuah informasi tentang seberapa banyak bilangan acak yang dihasilkan melalui beberapa rangkaian percobaan yang dilakukan. Semakin banyak jumlah bilangan acak yang di uji coba, maka semakin akurat data yang akan dihasilkan. Berdasarkan kepada data yang telah dikumpulkan pada 3 tahun terakhir yaitu tahun 2020, 2021, dan 2023 dapat ditarik kesimpulan bahwa penerapan dari simulasi Monte Carlo dapat digunakan untuk mengukur dan memprediksi tingkat lonjakkan pendaftaran Vaksin Booster pada Puskesmas Martubung. Dengan demikian penerapan simulasi Monte Carlo ini dapat dijadikan sebagai alternatif yang dapat membantu Puskesmas Martubung dalam memprediksi nilai lonjakan serta mengambil kebijakan dalam upaya meningkatkan kualitas dalam pelayanan terhadap pendaftar Vaksin Booster di Puskesmas Martubung.Puskesmas Martubung adalah salah satu layanan kesehatan bagi masyarakat menengah ke bawah yang berada di Kecamatan Medan Labuhan. Dalam rangka meningkatkan layanan kesehatan bagi masyarakat kota Medan, khususnya dalam pemberian vaksin Booster, puskesmas Martubung ikut andil dalam menyediakan layanan vaksin Booster tersebut. Untuk itu bagi warga sekitarnya maupun yang di luar daerah bisa mendapatkan vaksin Booster tersebut dengan cara melakukan pendaftaran terlebih dahulu agar warga yang mendapatkan vaksin Booster terdata dengan baik. Banyaknya animo warga sekitar maupun yang ada diluar daerah untuk mendapatkan vaksin Booster ini sangatlah banyak. Sehingga pihak puskesmas dan jajaranya dapat mempersiapkan vaksin dan ruang tunggu bagi warga yang akan divaksin di puskesmas tersebut. Dengan adanya sistem simulasi prediksi jumlah lonjakan pendaftaran vaksin Booster ini diharapkan pihak puskesmas dapat memprediksikan jumlah pendaftar yang akan mendaftar vaksin Booster di puskesmas Martubung. Data yang dikumpulkan kemudian dilakukan observasi secara langsung ke objek dengan cara pengambilan sampel data yang sudah ada sejak tahun 2020, 2021 dan 2022 yang nantinya dapat diprediksikan untuk tahun yang berikutnya. Hasil dari pengujian terhadap metode ini adalah dari beberapa banyak jumlah pendaftar vaksin dan akan dilihat tingkat keakuratnya. Maka dapat disimpulkan bahwa penggunaan Simulasi Monte Carlo dalam penelitian ini adalah sebagai sebuah metode yang bisa menyajikan sebuah informasi tentang seberapa banyak bilangan acak yang dihasilkan melalui beberapa rangkaian percobaan yang dilakukan. Semakin banyak jumlah bilangan acak yang di uji coba, maka semakin akurat data yang akan dihasilkan. Berdasarkan kepada data yang telah dikumpulkan pada 3 tahun terakhir yaitu tahun 2020, 2021, dan 2022 dapat ditarik kesimpulan bahwa penerapan dari Simulasi Monte Carlo dapat digunakan untuk mengukur dan memprediksi tingkat lonjakkan pendaftaran Vaksin Booster pada Puskesmas Martubung pada tahun 2023 dan tahun yang akan datang. Dimana dari data tahun 2020 dapat di hasilkan simulasi untuk tahun 2021 sebanyak 130 pendaftar, untuk tahun 2022 sebanyak 398 pendaftar dan untuk tahun 2023 sebanyak 236 pendaftar. Dengan demikian penerapan Simulasi Monte Carlo ini dapat dijadikan sebagai alternatif yang dapat membantu Puskesmas Martubung dalam memprediksi nilai lonjakkan serta mengambil kebijakan dalam upaya meningkatkan kualitas dalam pelayanan terhadap pendaftar Vaksin Booster di Puskesmas Martubung.
Abstract
Martubung Community Health Center is a health service for lower middle class communities in Medan Labuhan District. In order to improve health services for the people of Medan City, especially in providing Booster vaccines, the Martubung Community Health Center took part in providing Booster vaccine services. For this reason, local residents and those outside the area can get the Booster vaccine by registering first so that residents who receive the Booster vaccine are properly recorded. There is a lot of interest from local residents and those outside the area to get this booster vaccine. So that the community health center and its staff can prepare vaccines and waiting rooms for residents who will be vaccinated at the community health center. With this simulation system for predicting the number of surges in Booster vaccine registrations, it is hoped that the community health center can predict the number of registrants who will register for the Booster vaccine at the Martubung community health center. The data collected is then carried out directly by observing the object by sampling data that has existed since 2020, 2021 and 2022 which can then be predicted for the following year. The results of testing this method are from a large number of vaccine registrants and the level of accuracy will be seen. So it can be concluded that the use of Monte Carlo Simulation in this research is as a method that can provide information about how many random numbers are generated through several series of experiments carried out. The more random numbers that are tested, the more accurate the data that will be produced. Based on the data that has been collected in the last 3 years, namely 2020, 2021 and 2022, it can be concluded that the application of Monte Carlo Simulation can be used to measure and predict the level of increase in Booster Vaccine registration at the Martubung Community Health Center in 2023 and the coming year. Where from the 2020 data a simulation can be produced for 2021 of 130 registrants, for 2022 of 398 registrants and for 2023 of 236 registrants. Thus, the application of Monte Carlo Simulation can be used as an alternative that can help the Martubung Community Health Center in predicting surge values and taking policies in an effort to improve the quality of service to Booster Vaccine registrants at the Martubung Community Health Center
Prediksi Burnout pada Programmer menggunakan Teknik Pengenalan Pola untuk Identifikasi Dini dana Intervensi
Get PDFBurnout atau kelelahan kerja merupakan sebuah fenomena yang sering dihadapi oleh profesional dalam berbagai bidang, termasuk programmer. Dampak negatif dari burnout mencakup penurunan kesejahteraan individu dan produktivitas kerja. Penelitian ini bertujuan untuk mengembangkan sebuah model prediktif untuk identifikasi dini dan intervensi burnout pada programmer menggunakan teknik pengenalan pola. Data yang digunakan dalam penelitian ini diperoleh dari kuesioner yang mencakup pertanyaan terkait pola kerja, kebiasaan individu, dan indikator burnout berdasarkan kriteria Maslach Burnout Inventory (MBI). Metodologi yang diterapkan melibatkan pengumpulan dan pra-pemrosesan data, ekstraksi fitur, dan aplikasi algoritma pengenalan pola untuk konstruksi model. