Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penerapan Teknologi Tepat Guna Untuk Meningkatkan Produksi Bibit Ayam (DOC) Nenni Mona Aruan
TRIDARMA: Pengabdian Kepada Masyarakat (PkM) Vol. 5 No. 1 (2022): TRIDARMA: Pengabdian Kepada Masyarakat (PkM)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Usaha peternakan unggas seperti ayam kampung dan ayam potong di Kabupaten Toba sudah berlangsung sejak lama dan jumlah usaha ternak cukup banyak yang tersebar di beberapa kecamatan. Namun, produksi daging usaha ternak unggas belum maksimal untuk memenuhi kebutuhan daging di daerah Toba sendiri. Dari hasil studi lapangan di beberapa kecamatan di Toba ditemukan masalah utama yang sama yang dihadapi para peternak unggas tersebut diantaranya adalah keterbatasan dalam memproduksi bibit ayam yang dikenal dengan DOC (Day-Old Chick). Biasanya mitra harus membeli DOC dari luar kota yang jarak tempuh ke Toba sekitar 5 sampai 7 jam perjalanan, yang mana hal ini menyebabkan DOC menjadi stres selama di perjalanan sehingga saat sampai di Toba atau lokasi usaha mitra, kematian DOC sangat rentan terjadi. Selain proses perjalanan yang cukup lama tersebut, DOC juga tidak mampu beradaptasi dengan suhu di Toba karena perbedaan suhu yang cukup signifikan. Untuk mengatasi hal ini, kami ingin membantu peternak dengan memberikan mesin tetas otomatis. Diharapkan dengan adanya mesin tetas otomatis ini peternak dapat terbantu untuk menghasilkan DOC yang berkualitas dan tidak perlu lagi membeli DOC dari luar kota. Sehingga produksi daging maupun kebutuhan daging untuk masyarakat daerah Toba sendiri dapat terpenuh.
ANALISIS SENTIMEN APLIKASI E-LEARNING SELAMA PANDEMI COVID-19 DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN CONVOLUTIONAL NEURAL NETWORK Alek Sander Simbolon; Nina Ismaya Pangaribuan; Nenni Mona Aruan
PROSIDING SEMINASTIKA Vol 3 No 1 (2021): 3rd SEMINASTIKA 2021
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/seminastika.v3i1.236

Abstract

Aplikasi e-learning dibutuhkan masyarakat dalam meningkatkan pendidikan di mana e-learning yang menjadi objek penelitian adalah Ruangguru dan Zenius karena memiliki jumlah pengguna lebih dari 16 juta dengan kepuasan pengguna lebih dari 8.5/10 dan lebih dari 1 juta kali di download di play store. Aplikasi tersebut memberikan ruang bagi pengguna aplikasi untuk mendapatkan tingkat kepuasan dari pengguna aplikasi. Sentiment analysis merupakan natural language preprocessing yang dapat digunakan dalam melakukan ekstraksi opini dari data berupa teks di mana tujuan penelitian ini melakukan evaluasi pada peningkatan hal positif dan memperbaiki hal yang negatif. Data ulasan yang diambil dari Twitter dan play store memiliki promosi dan giveaway yang akan berpengaruh pada pengolahan data dalam penentuan opini dan bukan opini. Penulis menggunakan metode lexicon based dalam memberikan label atau nilai sentiment pada setiap data. Pendekatan yang digunakan algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam melakukan klasifikasi terhadap data test yang di uji dari model yang telah dibangun. Berdasarkan hasil klasifikasi opini menjadi tiga kelas yaitu kelas positif, negatif, dan netral dari ulasan aplikasi Ruangguru dan Zenius. Dari nilai akurasi dan F-measure diperoleh bahwa klasifikasi yang terbaik adalah menggunakan algoritma CNN dengan akurasi dan F-measure memiliki nilai 86%.
PREDIKSI TINGGI CURAH HUJAN DAN KECEPATAN ANGIN BERDASARKAN DATA CUACA DENGAN PENERAPAN ALGORITMA ARTIFICIAL NEURAL NETWORK (ANN) Doni Albert Hasiholan Panggabean; Firman Maranatha Sihombing; Nenni Mona Aruan
PROSIDING SEMINASTIKA Vol 3 No 1 (2021): 3rd SEMINASTIKA 2021
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/seminastika.v3i1.237

Abstract

Kondisi cuaca merupakan faktor yang sangat mempengaruhi aktivitas manusia khususnya pada sektor transportasi karena kegiatan lalu lintas udara dan laut dilakukan dengan mempertimbangkan kondisi cuaca seperti hujan dan kecepatan angin. Untuk itu prediksi curah hujan dan angin penting dilakukan, sehingga semua kegiatan lalu lintas direncanakan dengan baik. Untuk mendapatkan hasil prediksi yang akurat, perlu dilakukan penelitian algoritma apa yang terbaik dan efektif. Pada penelitian ini dilakukan perbandingan pemodelan dari algoritma neural network yaitu Backpropagation (BPNN) dan Reccurent neural network (RNN). Dataset yang digunakan dalam penelitian ini adalah data cuaca periode 2010-2019 dari stasiun FL Tobing Badan Meteorologi, Klimatologi dan Geofisika yang berada di Kabupaten Tapanuli Tengah. Implementasi jaringan syaraf tiruan Backpropragation dan Reccuren dilakukan dengan membangun pemodelan prediksi, dimana dataset yang digunakan akan dinormalisasi terlebih dahulu untuk mendapatkan nilai RMSE terkecil. Berdasarkan percobaan yang telah dilakukan didapatkan bahwa dalam pemodelan prediksi curah hujan dengan nilai RMSE terkecil sebesar 0,079535 menggunakan algoritma BPNN. Sedangkan untuk pemodelan prediksi kecepatan angin diperoleh nilai RMSE terkecil sebesar 0,06281251 menggunakan algoritma RNN. Melalui penelitian ini didapatkan bahwa algoritma BPNN lebih baik dalam memprediksi curah hujan dan algoritma RNN lebih baik dalam memprediksi kecepatan angin.