Items where Author is "Harsani, Prihastuti"

Bagus Pratama, Harry and Harsani, Prihastuti and Prajuhana Putra, Agung (2024) Virtual Reality Fakultas FMIPA Universitas PAKUAN. Dibawah bimbingan Dr Prihastuti Harsani, M.Si dan Agung Prajuhana Putra, M.Kom Lingkungan kampus mencakup hubungan antara kampus dan masyarakat sekitarnya, termasuk dampak sosial, ekonomi, dan lingkungan yang dimiliki oleh institusi pendidikan tinggi tersebut. Secara keseluruhan, lingkungan kampus adalah ruang tempat mahasiswa belajar, berkembang, dan berinteraksi, serta menciptakan pengalaman yang memengaruhi pertumbuhan pribadi dan akademik mereka. Dalam memperkenalkan lingkungan kampus kepada mahasiswa baru, sangat penting untuk memastikan bahwa mereka dapat mengenalinya sebelum benar-benar memasuki area kampus. Namun, hal ini menjadi tidak efisien terutama bagi mahasiswa yang tinggal jauh karena mereka memerlukan waktu yang cukup lama untuk mengunjungi kampus Universitas Pakuan. Oleh karena itu, penggunaan teknologi Virtual Reality (VR) oleh Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Pakuan dapat membantu mempersingkat proses pengenalan lingkungan kampus dengan cepat dan mudah. Dengan kehadiran teknologi Virtual Reality ini, pengetahuan mahasiswa dapat ditingkatkan serta memperkenalkan pengalaman Virtual Reality dari Universitas Pakuan kepada calon mahasiswa baru. Ini sangat berguna karena seringkali calon mahasiswa baru masih bingung ketika mereka pertama kali berada di lingkungan kampus. Dengan menggunakan Virtual Reality, pemahaman mengenai lokasi jalan dan posisi setiap ruangan serta bangunan di Universitas Pakuan, khususnya gedung MIPA 1 dan MIPA 2, dapat ditingkatkan. Adapun hasil penilaian dari 50 responden terhadap Virtual Reality Fakultas MIPA Universitas Pakuan dengan 30 pertanyaan menunjukkan bahwa secara keseluruhan mencapai 85,54%, dan kategori yang diperoleh adalah "SANGAT LAYAK”, dan Penilaian dari dua ahli multimedia, yaitu Muhammad Iqbaludin dan Wendys Dwi Aprilian, terhadap Virtual Reality dengan menggunakan 15 pertanyaan, menunjukkan nilai sebesar 95,41% dan termasuk dalam kategori "SANGAT LAYAK”. Kata kunci : Virtual Reality Universitas Pakuan. Skripsi thesis, Universitas Pakuan.

Azizan, Muhammad and Harsani, Prihastuti and Herdianto Situmorang, Boldson (2024) RAINFALL PREDICTION MODEL USING MACHINE LEARNING ALGORITHM. Skripsi thesis, Universitas Pakuan.

Andrian, Riki and Harsani, Prihastuti and Prajuhana Putra, Agung (2024) MODEL ROBOT PEMBERI PAKAN IKAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) METODE TSUKAMOTO. Skripsi thesis, Universitas Pakuan.

Hadi, Abdul and Harsani, Prihastuti and Mulyati (2024) PREDIKSI HARGA LUNA CLASSIC (LUNC) DENGAN METODE LONG SHORT TERM MEMORY (LSTM). Skripsi thesis, Universitas Pakuan.

Andra, Andra and Harsani, Prihastuti and Sari Aryani, Andriana (2023) APLIKASI SISTEM PENUNJANG KEPUTUSAN PENENTUAN TEMPAT PEMAKAMAN JENAZAH COVID-19 DENGAN METODE SAW DAN WEB GIS. Skripsi thesis, Universitas Pakuan.

Nasution, Ahmilul Berkah and Harsani, Prihastuti and Prajuhana Putra, Agung (2023) PENGUSIR HAMA BURUNG MENGGUNAKAN SENSOR ULTRASONIC DEVANTECH SR04 PADA PERTANIAN DI KABUPATEN MANDAILING NATAL. Skripsi thesis, Universitas Pakuan.

Wisantra, Candra and Harsani, Prihastuti and Delli Wihartiko, Fajar (2023) Implementasi K-Medoids dan K-means Clustering pada data Steam. Dibawah bimbingan Dr. Prihastuti Harsani, M.Si. dan Dr. Fajar Delli W.,SSI.MM.,M.Kom. Penelitian ini melakukan analisis pada data Steam menggunakan metode K�Means clustering dan K-Medoids, Data yang digunakan dalam penelitian ini diperoleh dari platform Kaggle, Data yang digunakan dalam penelitian ini berupa data informasi game digital pada platform Steam, data Steam ini berisikan 27.075 baris data dan 18 kolom informasi Tujuan dari penelitian ini adalah menerapkan metode K-Means clustering dan K Medoids untuk menganalisis data Steam serta menganalisis perbedaan antara kedua metode tersebut. Data Steam akan masuk ke dalam proses data mining, dalam proses data mining terdiri dari beberapa tahapan seperti preprocessing data, transformation data tujuan dari kedua proses tersebut untuk mempersiapkan data untuk siap diolah menggunakan metode K-Means clustering dan k- medoids, setelah metode K-Means clustering dan K-Medoids telah selesai maka masuk ke proses evaluasi untuk membandingkan metode K-Means dan K-Medoids, metode yang digunakan untuk mengevaluasi yaitu menggunakan metode DBI (Davies-Bouldin Index), setelah evaluasi selesai maka akan masuk ke proses knowledge untuk menarik informasi baru yang diperoleh dari hasil clustering dari metode k means maupun k medoids serta perbedaan dari kedua metode clustering tersebut. Informasi yang didapatkan yaitu menunjukkan bahwa K-Means clustering lebih unggul dalam mengolah data dari platform Steam daripada K-Medoids. Hal ini didapatkan dengan cara membandingkan nilai evaluasi dari kedua metode clustering tersebut K-Means memiliki nilai 0,4644 sedangkan K Medoids memiliki nilai 1,5604, semakin kecil nilai dbi maka semakin bagus hasilnya, selain itu hasil clustering menggunakan K-Means clustering lebih beragam dibandingkan menggunakan K-Medoids yang menunjukan K-Means clustering lebih unggul. Skripsi thesis, Universitas Pakuan.

