Jurnal Ilmu Komputer dan Agri-Informatika
Not a member yet
160 research outputs found
Sort by
Agricultural Information System Design using Gamification Approach to Increase Farmer Participation
Get PDFSektor pertanian di Indonesia merupakan sektor penting untuk perekonomian dan stabilitas negara. Data dan informasi terkait komoditas pertanian dianggap penting oleh pemerintah yang dibuktikan dengan peraturan pemerintah yang mengatur permasalahan tersebut. Walau dianggap penting, namun masih terdapat masalah pada data pertanian, seperti tidak tepatnya data pertanian, bantuan pemerintah yang tak tepat sasaran dan permasalahan lahan pertanian yang di alih gunakan. Untuk mengatasi permasalahan ini, penulis memiliki hipotesa untuk membuat sistem informasi pertanian yang datanya dapat dimasukan secara mandiri. Selama penelitian berlangsung, didapatkan bahwa sistem informasi yang sejenis telah dibuat, namun berdasarkan wawancara oleh narasumber, diketahui bahwa sistem tersebut mengalami kegagalan disebabkan tidak adanya motivasi petani untuk memasukan datanya menggunakan sistem informasi. Berdasarkan permasalahan ini peneliti mencoba merancang sistem informasi menggunakan gamifikasi yang diharapkan dapat meningkatkan motivasi petani. Penelitian dilakukan menggunakan metodologi SSM yang dimofikasi dengan metodelogi perancangan gamifikasi. Setelah prototipe di sebarkan kepada pengguna yaitu petani, akademisi, pengusaha dan pemerintah terkait, skor dari kuesioner SUS adalah 60%, namun kebanyakan pengguna menyatakan bahwa akan menggunakan sistem informasi ini jika benar-benar diterapkan. Hasil penelitian ini juga ditemukan bahwa penggunaan gamifikasi dapat dimanfaatkan, namun belum terlalu menonjol kebermanfaatannya karena sistem masih berupa konsep dan diperlukannya perancangan yang berfokus pada satu komoditas terlebih dahulu dikarenakan berbedanya rantai pasok antara komoditas pertanian di Indonesia.The agricultural sector in Indonesia is essential for the country\u27s economy and stability. Data and information related to agricultural commodities are considered necessary by the government, as evidenced by government regulations regulating these issues. Even though it is considered necessary, there are still problems with agricultural data, such as inaccurate agricultural data, government assistance that needs to be on target, and problems with converting agricultural land. To overcome this problem, the author has a hypothesis to create an agricultural information system where data can be entered independently. During the research, we found that a similar information system had been made, but based on interviews with informants, we found that the system failed due to the need for more motivation of farmers to enter their data using the information system. Based on this problem, researchers are trying to design an information system using gamification, which is expected to increase farmer motivation. The research was conducted using the modified SSM methodology with a gamification design methodology. After the prototype was distributed to users, namely farmers, academics, entrepreneurs, and related governments, the score of the SUS questionnaire was 60%. However, most users stated that they would use this information system if it was actually implemented. The results of this study also found that The use of gamification can be utilized, but its usefulness is not too prominent because the system is still a concept. and the need for a design that focuses on one commodity first due to differences in supply chains between agricultural commodities in Indonesia.