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengidentifikasi risiko burnout dengan akurasi yang memadai, dan teknik pengenalan pola terbukti efektif dalam menggali pola dan insight yang relevan untuk identifikasi dan intervensi burnout pada programmer.Burnout atau kelelahan kerja merupakan sebuah fenomena yang sering dihadapi oleh profesional dalam berbagai bidang, termasuk programmer. Dampak negatif dari burnout mencakup penurunan kesejahteraan individu dan produktivitas kerja. Penelitian ini berkontribusi pada subjek penelitian dengan mengembangkan sebuah model prediktif yang inovatif untuk identifikasi dini dan intervensi burnout pada programmer menggunakan teknik pengenalan pola. Originalitas penelitian ini terletak pada penerapan teknik pengenalan pola secara khusus pada populasi programmer, yang belum banyak dieksplorasi dalam literatur sebelumnya. Data yang digunakan dalam penelitian ini diperoleh dari kuesioner yang mencakup pertanyaan terkait pola kerja, kebiasaan individu, dan indikator burnout berdasarkan kriteria Maslach Burnout Inventory (MBI). Metodologi yang diterapkan melibatkan pengumpulan dan pra-pemrosesan data, ekstraksi fitur, dan aplikasi algoritma pengenalan pola untuk konstruksi model. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mengidentifikasi risiko burnout dengan akurasi yang tinggi. Teknik pengenalan pola terbukti efektif dalam menggali pola dan insight yang relevan untuk identifikasi dan intervensi burnout pada programmer, sehingga dapat memberikan kontribusi signifikan dalam pemahaman dan pencegahan burnout di kalangan programmer. Penelitian ini diharapkan dapat digunakan sebagai referensi dalam praktik dan penelitian lebih lanjut.
Abstract
Burnout is a phenomenon frequently encountered by professionals across various fields, including programmers. The negative impacts of burnout include reduced individual well-being and decreased work productivity. This study contributes to the subject by developing an innovative predictive model for early identification and intervention of burnout in programmers using pattern recognition techniques. The originality of this research lies in the application of pattern recognition techniques specifically to the programmer population, which has not been extensively explored in previous literature. The data used in this study were obtained from questionnaires that included questions related to work patterns, individual habits, and burnout indicators based on the Maslach Burnout Inventory (MBI) criteria. The methodology involved data collection and preprocessing, feature extraction, and the application of pattern recognition algorithms for model construction. The results indicate that the developed model is capable of identifying burnout risk with high accuracy. Pattern recognition techniques proved effective in uncovering relevant patterns and insights for the identification and intervention of burnout in programmers, thereby making a significant contribution to the understanding and prevention of burnout among programmers. This study is expected to serve as a reference in both practice and further research
Klasifikasi Citra Generasi Artificial Intellegence menggunakan Metodde Fine Tuning pada Residual Network
Get PDFCitra generasi AI memiliki beragam manfaat yang signifikan, baik dalam bidang penelitian maupun industri. Namun, penggunaan citra generasi AI juga memiliki dampak negatif dalam konteks hukum, politik dan berbagai aspek lain dalam kehidupan. Penelitian ini menitik beratkan klasifikasi citra generasi AI yang dapat mendeteksi keaslian dari suatu citra. Metode yang diusulkan adalah menggunakan model residual network yang telah dilakukan fine tuning. Teknik fine tuning yang dilakukan meliputi penggunaan learning rate scheduler berbasis warm up yang diikuti dengan linear scheduler, akumulasi gradien, dan augmentasi citra. Penelitian menunjukkan bahwa model residual network 152 menghasilkan performa terbaik dengan f1 score 0.963 dan loss 0.08.Citra generasi AI memiliki beragam manfaat yang signifikan, baik dalam bidang penelitian maupun industri. Namun, penggunaan citra generasi AI juga memiliki dampak negatif dalam konteks hukum, politik dan berbagai aspek lain dalam kehidupan. Penelitian ini menitik beratkan klasifikasi citra generasi AI yang dapat mendeteksi keaslian dari suatu citra. Metode yang diusulkan adalah menggunakan model residual network yang telah dilakukan fine tuning. Teknik fine tuning yang dilakukan meliputi penggunaan learning rate scheduler berbasis warm up yang diikuti dengan linear scheduler, akumulasi gradien, dan augmentasi citra. Penelitian menunjukkan bahwa model residual network 152 menghasilkan performa terbaik dengan f1 score 0.963 dan loss 0.08.
Abstract
AI-generated images have various significant benefits, both in the realm of research and industry. However, the use of AI-generated images also has negative impacts in legal, political, and various other aspects of life. This research focuses on the classification of AI-generated images that can detect the authenticity of an image. The proposed method involves using a fine-tuned residual network model. The fine-tuning techniques applied include the use of a warm-up-based learning rate scheduler that followed by linear scheduler, gradient accumulation, and image augmentation. The research demonstrates that the Residual Network 152 model achieves the best performance with a f1 score of 0.963 and a loss of 0.08
Analisis Faktor-Faktor Penentu Kepuasan Pengguna Layanan Paylater Dengan Pendekatan Regresi Linier
Get PDFPelanggan suka membayar sekarang dengan uang tunai, kartu debit, dan perbankan online. Di sisi lain, mereka suka membayar nanti dengan pinjaman dan kartu kredit. Bayar nanti yang dikenal sekarang dengan nama paylater semakin populer, dan banyak orang lebih suka menggunakannya daripada cara pembayaran lainnya. Namun, paylater telah memiliki cukup banyak pelanggan untuk studi yang dapat melihat kepuasan pengguna. Oleh karena itu, penelitian ini mencoba mencari tahu faktor apa saja yang membuat pelanggan puas dengan layanan paylater. Metode penelitian yang dipakai adalah kualitatif dengan cara survei terhadap 280 mahasiswa dengan rata-rata kelompok usia 15-20 tahun, adapun faktor-faktor yang diteliti setelah dilakukan studi literatur untuk mencari kekuatan hubungan antara lima variabel independen : program studi, jenis kelamin, pendapatan bulanan, pengeluaran bulanan, dan kesadaran terhadap paylater terhadap variabel dependen, yaitu kepuasan konsumen terhadap layanan paylater, dianalisis menggunakan regresi linier berganda. Hasilnya hanya dua variabel yang berpengaruh positif terhadap kepuasan pelanggan yaitu program studi yang diasumsikan sebagai program studi teknik dan non teknik dan kesadaran terhadap paylater. Kami menyimpulkan bahwa jika ada latar belakang program studi teknik dan non teknik, dengan kesadaran terhdap paylater artinya pengtahuan dari paylater baik dari sisi keuntungan dan segala resikonya meningkat maka kepuasan pelanggan akan tercapai. Temuan penelitian ini menambah apa yang telah diketahui dengan menghubungkan kepuasan pengguna paylater dengan ide-ide yang telah diteliti di lingkungan teknologi lainnya.
