Article Per Year (5 Year)
p-Index From 2019 - 2024
1.879
P-Index
This Author published in this journals
All Journal Tekno : Jurnal Teknologi Elektro dan Kejuruan SMATIKA Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) SENTIA 2016 TRIDARMA: Pengabdian Kepada Masyarakat (PkM) Jurnal Graha Pengabdian Jurnal Abdimas Berdaya : Jurnal Pembelajaran, Pemberdayaan dan Pengabdian Masyarakat Sci-Tech Journal Prosiding Seminar Nasional Pengabdian kepada Masyarakat (SINAPMAS)
Agusta Rakhmat Taufani
Universitas Negeri Malang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Tekno : Jurnal Teknologi Elektro dan Kejuruan

 1 
Implementasi metode Dempster-Shafer dalam diagnosa penyakit pada tanaman Cabai Merah Keriting Agusta Rakhmat Taufani; Harits Ar Rosyid; Khoirudin Asfani
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 29, No 1 (2019)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.625 KB) | DOI: 10.17977/um034v29i1p13-25

Abstract

Komoditas cabai terdiri dari berbagai varian, yaitu cabai besar yang terdiri dari cabai merah besar dan cabai merah keriting, serta cabai rawit yang terdiri dari cabai rawit hijau dan cabai rawit merah. Di antara varian tersebut, cabai merah keriting adalah cabai yang paling sering dikonsumsi oleh masyarakat. Sepanjang 2015-2016 cabai merah dan cabai rawit berkontribusi terhadap inflasi nasional. Dengan kondisi tersebut, para petani khususnya petani tanaman cabai merah keriting harus terus berinovasi agar produksinya terus meningkat. Perkembangan budidaya tanaman ini juga terus meningkat sehingga terjadi kompetisi yang semakin ketat. Permasalahannya, semakin banyak petani yang mencoba membudidayakan tanaman tersebut tidak diimbangi dengan pengetahuan mengenai cara penanganan apabila terserang penyakit. Banyak kendala yang dihadapi para petani dalam proses menanam atau budidayanya, salah satunya penyakit yang menyerang tanaman tersebut. Hama penyakit tanaman ini merupakan OPT (Organisme Pangganggu Tanaman) yang harus diperhatikan karena dapat mempengaruhi kondisi maupun produktifitasnya. Organisme Pangganggunya selain sebagai hama juga sebagai vektor pembawa penyakit. Dalam penelitian kali ini, sistem dikembangkan menggunakan metode Dempster-Shafer sebagai media diagnosia penyakit tanaman cabai merah keriting. Tujuan dari penelitian ini untuk membantu pengguna sistem khususnya para petani tanaman jenis tersebut agar dapat mengetahui atau mengidentifikasi penyakit ketika terkena penyakit serta cara menanggulanginya. Dari kasus uji coba yang telah dilakukan, didapatkan hasil yang menunjukkan bahwa aplikasi berfungsi dengan baik sesuai dengan metode Dempster-shafer dengan teknik inferensi forward chaining.
Evaluasi KNN dalam kategorisasi Musik Latar Game Harits Ar Rosyid; Agusta Rakhmat Taufani; Tenty Luay Sari
TEKNO: Jurnal Teknologi Elektro dan Kejuruan Vol 32, No 2 (2022)
Publisher : Universitas Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um034v32i2p265-274

Abstract

Musik berkontribusi untuk membuat immersive atmosphere dalam bermain game dan dapat secara efektif mendorong aksi pada layar. Maka dari itu memilih musik latar pada sebuah game merupakan hal yang tidak mudah. Karena setiap genre game membutuhkan musik latar yang tepat untuk membangun suasana yang kuat dalam game tersebut. Sehingga pemain akan lebih fokus terhadap setiap aksi yang dilakukan dalam game tersebut. Dalam hal ini, keunikan dari karakteristik pada setiap platform game akan menentukan jenis atau genre musik yang spesifik. Namun, pemilihan atau pembuatan musik untuk game saat ini masih didominasi oleh pengembang (manusia) yang memiliki pengetahuan tentang game yang dibangun dan kemampuan musikalitas dalam level tertentu. Sementara saat ini tersedia banyak musik-musik yang dapat digunakan sebagai latar suatu game, pemilihan yang tepat menjadi krusial. Oleh karena itu penerapan Machine Learning dapat dimanfaatkan untuk otomatisasi pengenalan genre pada musik. Dengan menggunakan Algoritma K-Nearest Neighbors untuk menentukan genre yang tepat serta Agglomerative Clustering untuk mengetahui seberapa berkaitannya satu genre dengan genre yang lain, sehingga dapat mengetahui genre musik yang bersesuaian dengan genre game. Hasil yang didapatkan dari penelitian ini antara lain: 1) k-Nearest Neighbors mengklasifikasi genre dengan performa yang sama pada durasi 10 dan 20 detik sebesar 48,3% namun untuk f-scorenya sebesar 44,7% dan 43,7% pada BGM 10 detik dan BGM 20 detik, 2) Agglomerative Nesting menemukan 4 klaster pada dataset BGM 10 detik dan 3 klaster pada dataset BGM 20 detik, 3) Agglomerative nesting juga menunjukkan bahwa pada dataset BGM durasi 20 detik memiliki kepadatan antar klaster yang lebih baik dibandingkan durasi 10 detik. Semakin lama durasi musik BGM maka akan semakin mudah mengklasifikasi genre walaupun terdapat sisipan suara non-musik di dalamnya.
Co-Authors Abdul Rahman Prasetyo Abdullah Iskandar Syah Achmad Hamdan Adim Firmansah Adinda Marcelliantika Alby Aruna Alfrida Parma Fadmasari Anik Nur Handayani Aripriharta Aripriharta Asfani, Khoirudin Bayu Satriyo Wibowo Dhea Amalia Putri Diva Eka Putri Surya Endang Amalia Wahyuni Ginanjar Atma Wijaya Hanif Nabila Rahmi Harits Ar Rosyid Hary Suswanto, Hary Irawan Dwi Wahyono Iriaji Iriaji Irma Kartika Kusumaningrum Joni Setiyawan Saputra Laili, Mery Nur Larasati, Jade Rosida Maharani, Satia Nur Maqhrisa Rusma Muhammad Alfian Mizar Muhammad Bagus Arifin Muladi Muladi Nandang Mufti Nurlayla Nabila Astarin Ratna Juwita Rezi Duta Pratama Sujit Sujit Tenty Luay Sari Wibowo, Kusmayanto Hadi