Menumbuhkan Talenta Desain Pengalaman Pengguna Melalui ACM SIGCHI Student Chapter: Refleksi dari IPB University
Get PDFA student chapter is an integral part of a scientific association whose mission is to advance science while exposing students to both the scientific and professional world. IPB University ACM SIGCHI Student Chapter was chartered in 2019 as the first student chapter in Indonesia, perhaps even in Southeast Asia. The student chapter has steadily become a community of practice that connect students, faculty, and alumni with passion or even profession in user-experience design (UXD) related field. We identified the key factors and strategies that allowed our student chapter to flourish. We also have observed the impact of student chapter activities on student competency in UXD. Although previous research has discussed user experience competency and how to teach them in university, we found minimal literature on measuring the impact of a student\u27s activities in the student chapter on their UXD competency. In this paper, we aim to present the role of the IPB University ACM SIGCHI Student Chapter from 2019 to 2021 in nurturing UXD talent in IPB University. Firstly, we present the strategy we used to ensure the sustainability of the student chapter. Secondly, we present our preliminary research to measure the student chapter\u27s activities and their impacts on UXD talent developments. Lastly, we present the opportunities and challenges we found in our first three years of running the student chapter. We hope the lesson learned from our activities may promote more student chapters, encourage collaboration between student chapters, and foster further discussion about the sustainability and impact of a student chapter.Student chapter adalah bagian integral dari asosiasi ilmiah yang misinya untuk memajukan ilmu pengetahuan sambil memperkenalkan mahasiswa pada dunia ilmiah dan profesional. IPB University ACM SIGCHI Student Chapter didirikan pada tahun 2019 sebagai student chapter pertama di Indonesia, mungkin bahkan di Asia Tenggara. Student chapter ini secara bertahap telah menjadi komunitas praktik yang menghubungkan mahasiswa, dosen, dan alumni dengan minat atau bahkan profesi di bidang desain pengalaman pengguna (UXD) terkait. Kami mengidentifikasi faktor-faktor kunci dan strategi-strategi yang memungkinkan babak mahasiswa kami berkembang. Kami juga telah mengamati dampak kegiatan babak mahasiswa pada kompetensi mahasiswa dalam UXD. Meskipun penelitian sebelumnya telah membahas kompetensi pengalaman pengguna dan cara mengajarkannya di universitas, kami menemukan sedikit literatur tentang pengukuran dampak kegiatan mahasiswa dalam student chapter pada kompetensi UXD mereka. Dalam makalah ini, kami bertujuan untuk mempresentasikan peran IPB University ACM SIGCHI Student Chapter dari tahun 2019 hingga 2021 dalam menumbuhkan talenta UXD di IPB University. Pertama-tama, kami mempresentasikan strategi yang kami gunakan untuk memastikan keberlanjutan babak mahasiswa. Kedua, kami mempresentasikan penelitian awal kami untuk mengukur kegiatan student chapter dan dampaknya pada perkembangan talenta UXD mahasiswa. Terakhir, kami mempresentasikan peluang dan tantangan yang kami temukan dalam tiga tahun pertama menjalankan student chapter. Kami berharap pelajaran yang kami peroleh dari kegiatan kami dapat mendorong lebih banyak student chapter, mendorong kolaborasi antar-student chapter, dan memupuk diskusi lebih lanjut tentang keberlanjutan dan dampak student chapter
Clustering of Scientific Publications Based on Field of Expertise Using Latent Dirichlet Allocation and Normalized PSO-K-means
Get PDFSalah satu cara untuk memvalidasi klaim kepakaran dosen adalah dengan meninjau dokumen publikasi ilmiah yang tersedia. Namun, menentukan kelompok kepakaran dari sejumlah dokumen memerlukan pengetahuan yang memadai dan waktu yang relatif lama, sehingga menjadi sulit dilakukan. Penelitian ini bertujuan untuk membangun suatu model yang dapat mengelompokkan dokumen berdasarkan bidang kepakaran. Penelitian ini menggunakan algoritma klasterisasi K-means untuk mengelompokkan dokumen berdasarkan bidang kepakaran dosen. Latent dirichlet allocation digunakan untuk mereduksi dimensi data, dan particle swarm optimization digunakan untuk menentukan centroid awal pada algoritma K-means. Hasil penelitian ini berhasil mengelompokkan dokumen publikasi ilmiah dengan nilai koefisien