Abstract
Customers like to pay now with cash, debit cards, and online banking. On the other hand, they like to pay later with loans and credit cards. Pay later known now as paylater is growing in popularity, and many people prefer to use it over other means of payment. However, paylater has had enough customers for a study that can look at user satisfaction. Therefore, this study tries to find out what factors make customers satisfied with the paylater service. The research method used is qualitative by means of a survey of 280 students with an average age group of 15-20 years, while the factors studied after conducting a literature study to find the strength of the relationship between the five independent variables: study program, gender, monthly income, monthly expenses, and awareness of paylater to the dependent variable, namely customer satisfaction with paylater services, were analysed using multiple linear regression. The results show that only two variables have a positive effect on customer satisfaction: study programme, which is assumed to be engineering and non-engineering study programme, and paylater awareness. We conclude that if there is an engineering and non-engineering study programme background, with an awareness of paylater meaning that the knowledge of paylater both in terms of benefits and risks increases, customer satisfaction will be achieved. The findings of this study add to what is already known by linking paylater user satisfaction to ideas that have been researched in other technology environments.
Pelanggan suka membayar sekarang dengan uang tunai, kartu debit, dan perbankan online. Di sisi lain, mereka suka membayar nanti dengan pinjaman dan kartu kredit. Bayar nanti yang dikenal sekarang dengan nama paylater semakin populer, dan banyak orang lebih suka menggunakannya daripada cara pembayaran lainnya. Namun, paylater telah memiliki cukup banyak pelanggan untuk studi yang dapat melihat kepuasan pengguna. Oleh karena itu, penelitian ini mencoba mencari tahu faktor apa saja yang membuat pelanggan puas dengan layanan paylater. Metode penelitian yang dipakai adalah kualitatif dengan cara survei terhadap 280 mahasiswa dengan rata-rata kelompok usia 15-20 tahun, adapun faktor-faktor yang diteliti setelah dilakukan studi literatur untuk mencari kekuatan hubungan antara lima variabel independen : program studi, jenis kelamin, pendapatan bulanan, pengeluaran bulanan, dan kesadaran terhadap paylater terhadap variabel dependen, yaitu kepuasan konsumen terhadap layanan paylater, dianalisis menggunakan regresi linier berganda. Hasilnya hanya dua variabel yang berpengaruh positif terhadap kepuasan pelanggan yaitu program studi yang diasumsikan sebagai program studi teknik dan non teknik dan kesadaran terhadap paylater. Kami menyimpulkan bahwa jika ada latar belakang program studi teknik dan non teknik, dengan kesadaran terhdap paylater artinya pengtahuan dari paylater baik dari sisi keuntungan dan segala resikonya meningkat maka kepuasan pelanggan akan tercapai. Temuan penelitian ini menambah apa yang telah diketahui dengan menghubungkan kepuasan pengguna paylater dengan ide-ide yang telah diteliti di lingkungan teknologi lainnya.
Abstract
Customers like to pay now with cash, debit cards, and online banking. On the other hand, they like to pay later with loans and credit cards. Pay later known now as paylater is growing in popularity, and many people prefer to use it over other means of payment. However, paylater has had enough customers for a study that can look at user satisfaction. Therefore, this study tries to find out what factors make customers satisfied with the paylater service. The research method used is qualitative by means of a survey of 280 students with an average age group of 15-20 years, while the factors studied after conducting a literature study to find the strength of the relationship between the five independent variables: study program, gender, monthly income, monthly expenses, and awareness of paylater to the dependent variable, namely customer satisfaction with paylater services, were analysed using multiple linear regression. The results show that only two variables have a positive effect on customer satisfaction: study programme, which is assumed to be engineering and non-engineering study programme, and paylater awareness. We conclude that if there is an engineering and non-engineering study programme background, with an awareness of paylater meaning that the knowledge of paylater both in terms of benefits and risks increases, customer satisfaction will be achieved. The findings of this study add to what is already known by linking paylater user satisfaction to ideas that have been researched in other technology environments.
BIJAKAWEB: Platform Berbasis Web Untuk Deteksi Hate Speech Pada Komentar Berita Bahasa Indonesia
Get PDFJumlah pengguna internet di Indonesia telah mencapai lebih dari 221 juta jiwa, mayoritas penduduk Indonesia menggunakan internet dengan tujuan agar tetap update dengan berita terbaru. Detik, Kompas, dan CNNIndonesia merupakan portal berita daring favorit sebagian besar penduduk Indonesia. Fitur komentar pada portal berita yang ada saat ini memungkinkan pembaca berita dapat memberikan umpan-balik terhadap berita, namun sering kali tidak terkontrol, memicu munculnya ujaran kebencian. Meskipun tersedia fitur moderasi seperti "Laporkan", pendekatan manual ini sering kali lambat dan kurang efektif. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis terhadap ujaran kebencian pada komentar berita daring. Proses penelitian dimulai dengan scraping lebih dari 15 ribu data komentar dari portal berita menggunakan library Python, dilanjutkan dengan pelabelan manual ke dalam dua kategori: “Hate” dan “Non-Hate,” dengan jumlah data yang berhasil dilabeli sebanyak 11.478, yang dibagi ke dalam dua kelas seimbang. Dataset yang telah berlabel kemudian digunakan untuk fine-tuning model IndoBERT selama 14 epoch, dengan akurasi terbaik sebesar 95,91% yang dicapai pada epoch ke-14. Model dengan akurasi terbaik diimplementasikan pada platform web yang diberi nama BijakaWeb (Web Bijak Dalam Berkomentar) dengan menggunakan framework Django. Penelitian ini menghasilkan beberapa kontribusi penting, termasuk tersedianya dataset baru untuk penelitian relevan, model fine-tuned IndoBERT baru yang dapat diakses publik di HuggingFace, serta pengembangan platform Website Bijaka dengan menggunakan framework fullstack Django yang mampu melakukan scraping dan prediksi ujaran kebencian secara real-time. Harapannya, penelitian ini dapat membantu portal berita dalam moderasi komentar berita daring dalam melawan komentar yang mengandung ujaran dan menyediakan model yang dapat digunakan serta diadaptasi oleh platform berita daring lainnya untuk mencegah penyebaran ujaran kebencian di internet.
