https://journal.umpo.ac.id/index.php/JRTK/issue/feedJurnal Rekayasa Teknologi dan Komputasi2023-03-01T13:55:46+07:00Arief Rahman Yusufyusuf@umpo.ac.idOpen Journal Systems<p>Jurnal Rekayasa Teknologi dan Komputasi adalah jurnal teknologi yang diterbitkan oleh Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo. Jurnal ini menerbitkan penelitian-penelitian empiris tentang </p><ul><li>Rekayasa Perangkat Lunak</li><li>Sistem Informasi</li><li>Jaringan dan Keamanan Komputer</li><li>Pengolahan Citra</li><li>Sistem Pendukung Keputusan (SPK)</li><li>Sistem Pakar</li><li>Kecerdasan Buatan</li></ul>https://journal.umpo.ac.id/index.php/JRTK/article/view/6430PREDIKSI HARGA CABAI MENGGUNAKAN FUZZY TIME SERIES MODEL CHEN2023-02-28T11:14:19+07:00Utin Lenisautinleni41@gmail.comSugianti Sugiantisugianti@umpo.ac.idIndah Puji Astutiindah@umpo.ac.id<p><em>Cabai rawit (Capsicum frutescens L.) merupakan salah satu tanaman hortikultura </em><em>yang berperan penting dalam pengolahan makanan. Cita rasa yang pedas sangat disukai </em><em>masyarakat Ponorogo, </em><em>utamanya kuliner bagi kaum muda. C</em><em>abai rawit merupakan </em><em>bahan </em><em>makanan yang selalu tersedia untuk masakan sehari-hari maupun untuk industri rumah makan. </em><em>Harga cabai rawit yang fluktuatif memaksa pengusaha rumah makan untuk menyusun strategi penjualan. Fuzzy Time Series merupakan metode penelitian yang mendasar pada data-data di masa lampau untuk melakukan prediksi di masa mendatang. P</em><em>enelitian ini dilakukan untuk memprediksi harga cabai berdasarkan data harga cabai tahun 2018-2020 dengan menggunakan Fuzzy Time Series model Chen</em><em> dan</em><em> menghasilkan tingkat akurasi nilai MAPE sebesar 16,40%. Hasil pengujian sistem dengan metode blackbox memberikan hasil </em><em>sesuai</em><em> yang diharapkan, sedangkan pengujian algoritma dengan model performance menunjukkan hasil sebesar 0,0011% dengan sampel tahun 2018-2020. Keluaran dari penelitian ini adalah sebuah aplikasi prediksi harga cabai berbasis web. </em><em>Keluaran</em><em> mampu memberikan hasil prediksi dengan menggunakan model Chen Fuzzy Time Series terbaik berdasarkan urutan tahun 2018-2020. </em><em>Kesimpulan dari penelitian ini adalah </em><em>algoritma Chen model fuzzy times series merupakan metode yang cocok untuk memprediksi harga cabai rawit.</em></p>2023-01-26T13:44:56+07:00Copyright (c) 2022 Jurnal Rekayasa Teknologi dan Komputasihttps://journal.umpo.ac.id/index.php/JRTK/article/view/6441PERANCANGAN SISTEM PAKAR UNTUK IDENTIFIKASI AWAL PENYAKIT PADA BURUNG PERKUTUT BERBASIS WEB2023-03-01T13:55:46+07:00Indah Puji Astutiindahpujiastuti0912@gmail.comRisna Puspita Saririsnapuspita008@gmail.comGhulam Asrofi Buntoroghulam@umpo.ac.id<p><em>Turtledove belongs to a species of bird in the Columbidae tribe (pigeons) of the Geopelia genus which has a beautiful and unique sound. Turtledoves are also included in the type of birds that are rarely sick and easy to care for, but do not rule out the possibility of being immune to disease. Many bird breeders/hobbyists only know the types of diseases suffered by birds in general, even though there are still several diseases with symptoms that are almost the same as turtle turtles in general. Therefore, there is need solutions that are an expert system for identify diseases in birds and how to overcome these bird diseases. In this study, it provides a solution to identify diseases in turtle doves and their web-based treatment. The system development method uses the ESDLC method with stages of assessment, knowledge acquisition, design and testing. Testing on the system using black box testing. In the object taken there are data as many as 12 diseases and 35 symptoms. According to the results of black box testing, it shows that the system is running according to its function.</em></p><p><strong><em><br /></em></strong></p><p><strong><em>K</em></strong><strong><em>eywords</em></strong><em>:</em><em> </em><em>ESDLC, Expert System, Turtledoves</em></p>2023-01-26T00:00:00+07:00Copyright (c) 2023 Jurnal Rekayasa Teknologi dan Komputasihttps://journal.umpo.ac.id/index.php/JRTK/article/view/6454PENERAPAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) PADA KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN2023-02-28T11:10:18+07:00Khoiru Nurfitrikhoiru@umpo.ac.idDanu Arya Pradanadanu@gmail.comIda Widaningrumidaw@umpo.ac.id<p id="docs-internal-guid-2d6c3963-7fff-ade7-79ae-dac40dcca402" dir="ltr"><span>Jamur atau dalam bahasa lain di sebut dengan fungi banyak berkembang di negara beriklim tropis yang mempunya suhu yang lembab, jamur sendiri banyak di temukan di tumpukan kayu yang lapuk, tempat sampah,dan tempat-tempat yang sekiranya lembab.Jamur memiliki jenis yang begitu banyak, dari banyak nya jenis jamur tersebut sebagian jamur ada yang bermanfaat untuk pangan dan obat ada juga yang beracun, banyaknya jenis jamur tersebut terkadang masih banyak yang sulit membedakan, dari ciri-ciri jamur, seperti ukuran, warna, serta bentuk dari tudung dan tangkai merupakan ciri penting dalam pengenalan jenis jamur ,namun untuk membedakan mana yang beracun dan tidak pun harus dengan penelitian lebih dalam, sehingga dibutuhkan sebuah klasifikasi jenis jamur yang beracun dan tidak beracun dimana hasil pengkasifikasian tersebut adalah sebuah informasi jenis jamur dan beracun atau tidak nya jamur tersebut untuk membantu pengenalan lebih lanjut tentang jenis jamur tersebut .dalam metode klasifikasi jenis jamur menggunakan metode algoritma Principal Component Analysis (PCA) dan K-nearest neighbors (KNN) sistem nantinya akan mengekstak fitur warna dan bentuk untuk mengambil sebuah ciri kusus dari jenis-jenis jamur dan di klasifikasi dengan KNN .berdasarkan pengujian akurasi klasifikasi menggunakan Algoaritma Principal Component Analysis (PCA) dan K-nearest neighbors (KNN) dari 25 data uji mendapatkan prosentase 92% </span></p>2022-12-26T00:00:00+07:00Copyright (c) 2023 Jurnal Rekayasa Teknologi dan Komputasi