silhouette sebesar 0.42. Selain itu, penggunaan PSO sebagai penentu centroid optimal pada algoritma K-means dapat meningkatkan nilai koefisien silhouette sebesar 5.56%. Model yang dibangun dievaluasi dengan mencocokkan klaster yang dihasilkan dengan klaim yang diberikan. Hasilnya menunjukkan bahwa sebanyak 75% hasil pencocokan sesuai dan 25% tidak sesuai.Validating a lecturer\u27s expertise claims often involves scrutinizing their scholarly publications. However, this process can be quite demanding, requiring significant knowledge and time due to the need to assess numerous documents. To address this challenge, this study endeavors to create a model that can categorize documents based on their areas of expertise. The study employs the K-means clustering algorithm to group documents according to the lecturers\u27 fields of expertise. In order to enhance the efficiency of this process, Latent Dirichlet Allocation is utilized to reduce data dimensions. Additionally, Particle Swarm Optimization is used to determine the optimal initial cluster centers for the K-means algorithm. The research yielded promising results, successfully categorizing scholarly publications with a silhouette coefficient of 0.42. Furthermore, by using PSO to identify the optimal cluster centers, the silhouette coefficient was improved by 5.56%. The model\u27s performance was evaluated by comparing the resulting clusters with the provided claims, showing a 75% matching rate and a 25% non-matching rate
Mobile Application for Hydroponic Plant Monitoring of Kale Based on Thingspeak and Firebase
Get PDFSalah satu alasan yang menghambat pertumbuhan pertanian di Indonesia adalah berkurangnya lahan pertanian. Hidroponik merupakan solusi potensial untuk mengatasi tantangan yang dihadapi oleh petani dengan sumber daya lahan yang terbatas, karena hidroponik memungkinkan budidaya dilakukan di lingkungan berbasis air, baik secara vertikal maupun horizontal. Gubuk Mbah Bayan adalah salah satu individu yang bergerak di bidang budidaya tanaman hidroponik. Gubuk Mbah Bayan masih menggunakan teknik pemantauan manual, yang mengharuskan petani untuk mengunjungi lapangan secara fisik untuk menilai keadaan lingkungan pertanian. Tujuan dari penelitian ini adalah untuk meningkatkan sistem pemantauan otomatis yang dirancang untuk tujuan pemantauan kondisi kultur tanaman hidroponik. Sistem ini akan menggunakan data suhu, total dissolved solid (TDS), dan pH. Sistem yang diusulkan menggunakan paradigma Internet of Things (IoT), mikrokontroler Arduino dihubungkan dengan sensor digital. Penelitian ini mencakup lima langkah yang berbeda, yang meliputi identifikasi masalah, desain arsitektur sistem, implementasi program, integrasi, dan pengujian. Hasil dari penelitian ini adalah pengembangan sistem pemantauan budidaya tanaman hidroponik yang dapat diakses dengan mudah melalui aplikasi mobile. Teknologi ini memungkinkan petani untuk memantau lingkungan hidroponik dari jarak jauh dan secara instan. Pengujian yang digunakan dalam penelitian ini adalah pendekatan system usability scale (SUS). Aplikasi pemantauan hidroponik menunjukkan kinerja yang memuaskan, mudah digunakan, dan berguna dalam membantu petani memantau lingkungan hidroponik.One of the hindrances to agricultural growth in Indonesia is the diminishing agricultural land. Hydroponics is a potential solution for the challenges faced by farmers with limited land resources, since it enables cultivation to be conducted in water-based environments, both vertically and horizontally. Gubuk Mbah Bayan is an individual engaged in the cultivation of hydroponic plants. Gubuk Mbah Bayan continues to employ a manual monitoring technique, requiring farmers to physically visit the field in order to assess the state of the agricultural environment. The objective of this study is to enhance an automated monitoring system designed for monitoring hydroponic plant culture conditions. The system utilizes temperature, total dissolved solid (TDS), and pH data. The proposed system adopts the Internet of Things (IoT) paradigm, connecting Arduino microcontroller with digital sensors. This research encompasses five distinct steps, which include problem identification, system architecture design, program implementation, integration, and testing. The outcome of this research is the development of a hydroponic plant cultivation monitoring system, conveniently accessible through a mobile application. This technology enables farmers to remotely and instantly monitor the hydroponic environment. The testing employed in this study is the system usability scale (SUS) approach. The hydroponic monitoring application demonstrates satisfactory performance, user-friendliness, and utility in assisting farmers with monitoring the hydroponic environment