Abstract
The number of internet users in Indonesia has surpassed 221 million, with the majority of the population using the internet to stay updated with the latest news. Detik, Kompas, and CNNIndonesia are among the most popular online news portals for many Indonesians. The comment features on these news portals allow readers to provide feedback on news articles; however, this is often unregulated, leading to the spread of hate speech. Although moderation features like "Report" are available, these manual approaches are often slow and ineffective. This study aims to develop an automatic detection system for hate speech in online news comments. The research process began by scraping over 15,000 comment data from news portals using Python libraries, followed by manually labeling the comments into two categories: "Hate" and "Non-Hate." A total of 11,478 labeled data points were obtained, which were divided into two balanced classes. The labeled dataset was then used to fine-tune the IndoBERT model over 14 epochs, with the best accuracy of 95.91% achieved on the 14th epoch. The model with the best accuracy was implemented on a web platform named BijakaWeb (Web Bijak Dalam Berkomentar) using Django fullstack framework. This research has produced several significant contributions, including the availability of a new dataset for relevant research, a fine-tuned IndoBERT model accessible to the public on HuggingFace, and the development of the BijakaWeb platform using the full-stack Django framework, capable of real-time scraping and hate speech prediction. It is hoped that this research can assist news portals in moderating online news comments to combat hate speech and provide a model that can be used and adapted by other online news platforms to prevent the spread of hate speech on the internet.
Jumlah pengguna internet di Indonesia telah mencapai lebih dari 221 juta jiwa, mayoritas penduduk Indonesia menggunakan internet dengan tujuan agar tetap update dengan berita terbaru. Detik, Kompas, dan CNNIndonesia merupakan portal berita daring favorit sebagian besar penduduk Indonesia. Fitur komentar pada portal berita yang ada saat ini memungkinkan pembaca berita dapat memberikan umpan-balik terhadap berita, namun sering kali tidak terkontrol, memicu munculnya ujaran kebencian. Meskipun tersedia fitur moderasi seperti "Laporkan", pendekatan manual ini sering kali lambat dan kurang efektif. Penelitian ini bertujuan untuk mengembangkan sistem deteksi otomatis terhadap ujaran kebencian pada komentar berita daring. Proses penelitian dimulai dengan scraping lebih dari 15 ribu data komentar dari portal berita menggunakan library Python, dilanjutkan dengan pelabelan manual ke dalam dua kategori: “Hate” dan “Non-Hate,” dengan jumlah data yang berhasil dilabeli sebanyak 11.478, yang dibagi ke dalam dua kelas seimbang. Dataset yang telah berlabel kemudian digunakan untuk fine-tuning model IndoBERT selama 14 epoch, dengan akurasi terbaik sebesar 95,91% yang dicapai pada epoch ke-14. Model dengan akurasi terbaik diimplementasikan pada platform web yang diberi nama BijakaWeb (Web Bijak Dalam Berkomentar) dengan menggunakan framework Django. Penelitian ini menghasilkan beberapa kontribusi penting, termasuk tersedianya dataset baru untuk penelitian relevan, model fine-tuned IndoBERT baru yang dapat diakses publik di HuggingFace, serta pengembangan platform Website Bijaka dengan menggunakan framework fullstack Django yang mampu melakukan scraping dan prediksi ujaran kebencian secara real-time. Harapannya, penelitian ini dapat membantu portal berita dalam moderasi komentar berita daring dalam melawan komentar yang mengandung ujaran dan menyediakan model yang dapat digunakan serta diadaptasi oleh platform berita daring lainnya untuk mencegah penyebaran ujaran kebencian di internet.
Abstract
The number of internet users in Indonesia has surpassed 221 million, with the majority of the population using the internet to stay updated with the latest news. Detik, Kompas, and CNNIndonesia are among the most popular online news portals for many Indonesians. The comment features on these news portals allow readers to provide feedback on news articles; however, this is often unregulated, leading to the spread of hate speech. Although moderation features like "Report" are available, these manual approaches are often slow and ineffective. This study aims to develop an automatic detection system for hate speech in online news comments. The research process began by scraping over 15,000 comment data from news portals using Python libraries, followed by manually labeling the comments into two categories: "Hate" and "Non-Hate." A total of 11,478 labeled data points were obtained, which were divided into two balanced classes. The labeled dataset was then used to fine-tune the IndoBERT model over 14 epochs, with the best accuracy of 95.91% achieved on the 14th epoch. The model with the best accuracy was implemented on a web platform named BijakaWeb (Web Bijak Dalam Berkomentar) using Django fullstack framework. This research has produced several significant contributions, including the availability of a new dataset for relevant research, a fine-tuned IndoBERT model accessible to the public on HuggingFace, and the development of the BijakaWeb platform using the full-stack Django framework, capable of real-time scraping and hate speech prediction. It is hoped that this research can assist news portals in moderating online news comments to combat hate speech and provide a model that can be used and adapted by other online news platforms to prevent the spread of hate speech on the internet.
