Article Per Year (5 Year)
p-Index From 2019 - 2024
0.983
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Malikussaleh Journal of Mechanical Science Technology ABDIKOM The Indonesian Journal of Computer Science
Desta Sandya Prasvita
Universitas Pembangunan Nasional Veteran Jakarta
Automotive Engineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
KLASIFIKASI POHON KELAPA SAWIT PADA DATA FUSI CITRA LIDAR DAN FOTO UDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Desta Sandya Prasvita; Mayanda Mega Santoni; Rio Wirawan; Novi Trihastuti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 6, No 2 (2021)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v6i2.2437

Abstract

Proses pemantauan pertumbuhan pohon kelapa sawit merupakan salah satu aspek penting yang menentukan kualitas hasil produksi perkebunan kelapa sawit. Proses ini membutuhkan waktu yang lama dan sangat sulit jika dilakukan oleh manusia. Masa depan kelapa sawit diprediksi akan semakin prospektif dikarenakan kemajuan teknologi yang pesat serta semakin meningkatnya kesadaran manusia akan kelestarian lingkungan. Teknologi penginderaan jauh saat ini banyak dikembangkan di bidang perkebunan dan pertanian, salah satunya adalah dengan teknologi foto udara dan LiDAR. Namun, di Indonesia pemanfaatan teknologi LiDAR untuk pemetaan belum terlalu popular karena terbilang teknologi baru dan banyak komunitas perkebunan yang belum begitu mengenal teknologi tersebut. Fokus penelitian adalah tahapan awal dalam pengembangan sistem monitoring jarak jauh untuk pohon kelapa sawit menggunakan data LiDAR dan foto udara, yaitu pada tahapan klasifikasi. Pekerjaan dilakukan mulai dari proses pengumpulan data dan eksperimen untuk mendapatkan model klasifikasi yang optimal untuk identifikasi pohon kelapa sawit. Data yang digunakan adalah data fusi LiDAR dan foto udara di wilayah perkebunan kelapa sawit di Pontianak, Kalimantan Barat, Indonesia. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN), dengan akurasi tertinggi menggunakan fitur RGB sebesar 98%, akurasi terendah menggunakan fitur LiDAR sebesar 86%, sedangkan dengan penggabungan data fusi LiDAR dan foto udara adalah sebesar 97%.
Klasifikasi Informasi Kesehatan Pada Data Media Sosial Menggunakan Support Vector Machine dan K-Fold Cross Validation Pauzi Ibrahim Nainggolan; Desta Sandya Prasvita; Dhani Syahputra Bukit
Malikussaleh Journal of Mechanical Science Technology Vol 5, No 2 (2021): Malikussaleh Journal of Mechanical Science and Technology
Publisher : Malikussaleh University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjmst.v5i2.6317

Abstract

Media sosial saat ini memberikan informasi yang mampu mempengaruhi masyarakat. Sehingga, kini media sosial memiliki peranan signifikan sebagai sumber rujukan yang baru oleh maysarakat. Informasi kesehatan merupakan informasi yang sering dicari oleh pengguna media sosial. Penderita penyakit mencari informasi melalui media sosial terlebih dahulu sebelum bertemu dengan tenaga kesehatan. Tetapi kebanyakan informasi tidak dapat dipastikan sebagai informasi yang sesuai. Kesalahan terkait informasi kesehatan bisa membahayakan penderita. Ini bermakna, informasi yang terdapat pada media sosial perlu mendapatkan pengesahan pakar atau tenaga kesehatan. Penelitian ini betujuan untuk mengetahui penggunaan media sosial oleh tenaga kesehatan sebagai media konsultasi dan memberikan informasi yang tidak bertentangan dengan etika profesionalisme. Penelitian ini menggunakan teknik kalasifikasi Support Vector Machine (SVM). Validasi klasifikasi data yang diperoleh dilaksanakan menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa penggunaan SVM dalam klasifikasi kesesuaian informasi kesehatan dengan akurasi 70% pada data yang digunakan..
Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet Bobby Kurniadi Widodo; Nur Hafifah Matondang; Desta Sandya Prasvita
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6361

Abstract

Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.
Pengembangan dan Implementasi Aplikasi Mobile Indogalaxy di Kelompok Budidaya Ikan Cambetta Cipulir dan Betta Fish As Desta Sandya Prasvita; James Julian; Zackharia Rialmi; Fitri Wahyuni
Jurnal Abdikom Vol 1 No 1 (2022): JURNAL ABDIKOM
Publisher : Fakultas Ilmu Komputer