Analisis Potensi Lokasi dan Klasifikasi Electronic Data Capture (EDC) pada UMKM BNI Agen46
Get PDFDalam era digitalisasi, peran agen-agen bank menjadi semakin penting dalam memberikan layanan keuangan kepada masyarakat. Bank BNI sebagai salah satu bank terkemuka di Indonesia, memiliki jaringan agen yang luas untuk mendekatkan layanan perbankan kepada nasabah. Dalam upaya mengoptimalkan jaringan agennya, Bank BNI melakukan analisis spasial menggunakan metode clustering K-means untuk menentukan lokasi potensial pendirian Agen46 baru di DKI Jakarta. Selain itu, juga dilakukan pembuatan model klasifikasi random forest Agen46 produktif dan non-produktif untuk mengoptimalkan penggunaan mesin EDC dan menghemat biaya operasional. Berdasarkan analisis spasial dengan metode clustering K-means, ditemukan tujuh lokasi potensial untuk pendirian Agen46 baru di DKI Jakarta, yaitu kecamatan Jagakarsa, Makasar, Pesanggrahan, Grogol Petamburan, Taman Sari, Tambora, dan Johar Baru. Model klasifikasi yang dibuat berhasil membedakan Agen46 yang produktif dan non-produktif dengan akurasi yang tinggi. Selain itu, pembuatan model klasifikasi Agen46 menjadi penting dalam mengenali agen-agen yang tidak produktif, sehingga dapat dilakukan antisipasi dan penanggulangan yang cepat untuk memperbaiki efisiensi penggunaan mesin EDC. Hasil analisis prediksi dan model klasifikasi ini diharapkan dapat memberikan panduan dan dasar kebijakan yang lebih baik bagi Bank BNI dalam menentukan lokasi penempatan mesin EDC Agen46 di masa depan. Dengan demikian, diharapkan Bank BNI dapat mempercepat proses pengklasifikasian Agen46, meningkatkan pemanfaatan mesin EDC, dan mengoptimalkan efisiensi biaya terkait dengan agen-agen BNI.In the era of digitalization, the role of bank agents has gained increasing significance in delivering financial services to the public. Bank BNI, a prominent financial institution in Indonesia, has established an extensive network of agents to facilitate access to banking services for customers. In an effort to optimize its agent network, Bank BNI conducts spatial analysis using the K-means Clustering method to determine potential locations for establishing new Agen46 outlets in DKI Jakarta. Additionally, a random forest classification model for productive and non-productive Agen46 agents is developed to optimize the use of EDC machines and save operational costs. Based on the spatial analysis using the K-means Clustering method, seven potential locations for new Agen46 outlets in DKI Jakarta are identified, namely the districts of Jagakarsa, Makasar, Pesanggrahan, Grogol Petamburan, Taman Sari, Tambora, and Johar Baru. The classification model demonstrates high accuracy in distinguisting between productive and non-productive Agen46 agents. Moreover, the Agen46 classification model plays a crucial role in identifying non-productive agents, enabling timely intervention and mitigation measures to improve the efficiency of EDC machine usage. The results of the prediction analysis and classification model are expected to provide better guidance and policy foundation for Bank BNI in determining the placement locations of Agen46 EDC machines in the future. Thus, it is anticipated that Bank BNI can expedite the Agen46 classification process, enhance the utilization of EDC machines, and optimize cost efficiency related to BNI agents
Model Klasifikasi Fase Pertumbuhan Tebu dari Citra Sentinel 1 Multi-temporal Menggunakan Algoritma Random Forest