Perancangan Sistem Automatic Indikator Rumah Sakit menggunakan Metode Agile guna Menunjang Rekam Medis Elektronik
Get PDFPeningkatan mutu rumah sakit membutuhkan indikator pelayanan rumah sakit yang terorganisir dengan baik. Indikator rumah sakit merupakan faktor penentu dalam penilaian suatu rumah sakit. Mutu rumah sakit dapat dilihat dari produktivitas pelayanan yang meliputi aspek medis, administrasi, informasi, dan manajemen. Temuan di lapangan menunjukkan adanya masalah kurang efisiennya pengolahan dan pelaporan data dari ruangan menjadi informasi indikator rumah sakit. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi indikator kinerja kesehatan seperti Bed Turn Over (BTO), Bed Occupancy Index (BOI), Length of Stay (LOS), Turn Over Interval (TOI), Neonatal Death Rate (NDR), dan General Death Rate (GDR) di rumah sakit. Metodologi penelitian melibatkan analisis data rumah sakit yang mencakup kapasitas tempat tidur, lama rawat pasien, interval perubahan tempat tidur, serta tingkat kematian bersih dan kasar. Penelitian ini memberikan gambaran komprehensif tentang kinerja rumah sakit dengan mempertimbangkan beberapa indikator yang saling terkait. Temuan ini dapat menjadi dasar untuk pengembangan strategi perbaikan kinerja rumah sakit dan peningkatan kualitas layanan kesehatan. Dalam konteks ini, penting untuk terus memantau dan mengevaluasi indikator-indikator tersebut guna mendukung pengambilan keputusan yang tepat dalam pengelolaan rumah sakit.Peningkatan mutu rumah sakit membutuhkan indikator pelayanan rumah sakit yang terorganisir dengan baik. Indikator rumah sakit merupakan faktor penentu dalam penilaian suatu rumah sakit. Mutu rumah sakit dapat dilihat dari produktivitas pelayanan yang meliputi aspek medis, administrasi, informasi, dan manajemen. Temuan di lapangan menunjukkan adanya masalah kurang efisiennya pengolahan dan pelaporan data dari ruangan menjadi informasi indikator rumah sakit. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi indikator kinerja kesehatan seperti Bed Turn Over (BTO), Bed Occupancy Index (BOI), Length of Stay (LOS), Turn Over Interval (TOI), Neonatal Death Rate (NDR), dan General Death Rate (GDR) di rumah sakit. Metodologi yang digunakan yaitu pengembangan sistem, mengadopsi metode Agile, yang memungkinkan pengembangan sistem yang lebih fleksibel dan responsif terhadap perubahan kebutuhan. Metode ini mencakup tahapan perancangan, pengembangan, pengujian, dan penerapan yang terstruktur dan berkelanjutan dan penelitian melibatkan analisis data rumah sakit yang mencakup kapasitas tempat tidur, lama rawat pasien, interval perubahan tempat tidur, serta tingkat kematian bersih dan kasar. Selain itu, penelitian ini juga menggunakan beberapa referensi, observasi temuan di lapangan, serta wawancara kepada petugas. Penelitian ini memberikan gambaran komprehensif tentang kinerja rumah sakit dengan mempertimbangkan beberapa indikator yang saling terkait. Hasil temuan ini dapat mempermudah petugas dalam menginput data pasien serta temuan ini dapat menjadi dasar untuk pengembangan strategi perbaikan kinerja rumah sakit dan peningkatan kualitas layanan kesehatan. Dalam konteks ini, penting untuk terus memantau dan mengevaluasi indikator-indikator tersebut guna mendukung pengambilan keputusan yang tepat dalam pengelolaan rumah sakit.
Abstract
Improving hospital quality requires well-organized hospital service indicators. Hospital indicators are a determining factor in assessing a hospital. Hospital quality can be seen from service productivity which includes medical, administrative, information and management aspects. Findings in the field show that there is a problem of inefficient processing and reporting of data from rooms into hospital indicator information. This study aims to analyze and evaluate health performance indicators such as Bed Turn Over (BTO), Bed Occupancy Index (BOI), Length of Stay (LOS), Turn Over Interval (TOI), Neonatal Death Rate (NDR), and General Death Rate (GDR) in hospital.The methodology used is system development, adopting the Agile method, which allows system development that is more flexible and responsive to changing needs. This method includes structured and ongoing stages of design, development, testing, and implementation and the research involves analysis of hospital data including bed capacity, patient length of stay, bed change intervals, and net and crude mortality rates. Apart from that, this research also uses several references, observations of findings in the field, and interviews with officers. This research provides a comprehensive picture of hospital performance by considering several interrelated indicators. These findings can make it easier for officers to input patient data and these findings can be the basis for developing strategies to improve hospital performance and improve the quality of health services. In this context, it is important to continue to monitor and evaluate these indicators to support appropriate decision making in hospital management
Aplikasi Pedagang Keliling Menggunakan Teknologi Geolocation dan Cloud Messaging
Get PDFTeknologi dan internet telah mengubah cara berbisnis, mulai dari proses pencarian ide bisnis hingga cara bertransaksi. Pedagang keliling saat ini justru mengalami kesulitan mendapatkan pelanggan atau pembeli karena persaingan dengan penyedia jasa pemesanan makanan secara online. Pembeli juga terkadang kesulitan mencari pedagang keliling yang dikehendaki karena tidak mengetahui lokasi pedagang keliling yang menjual jajanan yang sesuai keinginannya. Penelitian ini betujuan untuk memudahkan interaksi antara pedagang keliling dan pembeli. Metode yang digunakan menggunakan pendekatan software development life cycle. Penelitian ini menghasilkan aplikasi responsive mobile web yang dapat diakses dengan mudah menggunakan web browser dan internet di ponsel apapun tanpa adanya persyaratan teknologi minimum. Teknologi geolocation pada penelitian ini diimplementasikan dengan menggunakan Mapbox sehingga dapat diketahui lokasi realtime dari pedagang keliling serta lokasi pembeli. Fitur notifikasi menggunakan Firebase Cloud Messaging sehingga dapat memberikan informasi ketika jarak dari pedagang keliling berada tidak jauh dari lokasi pembeli. Berdasarkan hasil pengujian didapatkan bahwa fitur prediksi cuaca ketika berjualan keliling mendapatkan hasil akurasi yang tinggi sebesar 90% serta 89,5% pengguna menyetujui bahwa penerapan hasil penelitian ini dapat mempermudah pertemuan antara pedagang keliling dengan pembeli sehingga meningkatkan transaksi penjualan.Teknologi dan internet telah mengubah cara berbisnis, mulai dari proses pencarian ide bisnis hingga cara bertransaksi. Pedagang keliling saat ini justru mengalami kesulitan mendapatkan pelanggan atau pembeli karena persaingan dengan penyedia jasa pemesanan makanan secara online. Pembeli juga terkadang kesulitan mencari pedagang keliling yang dikehendaki karena tidak mengetahui lokasi pedagang keliling yang menjual jajanan yang sesuai keinginannya. Penelitian ini betujuan untuk memudahkan interaksi antara pedagang keliling dan pembeli. Metode yang digunakan menggunakan pendekatan software development life cycle. Penelitian ini menghasilkan aplikasi responsive mobile web yang dapat diakses dengan mudah menggunakan web browser dan internet di ponsel apapun tanpa adanya persyaratan teknologi minimum. Teknologi geolocation pada penelitian ini diimplementasikan dengan menggunakan Mapbox sehingga dapat diketahui lokasi realtime dari pedagang keliling serta lokasi pembeli. Fitur notifikasi menggunakan Firebase Cloud Messaging sehingga dapat memberikan informasi ketika jarak dari pedagang keliling berada tidak jauh dari lokasi pembeli. Berdasarkan hasil pengujian didapatkan bahwa fitur prediksi cuaca ketika berjualan keliling mendapatkan hasil akurasi yang tinggi sebesar 90% serta 89,5% pengguna menyetujui bahwa penerapan hasil penelitian ini dapat mempermudah pertemuan antara pedagang keliling dengan pembeli sehingga meningkatkan transaksi penjualan.