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

Abstract

Di awal pandemi Covid-19 tahun 2019, budidaya ikan cupang menjadi tren masyarakat Indonesia. Bisnis ikan cupang juga menjadi sangat menjanjikan pada saat itu. Namun dipertengahan tahun 2021, bisnis ikan cupang mulai meredup dan penjualan ikan cupang pun menurun. Kelompok budidaya Cambetta Cipulir dan Betta Fish As sebagai bagian dari kelompok budidaya ikan cupang di Jakarta menjadi contoh kelompok budidaya ikan cupang yang omset pejualannya menurun drastis hingga 70% ditambah lagi keterbatasan SDM di kelompok budidaya tersebut yang membuat persoalan ini belum terpecahkan. Beberapa penjual ikan cupang mencoba beralih dengan melakukan penjualan di media sosial seperti Facebook dan Instagram, namun munculnya larangan penjualan makhluk hidup dikedua aplikasi tersebut membuat transaksi ikan cupang semakin menurun ditengah pandemi. Solusi yang ditawarkan untuk permasalahan ini adalah dengan pengembangkan aplikasi berbasis android untuk memfasilitasi proses jual beli ikan cupang. Aplikasi ini diberi nama IndoGalaxy, dibuat dengan memperhatikan kemudahan user dalam menggunakan aplikasi, mulai dari pembuatan akun, mengupgrade akun, sampai melakukan jual beli dan lelang ikan cupang. Pada aplikasi ini juga memberikan fitur tambahan untuk jual beli dan lelang ikan cupang dengan video streaming. Agar aplikasi ini dapat digunakan oleh kelompok budidaya ikan cupang, pada pengabdian kepada masyarakat dilakukan juga dilakukan pelatihan khusus untuk menggunakan aplikasi. Hasil yang didapat dari kegiatan pemberdayaan antara lain memperbaiki sistem transaksi penjualan ikan cupang di Indonesia khususnya DKI Jakarta melalui pengembangan aplikasi berbasis android, meningkatkan omset atau pendapatan kelompok budidaya ikan cupang melalui aplikasi android, mengidentifikasi potensi masyarakat khususnya kelompok budidaya ikan cupang sebagai bagian dari upaya peningkatan kualitas SDM, dan mewujudkan konsep inovasi kreatif dalam usaha peningkatan perekonomian masyarakat kelompok budidaya ikan cupang.
Deteksi Pohon Kelapa Sawit dengan Pendekatan Deep Learning pada Citra Multispectral di Indonesia Desta Sandya Prasvita; Mayanda Mega Santoni; Noor Falih
The Indonesian Journal of Computer Science Vol. 13 No. 2 (2024): Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i2.3753

Abstract

Perkebunan kelapa sawit memegang peran penting dalam ekonomi Indonesia, namun masih dihadapkan pada berbagai tantangan, salah satunya adalah tuduhan terkait deforestasi. Solusi untuk menangani permasalahan tersebut adalah dengan memanfaatkan teknologi remote sensing dan computer vision. Penggunaan kedua teknologi ini memungkinkan pemantauan otomatis pohon kelapa sawit dari jarak jauh. Penelitian ini berkontribusi dalam penerapan metode deep learning menggunakan teknologi remote sensing citra multispectral untuk deteksi pohon kelapa sawit. Data yang digunakan dalam penelitian ini juga merupakan data baru yang diperoleh dari perkebunan kelapa sawit di Kalimantan Timur, Indonesia. Metode deep learning berbasis deteksi objek yang digunakan adalah YOLOv5. Sebanyak enam belas model deteksi YOLOv5 dibangun dari kombinasi fitur citra multispectral (RGB, RGN, RBN, dan GBN) dan jaringan YOLOv5 yang berbeda (YOLOv5s, YOLOv5m, YOLOv5l, dan YOLOv5x) pada eksperimen penelitian ini. Model YOLOv5 terbaik untuk mendeteksi pohon kelapa sawit adalah RBN-YOLOv5m, dengan nilai mAP@50, mAP@[0.5,0.95], dan F1-score sebesar 78.3%, 44.9%, dan 81.0%. Kombinasi fitur near-infrared dan red band dapat memberikan informasi mengenai vegetasi sehingga kombinasi tersebut dapat meningkatkan hasil deteksi hanya dengan fitur RGB.
Co-Authors Bobby Kurniadi Widodo Bukit, Dhani Syahputra Fitri Wahyuni James Julian Nainggolan, Pauzi Ibrahim Noor Falih Novi Trihastuti Nur Hafifah Matondang Rio Wirawan Santoni, Mayanda Mega Zackharia Rialmi