Get PDFDaerah Istimewa Yogyakarta yang telah ditetapkan sebagai kawasan sentra tebu memerlukan perlakuan khusus dalam upaya ekstensifikasi yang memerlukan informasi spasial usaha tani tebu. Pemantauan lahan tebu dilakukan untuk mendapatkan informasi fase pertumbuhan tebu dan sebarannya untuk strategi ekstensifikasi pertanian. Oleh karena itu perlu dilakukan klasifikasi citra menggunakan algoritma random forest yang reliable untuk mengklasifikasikan fase pertumbuhan tebu pada citra Sentinel 1 multi-temporal. Peta kalender tanam tebu dibuat dari hasil klasifikasi citra yang telah dilakukan dan menguji tingkat akurasi untuk evaluasi. Klasifikasi dilakukan dengan setiap citra pada setiap bulan yang terekam sepanjang tahun 2020. Data citra yang digunakan sebanyak 9690 sampel piksel yang terdiri atas 6 kelas klasifikasi yaitu bangunan, vegetasi, badan air, sawah, tebu kelas fase 1, dan kelas fase tebu 2. Hasil uji model klasifikasi menunjukkan bahwa Citra Sentinel 1 yang terdiri atas 13 citra memiliki akurasi model rata-rata yaitu 65.38%. Hasil klasifikasi citra yang memiliki tingkat akurasi keseluruhan tertinggi senilai 73.33% dengan nilai RMSE 2.05 terjadi pada bulan Oktober.The Special Region of Yogyakarta, a designated sugarcane center, demands special attention for effective extensification efforts, necessitating spatial insights into sugarcane farming. Monitoring of sugarcane fields served to obtain information on the growth phases of sugarcane and its distribution for agricultural extensification strategies. For this reason, it is necessary to carry out image classification using the Random Forest reliable algorithm to classify sugarcane growth phases in multi-temporal Sentinel 1 images. The sugarcane planting calendar Map is conducted from the image classification outcomes and then tested for its accuracy for evaluation. The classification process involves analyzing each image captured monthly throughout 2020, with a dataset comprising 9690 sample pixels across six classification classes: buildings, vegetation, water bodies, rice fields, sugarcane phase class 1, and sugarcane phase class 2. The results show that the Sentinel 1 image consisting of 13 images has an average classification model accuracy of 65.38%. Notably, the image classification achieved its pinnacle performance in October, boasting the highest overall accuracy level at 73.33%, accompanied by an RMSE value of 2.05
Implementation Strategy of KMS Sawit Mobile Application based on Rural Participatory
No full textAplikasi Mobile KMS Sawit telah dikembangkan pada tahun 2020 dengan harapan dapat membantu mengatasi masalah yang dialami oleh petani sawit mandiri dalam meningkatkan produktivitas perkebunan sawit rakyat. Aplikasi mobile knowledge management system (KMS) sawit rakyat merupakan aplikasi yang memiliki fungsi utama yaitu saling berbagi pengetahuan ke sesama pengguna aplikasi. Penelitian ini bertujuan untuk melakukan strategi implementasi aplikasi kepada para petani sawit agar dapat diterima dan diadopsi oleh petani serta usability testing untuk mengukur tingkat penerimaan aplikasi serta mengetahui kendala petani dalam menggunakan aplikasi. Penelitian ini dilakukan menggunakan metode implementasi KM – IRIS dengan pendekatan Participatory Rural Apprasial (PRA) dan usability testing terhadap aspek learnability, efficiency, dan error dengan memberikan beberapa skenario tugas. Hasil implementasi aplikasi menyatakan bahwa petani dapat menerima dan berinteraksi dengan aplikasi. Hasil pengujian dan perhitungan usability testing menunjukkan nilai learnability sebesar 91,5% , Efficiency sebesar 0,0864, dan Error 0,56 yang berarti tingkat kesuksesan para petani dalam menggunakan sistem sudah berada di atas rata-rata, penyelesaian task yang tergolong cepat dan jumah error yang di bawah rata-rata. Berdasarkan hasil tersebut maka sudah menunjukkan bahwa aplikasi mobile knowledge management system (KMS) sawit rakyat dapat digunakan dengan mudah dan cepat.KMS Sawit Mobile Application has been developed since 2020 to enhance private palm oil farmers productivity by sharing its information to the other users. The first aim of this research is to implement the strategy of KMS Sawit Mobile Application for private palm oil farmers, secondly it is also to do usability testing of the application so that would be found the constraints when using the app. The methodology used in this research is by using implementation method – KM IRIS with PRA approach with usability testing in learnability, efficiency, and error aspects by giving some task scenarios. It is obtained from the research that the palm oil farmers are able to use and interact using the app. The measurement result of the usability testing showed that the learnability aspect point is 91.5%, the efficiency aspect point is 0.0864, and the error aspect point is 0,56 which is interpreted that the succession of palm oil farmers when using the app is above the average by solving the task swiftly and the number of errors they made is below the average. Therefore, based on that result it is showed that the KMS Sawit Mobile Application is can be used easily and fastly