Abstract
Technology and the internet have changed the way business is done, from the process of searching for business ideas to the way transactions are carried out. Traveling merchants are having difficulty attracting customers due to competition from online food ordering applications. Buyers also find it difficult to find traveling merchants, because they don\u27t know the location of the traveling merchants who sell the snacks they want. This research aims to facilitate interaction between Traveling merchants and buyers in carrying out transactions. The method used is using an agile software development approach. This research produces a responsive web application that can be accessed easily using a web browser and the internet on any cellphone without any minimum technology requirements. The geolocation technology in this research is implemented using Mapbox so that the real-time location of the traveling merchants and the location of the buyer can be known. The notification feature uses Firebase Cloud Messaging so it can provide information when the traveling merchants is not far from the buyer\u27s location. Based on the test results, it was found that the weather prediction feature when selling around got high accuracy results of 90% and 89.5% of users agreed that the application of the results of this research could facilitate meetings between traveling sellers and buyers thereby increasing sales transactions
Optimasi Pertanian Padi: Peramalan Curah Hujan Berbasis Arima Untuk Penentuan Waktu Tanam Yang Tepat
Get PDFPertumbuhan dan produksi padi tidak dapat dilepaskan dari pengaruh yang kuat dari perubahan iklim. Perubahan iklim dengan anomali yang tinggi pada beberapa tahun belakang menyebabkan ancaman bagi produksi pertanian khususnya tanaman padi. Maka diperlukan metode yang dapat dipergunakan untuk mengoptimalkan hasil produksi pertanian salah satunya adalah dengan menentukan kapan waktu tanam terbaik untuk tanaman padi menggunakan kalender tanam. Peramalan menggunakan metode ARIMA dapat dilakukan untuk meramalkan curah hujan yang akan datang, sehingga dapat diketahui kapan waktu terbaik untuk awal tanam. Prediksi curah hujan dasarian telah dilakukan dengan menggunakan metode ARIMA (1,0,1) yang berasal dari data histori selama 5 tahun di provinsi Jawa Barat pada stasiun Klimatologi Jawa Barat dengan nilai AIC terkecil 2078,28. Prediksi curah hujan dasarian dihasilkan untuk Desember dasarian ke-3 tahun 2023 sampai Juni dasarian ke-2 tahun 2024 Hasil prediksi menunjukkan bahwa waktu tanam padi yang optimal dimulai pada bulan November dasarian ke-3, ketika curah hujan diperkirakan mencapai lebih dari 50 mm/dasarian selama beberapa dasarian berikutnya. Prediksi ini sejalan dengan prakiraan cuaca dari BMKG untuk awal musim hujan 2023/2024 di Jawa Barat.
Abstract
Growth and production of rice cannot be separated from the strong influence of climate change. Recent years of high climate anomalies have posed a threat to agricultural production, particularly rice cultivation. Therefore, methods are needed to optimize agricultural production, one of which is determining the best planting time for rice using a planting calendar. Forecasting using the ARIMA method can be used to predict future rainfall, helping to identify the best time to start planting. Dasarian rainfall predictions have been conducted using the ARIMA (1,0,1) method based on historical data over five years from West Java province at the West Java Climatology Station, yielding the smallest AIC value of 2078.28. The dasarian rainfall forecast was generated for the period from December in the 3rd dasarian of 2023 to June in the 2nd dasarian of 2024. The results indicate that the optimal time to plant rice begins in November in the 3rd dasarian, when rainfall is expected to exceed 50 mm/dasarian for several subsequent dasarians. This prediction aligns with the weather forecast from BMKG for the start of the rainy season in 2023/2024 in West Java.Pertumbuhan dan produksi padi tidak dapat dilepaskan dari pengaruh yang kuat dari perubahan iklim. Perubahan iklim dengan anomali yang tinggi pada beberapa tahun belakang menyebabkan ancaman bagi produksi pertanian khususnya tanaman padi. Maka diperlukan metode yang dapat dipergunakan untuk mengoptimalkan hasil produksi pertanian salah satunya adalah dengan menentukan kapan waktu tanam terbaik untuk tanaman padi menggunakan kalender tanam. Peramalan menggunakan metode ARIMA dapat dilakukan untuk meramalkan curah hujan yang akan datang, sehingga dapat diketahui kapan waktu terbaik untuk awal tanam. Prediksi curah hujan dasarian telah dilakukan dengan menggunakan metode ARIMA (1,0,1) yang berasal dari data histori selama 5 tahun di provinsi Jawa Barat pada stasiun Klimatologi Jawa Barat dengan nilai AIC terkecil 2078,28. Prediksi curah hujan dasarian dihasilkan untuk Desember dasarian ke-3 tahun 2023 sampai Juni dasarian ke-2 tahun 2024 Hasil prediksi menunjukkan bahwa waktu tanam padi yang optimal dimulai pada bulan November dasarian ke-3, ketika curah hujan diperkirakan mencapai lebih dari 50 mm/dasarian selama beberapa dasarian berikutnya. Prediksi ini sejalan dengan prakiraan cuaca dari BMKG untuk awal musim hujan 2023/2024 di Jawa Barat.
Abstract
Growth and production of rice cannot be separated from the strong influence of climate change. Recent years of high climate anomalies have posed a threat to agricultural production, particularly rice cultivation. Therefore, methods are needed to optimize agricultural production, one of which is determining the best planting time for rice using a planting calendar. Forecasting using the ARIMA method can be used to predict future rainfall, helping to identify the best time to start planting. Dasarian rainfall predictions have been conducted using the ARIMA (1,0,1) method based on historical data over five years from West Java province at the West Java Climatology Station, yielding the smallest AIC value of 2078.28. The dasarian rainfall forecast was generated for the period from December in the 3rd dasarian of 2023 to June in the 2nd dasarian of 2024. The results indicate that the optimal time to plant rice begins in November in the 3rd dasarian, when rainfall is expected to exceed 50 mm/dasarian for several subsequent dasarians. This prediction aligns with the weather forecast from BMKG for the start of the rainy season in 2023/2024 in West Java
Efisiensi Penggunaan Qris Dengan Merchant Presented Mode Dalam Transaksi Pembayaran Non-Tunai
Get PDFQuick Response Code Indonesian Standard (QRIS) merupakan salah satu metode pembayaran non-tunai di Indo-nesia yang memanfaatkan standar kode Quick Response (QR) dengan lebih dari 29,4 juta merchant terdaftar. Seba-nyak 99% merchant yang berada di dalam daftar pengguna QRIS termasuk ke dalam usaha mikro, kecil, dan mene-ngah. Metode pembayaran QRIS tersusun atas 2 jenis kategori, yakni QRIS statis dan QRIS dinamis. Salah satu tujuan pemanfaatan QRIS adalah untuk meningkatkan efisiensi waktu yang digunakan untuk bertransaksi. Peman-faatan jenis QRIS yang tidak tepat dapat berakibat pada meningkatnya jumlah antrian dan membuat pengalaman berbelanja menjadi tidak memuaskan. Penelitian ini menginvestigasi efektivitas dan tingkat efisiensi penggunaan QRIS statis dan dinamis yang menggunakan Merchant Presented Mode (MPM) dalam transaksi belanja atau pem-bayaran transaksi non-tunai pada suatu merchant. Parameter efisiensi yang diukur dalam penelitian ini meliputi waktu yang digunakan dan jumlah langkah yang dibutuhkan oleh pengguna, yaitu pembeli dan penjual, untuk me-nyelesaikan transaksi menggunakan kedua jenis QRIS yang diteliti. Penggunaan sumber daya sistem dalam tran-saksi diabaikan sehingga menjadi batasan penelitian ini. Temuan penelitian ini memperlihatkan bahwa pemanfaat-an QRIS dinamis yang dihasilkan melalui MPM dinilai mampu mempercepat proses transaksi tunggal di mana no-minal dana yang ditransaksikan berbeda-beda. Selain itu, dalam situasi di mana nominal dana yang ditransaksikan sama dan berulang, pemanfaatan QRIS dinamis juga dinilai mampu meningkatkan efisiensi koreografi proses bis-nis. Sehingga, penggunaan QRIS dinamis direkomendasikan untuk orkestrasi proses bisnis tunggal yang bervariasi serta dalam koreografi proses bisnis transaksi yang berulang.
Abstract
Quick Response Code Indonesian Standard (QRIS) is a cashless payment method in Indonesia that utilizes the Quick Response (QR) code standard with more than 29.4 million registered merchants. More than 99% of QRIS merchants of micro, small, and medium businesses. The QRIS payment method is composed of two types of catego-ries, i.e., static QRIS and dynamic QRIS. One purpose of using QRIS in a shopping transaction is to improve and streamline the time used to complete the transaction. Improper use of QRIS in the transaction process could yield in increasing queues; thus, yielding unsatisfactory customer\u27s shopping experience. This study investigates the effectiveness and efficiency of using cashless static and dynamic QRIS that uses Merchant Presented Mode (MPM) in the transaction process. The investigated parameters include the time required to complete the transactions and the number of steps required by users, i.e., buyer and seller, to complete the transactions using the two types of QRIS investigated. System resources usage is disregarded from the investigation; hence, the limitation of this study. The findings of this study suggested that the use of dynamic QRIS produced through MPM can shorten the local transaction process where the sum between transactions were different. Additionally, in a situation of repeating transaction, the use of dynamic QRIS is suggested to improve the efficiency of business process choreography. Thus, dynamic QRIS is recommended in varying single transactions and in a repeating transaction of business process choreography.Quick Response Code Indonesian Standard (QRIS) merupakan salah satu metode pembayaran non-tunai di Indo-nesia yang memanfaatkan standar kode Quick Response (QR) dengan lebih dari 29,4 juta merchant terdaftar. Seba-nyak 99% merchant yang berada di dalam daftar pengguna QRIS termasuk ke dalam usaha mikro, kecil, dan mene-ngah. Metode pembayaran QRIS tersusun atas 2 jenis kategori, yakni QRIS statis dan QRIS dinamis. Salah satu tujuan pemanfaatan QRIS adalah untuk meningkatkan efisiensi waktu yang digunakan untuk bertransaksi. Peman-faatan jenis QRIS yang tidak tepat dapat berakibat pada meningkatnya jumlah antrian dan membuat pengalaman berbelanja menjadi tidak memuaskan. Penelitian ini menginvestigasi efektivitas dan tingkat efisiensi penggunaan QRIS statis dan dinamis yang menggunakan Merchant Presented Mode (MPM) dalam transaksi belanja atau pem-bayaran transaksi non-tunai pada suatu merchant. Parameter efisiensi yang diukur dalam penelitian ini meliputi waktu yang digunakan dan jumlah langkah yang dibutuhkan oleh pengguna, yaitu pembeli dan penjual, untuk me-nyelesaikan transaksi menggunakan kedua jenis QRIS yang diteliti. Penggunaan sumber daya sistem dalam tran-saksi diabaikan sehingga menjadi batasan penelitian ini. Temuan penelitian ini memperlihatkan bahwa pemanfaat-an QRIS dinamis yang dihasilkan melalui MPM dinilai mampu mempercepat proses transaksi tunggal di mana no-minal dana yang ditransaksikan berbeda-beda. Selain itu, dalam situasi di mana nominal dana yang ditransaksikan sama dan berulang, pemanfaatan QRIS dinamis juga dinilai mampu meningkatkan efisiensi koreografi proses bis-nis. Sehingga, penggunaan QRIS dinamis direkomendasikan untuk orkestrasi proses bisnis tunggal yang bervariasi serta dalam koreografi proses bisnis transaksi yang berulang.