Pengujian Tahap Beta Literasik: Permainan Edukasi Bahasa Indonesia
Get PDFPenulisan perlu memperhatikan tata bahasa dan aturan yang berlaku seperti Ejaan Bahasa Indonesia yang Disempurnakan (EYD V), tetapi kesalahan penulisan masih sering terjadi bahkan di tingkat perguruan tinggi. Literasik telah dikembangkan sebagai sarana edukasi penggunaan Bahasa Indonesia yang sesuai dengan pedoman penulisan dengan menguji pengguna untuk menemukan kesalahan pada penulisan kata, pemakaian huruf kapital, dan penggunaan tanda baca. Pengembangan lebih lanjut memerlukan pengujian tahap beta ke target pengguna sekaligus untuk mendapatkan masukan agar Literasik siap untuk dirilis. Dari pengujian dan survei, ditemukan nilai engagement Literasik berada pada rentang nilai baik hingga sangat baik. Focused attention menjadi aspek dengan nilai terendah yang berarti daya Literasik untuk membuat pemain fokus pada permainan masih bisa dikembangkan. Berdasarkan survei pengguna, Literasik disesuaikan dengan penambahan suara latar belakang, penyingkatan waktu respons jawaban, dan penambahan tombol untuk keluar dari permainan.Writing needs to heed grammar rules and guidelines such as Ejaan Bahasa Indonesia yang Disempurnakan (EYD V). Mistakes in writing still often occur even by college students. Literasik was developed as a means of educating the use of Indonesian language in accordance with the writing guidelines by asking the user to find mistakes in word spelling, capitalization, and punctuation. Further development requires beta testing to the target users as well as for getting feedback so that Literasik will be ready for release. From the testing and survey, it was found that the engagement value of Literasik is in the value range of good to very good. Focused attention being the lowest graded aspect which means that Literasik\u27s power to make players focus on the game can still be improved. Based on user surveys, Literasik was adjusted by adding background sound, shortening response time for answers, and adding a button to exit the game
Pemilihan Algoritma Machine Learning untuk Perangkat dengan Komputasi Terbatas pada Deteksi Kematangan Buah Melon Berjala
Get PDFKarakteristik yang diinginkan dari buah melon oleh konsumen meliputi rasa manis, ukuran buah sedang hingga besar, daging tebal dengan warna menarik dan tekstur renyah, serta masa simpan yang relatif lama. Memprediksi waktu panen menjadi hal yang penting terkait masa simpan buah dengan harapan buah melon dapat mencapai konsumen dalam keadaan dan kualitas terbaik, serta memberikan pengalaman yang memuaskan bagi konsumen. Saat ini, ketersediaan tenaga kerja pemanen dengan kemampuan yang mumpuni dalam menentukan buah melon yang akan dipanen menjadi salah satu kendala. Penggunaan robot pertanian dalam pemanenan buah melon merupakan salah satu solusi yang efektif dalam mengatasi permasalahan tersebut. Robot pertanian ini membutuhkan sistem yang mampu memprediksi stadia kematangan buah melon untuk dipanen. Penelitian ini fokus pada analisis perbandingan kinerja antara dua algoritma machine learning yaitu Support Vector Machine (SVM) dan Random Forest (RF), dengan tujuan menentukan pilihan optimal saat menerapkannya pada perangkat komputasi terbatas. SVM dan RF memiliki nilai akurasi tinggi, masing-masing 82% dan 73%. Keduanya juga memiliki waktu komputasi yang cepat, dengan rata-rata waktu inferensi masing-masing 2.14 detik dan 2.15 detik. Rata-rata penggunaan CPU pada algoritma SVM lebih tinggi dibandingkan dengan algoritma RF yaitu 17.80% sedangkan RF 15.48%. Meskipun SVM memiliki precision, recall, dan f-scored yang sedikit lebih tinggi dibandingkan dengan RF, namun setelah dilakukan independent 2-samples t-test terhadap inference time dan penggunaan CPU, didapatkan hasil bahwa tidak ada perbedaan nyata antara SVM dan RF. Keduanya sama-sama memiliki kinerja yang baik dan masuk ke dalam kategori good classification. Meninjau hal tersebut, algoritma RF menjadi algoritma yang disarankan karena memiliki tingkat akurasi yang baik, waktu komputasi cepat, dan penggunaan rata-rata sumberdaya CPU lebih rendahThe desired characteristics of melon fruit by consumers include sweetness, medium to large fruit size, thick flesh with appealing color and crisp texture, and relatively long shelf life. Predicting the harvest