Abstract
Quick Response Code Indonesian Standard (QRIS) is a cashless payment method in Indonesia that utilizes the Quick Response (QR) code standard with more than 29.4 million registered merchants. More than 99% of QRIS merchants of micro, small, and medium businesses. The QRIS payment method is composed of two types of catego-ries, i.e., static QRIS and dynamic QRIS. One purpose of using QRIS in a shopping transaction is to improve and streamline the time used to complete the transaction. Improper use of QRIS in the transaction process could yield in increasing queues; thus, yielding unsatisfactory customer\u27s shopping experience. This study investigates the effectiveness and efficiency of using cashless static and dynamic QRIS that uses Merchant Presented Mode (MPM) in the transaction process. The investigated parameters include the time required to complete the transactions and the number of steps required by users, i.e., buyer and seller, to complete the transactions using the two types of QRIS investigated. System resources usage is disregarded from the investigation; hence, the limitation of this study. The findings of this study suggested that the use of dynamic QRIS produced through MPM can shorten the local transaction process where the sum between transactions were different. Additionally, in a situation of repeating transaction, the use of dynamic QRIS is suggested to improve the efficiency of business process choreography. Thus, dynamic QRIS is recommended in varying single transactions and in a repeating transaction of business process choreography
Penerapan Machine Learning Untuk Mengendalikan Parameter Budidaya Tanaman Hidroponik Berbasis Edge Dan Cloud Computing
Get PDFHidroponik sebagai metode urban farming mampu memenuhi kebutuhan sayuran segar di Indonesia. Budidaya tanaman hidroponik memiliki banyak keunggulan, antara lain tidak memerlukan lahan luas, bebas pestisida, tanaman lebih steril, dan tidak mudah terkena penyakit karena tidak menggunakan tanah. Keasaman larutan (pH) adalah parameter penting dalam budidaya hidroponik, karena mempengaruhi kemampuan tanaman menyerap unsur hara. Selain pH, kepekatan larutan nutrisi yang dinyatakan dalam Total Dissolved Solids (TDS) dengan satuan ppm juga perlu dikendalikan karena menyuplai nutrisi yang dibutuhkan tanaman. Dalam penelitian ini, pengendalian pH dan TDS menggunakan machine learning dengan metode regresi linear berganda serta teknologi edge computing dan cloud computing. Edge computing memungkinkan pemrosesan data real-time di perangkat sensor hidroponik, sedangkan cloud computing menyediakan kapasitas penyimpanan dan pemrosesan besar. Kombinasi kedua teknologi ini memungkinkan sistem pengendalian yang efisien, scalable, dan dapat diakses dari mana saja oleh petani. Berdasarkan hasil pengendalian via cloud, persamaan regresi untuk pengendalian TDS mampu bekerja dengan baik dengan akurasi 98,73% pada tandon 60 liter dan 95,95% pada tandon 100 liter. Selain itu, persamaan regresi untuk pengendalian pH juga bekerja dengan baik dengan akurasi 99,28% pada tandon 60 liter dan 99,69% pada tandon 100 liter.
Abstract
Hydroponics, as an urban farming method, can meet the demand for fresh vegetables in Indonesia. Hydroponic plant cultivation has many advantages, including not requiring large land areas, being pesticide-free, producing more sterile plants, and being less susceptible to disease since it does not use soil. The acidity of the solution (pH) is a crucial parameter in hydroponic cultivation because it affects the plant\u27s ability to absorb nutrients. Besides pH, the concentration of the nutrient solution, expressed in Total Dissolved Solids (TDS) in ppm, also needs to be controlled as it supplies the nutrients required by plants. In this study, the control of pH and TDS utilizes machine learning with a multiple linear regression method and edge computing and cloud computing technologies. Edge computing allows real-time data processing at the hydroponic system\u27s sensor devices, while cloud computing provides large storage and processing capacities. The combination of these technologies enables an efficient, scalable control system accessible to farmers from anywhere. Based on cloud control results, the regression equations for TDS control were found to be adequate and perform well with an accuracy of 98.73% for a 60-liter tank and 95.95% for a 100-liter tank. Additionally, the regression equations for pH control were also adequate and performed well with an accuracy of 99.28% for a 60-liter tank and 99.69% for a 100-liter tank.
Hidroponik sebagai metode urban farming mampu memenuhi kebutuhan sayuran segar di Indonesia. Budidaya tanaman hidroponik memiliki banyak keunggulan, antara lain tidak memerlukan lahan luas, bebas pestisida, tanaman lebih steril, dan tidak mudah terkena penyakit karena tidak menggunakan tanah. Keasaman larutan (pH) adalah parameter penting dalam budidaya hidroponik, karena mempengaruhi kemampuan tanaman menyerap unsur hara. Selain pH, kepekatan larutan nutrisi yang dinyatakan dalam Total Dissolved Solids (TDS) dengan satuan ppm juga perlu dikendalikan karena menyuplai nutrisi yang dibutuhkan tanaman. Dalam penelitian ini, pengendalian pH dan TDS menggunakan machine learning dengan metode regresi linear berganda serta teknologi edge computing dan cloud computing. Edge computing memungkinkan pemrosesan data real-time di perangkat sensor hidroponik, sedangkan cloud computing menyediakan kapasitas penyimpanan dan pemrosesan besar. Kombinasi kedua teknologi ini memungkinkan sistem pengendalian yang efisien, scalable, dan dapat diakses dari mana saja oleh petani. Berdasarkan hasil pengendalian via cloud, persamaan regresi untuk pengendalian TDS mampu bekerja dengan baik dengan akurasi 98,73% pada tandon 60 liter dan 95,95% pada tandon 100 liter. Selain itu, persamaan regresi untuk pengendalian pH juga bekerja dengan baik dengan akurasi 99,28% pada tandon 60 liter dan 99,69% pada tandon 100 liter.
Abstract
Hydroponics, as an urban farming method, can meet the demand for fresh vegetables in Indonesia. Hydroponic plant cultivation has many advantages, including not requiring large land areas, being pesticide-free, producing more sterile plants, and being less susceptible to disease since it does not use soil. The acidity of the solution (pH) is a crucial parameter in hydroponic cultivation because it affects the plant\u27s ability to absorb nutrients. Besides pH, the concentration of the nutrient solution, expressed in Total Dissolved Solids (TDS) in ppm, also needs to be controlled as it supplies the nutrients required by plants. In this study, the control of pH and TDS utilizes machine learning with a multiple linear regression method and edge computing and cloud computing technologies. Edge computing allows real-time data processing at the hydroponic system\u27s sensor devices, while cloud computing provides large storage and processing capacities. The combination of these technologies enables an efficient, scalable control system accessible to farmers from anywhere. Based on cloud control results, the regression equations for TDS control were found to be adequate and perform well with an accuracy of 98.73% for a 60-liter tank and 95.95% for a 100-liter tank. Additionally, the regression equations for pH control were also adequate and performed well with an accuracy of 99.28% for a 60-liter tank and 99.69% for a 100-liter tank.