time of the fruit is essential in achieving the best harvest results. evolving technologies such as agricultural robots can be utilized as effective solutions and means. The utilization of automated robots in melon harvesting serves as a relevant example of implementation. These agricultural robots require a system capable of predicting the ripeness of melons for harvest. The study focuses on analyzing the performance comparison between two machine learning algorithms, Support Vector Machine (SVM) and Random Forest (RF), with the objective of determining the optimal choice when implementing them on limited computing devices. This study shows SVM and RF both have high accuracy values, 82% and 73%, respectively. Both of them also have fast computation times, with average inference times of 2.14 seconds and 2.15 seconds, respectively. The average CPU usage in the SVM algorithm is higher compared to the RF algorithm, at 17.80% and 15.48%. Eventhough SVM has higher accuracy rate, better precision, recall, and f score, but after conducting an independent 2-samples t-test on the inference time and CPU usage, it was found that there is no significant difference between SVM and RF. Both has good performance and good classification. The RF algorithm is recommended because it has a good accuracy rate, fast computation time, and less CPU resource usage
Pengujian Usabilitas Sistem Pencatatan Transaksi Distribusi Cabai Berbasis Blockchain dengan Cognitive Walkthrough
Get PDFDeveloped software applications should experience user acceptance tests using usability testing. We have developed a blockchain-based chili distribution transaction application but lack usability testing. Usability testing aims to identify and fix flaws in the application before it is released. The method employed was the cognitive walkthrough method using five usability test components to find out how easy it is for new users to use the system. These are application learning ability, efficiency, recall ability, error, and user satisfaction. The test evaluators (respondents) are four supply chain actors: producers, collectors, wholesalers, and chili retailers. The evaluators consisted of ten men and two women, aged 34-39 years, with infrequent laptop use (4-9 times per month). The fastest time for evaluation is for the retail traders (197 seconds), and the delinquent time is for the collectors (275 seconds). At the same time, the average value of the five components of the usability test is 2.73 on a scale of 1.00-3.00. The conclusion obtained is that the applications tested are outstanding, hence ready to be released. Researchers recommend shortened response time to the application. Future research is to develop mobile phones application, which respondents are already familiar with, compared to using applications on laptops.Aplikasi perangkat lunak yang telah dikembangkan seyogyanya mengalami berbagai pengujian, diantaranya uji keberterimaan dengan uji usabilitas. Sebelumnya, peneliti koresponden dengan tim lainnya telah mengembangkan aplikasi berbasis blockchain, namun usabilitasnya belum diuji. Sistem tersebut dibuat untuk menjamin transparansi distribusi produk dengan menerapkan teknologi blockchain smart contract ke bagian pelacakan harga pada sistem manajemen rantai pasok. Studi ini bertujuan untuk melakukan pengujian usabilitas antarmuka aplikasi dengan metode cognitive walkthrough. Evaluator pengujian adalah empat tipe aktor, yaitu produsen, pedagang pengepul, pedagang grosir, dan pedagang eceran cabai. Lima komponen usabilitas yang diuji, saat pandemi Covid-19, ialah kemampuan mempelajari aplikasi, efisiensi, kemampuan mengingat, error, dan kepuasan pengguna. Profil para responden ialah sepuluh laki-laki dan dua wanita, usia berkisar antara 34-39 tahun, dan frekuensi penggunaan laptop cenderung jarang (4-9 kali per bulan). Rata-rata waktu tercepat penyelesaian seluruh skenario tugas adalah 196.7 detik oleh responden pedagang eceran, sedangkan waktu terlama ialah 274.7 detik oleh responden pedagang pengepul. Hasil pengisian kuesioner usabilitas menunjukkan bahwa secara keseluruhan sistem sudah sangat baik digunakan, yaitu sebesar 2.73 pada skala 1-3. Rekomendasi responden untuk aplikasi yang diuji ialah agar waktu respon dipersingkat. Selain itu, aplikasi diharapkan dapat diakses via telepon genggam yang memang sudah familiar digunakan responden dibandingkan penggunaan aplikasi pada laptop