Maria Ulfa, Kartika and Harsani, Prihastuti and Anggraeni, Irma (2023) IMPLEMENTASI ARTIFICIAL INTELLIGENCE FINITE STATE MACHINE PADA NON PLAYABLE CHARACTER BEHAVIOR DALAM GAME SIMULASI 3D EDUKASI BENCANA ALAM BANJ. Skripsi thesis, Universitas Pakuan.

Alwiantara Pratama, Ihsan and Harsani, Prihastuti and Suriansyah, Muhamad Iqbal (2023) PERBANDINGAN PEMROSESAN KINERJA SERVER RASPBERRY DAN PC UNTUK OPTIMALISASI SMART FARMING BERBASIS IOT Ihsan Alwiantara Pratama1*, Prihastuti Harsani2 , Mohamad Iqbal Suriansyah3 1,2, 3Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan, Universitas Pakuan; Jalan Pakuan Po. Box 452 Bogor 16143; Telepon (0251) 8363 419, Fax (0251) 8356 927. Riwayat artikel: Received: 22 November 2022 Accepted: 29 Desember 2023 Published: 1 Januari 2024 Keywords: Pertanian cerdas, IoT, Monitoring, Raspberry Pi, PC. Corespondent Email: Ihsan.065117161@unpak.ac.i d Abstrak. Tanah sebagai faktor utama dalam hortikultura harus diperhatikan dengan sebaik-baiknya agar dapat memberikan hasil sesuai dengan yang diharapkan. Salah satunya dengan cara memanfaatkan IOT untuk monitoring pada area pertanian. Namun, saat ini masih belum terdapatnya sebuah server khusus untuk dapat menerima dan menampilkan hasil data yang diperoleh serta untuk komunikasi dari beberapa sensor menggunakan modul loRa dalam sistem monitoring dari jarak jauh dengan IOT. Disamping itu, saat ini masih sedikit penelitian yang membandingkan pemrosesan kinerja server raspberry pi dan PC dalam proses implementasi teknologi IOT bidang pertanian. Penelitian ini dilakukan dengan tujuan untuk mengetahui perbandingan pemrosesan kinerja server raspberry pi dan PC yang berguna untuk optimalisasi smart farming berbasis IOT. Metode penelitian yang digunakan pada penelitian ini terdiri dari sepuluh tahapan yaitu: project planning, research, electrical design, parts testing, software design, functional test, mechanical design, integration, overall testing, dan application. Hasil penelitian ini tidak terlihat perbedaan yang signifikan dari hasil waktu rata�rata pemrosesan data dan pengiriman data dengan raspberry pi dan PC. raspberry pi memiliki kecepatan lebih unggul dibandingkan PC dalam pengujian pengiriman data dan PC lebih unggul dalam pemrosesan data. Namun, dari segi bentuk raspberry pi memiliki bentuk yang lebih sederhana, dan segi harga raspberry pi lebih ekonomis dibandingkan dengan PC. Skripsi thesis, Universitas Pakuan.

Dewangga, Aditya and Harsani, Prihastuti and Qur’ania, Arie (2023) SISTEM REKOMENDASI PEMILIHAN INDUK ITIK MOJOSARI DENGAN METODE PROMETHEE II BERBASIS WEB. Skripsi thesis, Universitas Pakuan.

Malik, Sayuti and Harsani, Prihastuti and Sari Aryani, Andriana (2023) SISTEM INFORMASI GEOGRAFIS PENGELOMPOKAN TINGKAT KRIMINALITAS KOTA MALANG MENGGUNAKAN METODE K-MEANS. Skripsi thesis, Universitas Pakuan.

Ahmad Farhan, Ahmad Farhan and Harsani, Prihastuti and Andini, Siska (2023) Sistem Rekomendasi Saluran Youtube Edukasi Secara Semantik Menggunakan Neural Network Word Embeddings. Skripsi thesis, Universitas Pakuan.

Fadila Hidayat, Ikhsan and Harsani, Prihastuti and Anggraeni, Irma (2022) KLASIFIKASI GAMBAR ALAT MUSIK TRADISIONAL JAWA BARAT BERBASIS ANDROID MENGGUNAKAN LIBRARY TENSORFLOW LITE. Skripsi thesis, Universitas Pakuan.

Perdana, Aditya and Harsani, Prihastuti and H.S, Boldson (2022) SISTEM INFORMASI SEKOLAH BERBASIS WEB (STUDI KASUS : SMK TARUNA TERPADU 1 BOGOR). Skripsi thesis, Universitas Pakuan.

Naufal, Hilman and Harsani, Prihastuti and Herdianto Situmorang, Boldson (2021) ANALISIS SENTIMEN MASYARAKAT TERHADAP VAKSIN COVID-19 MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DENGAN LONG-SHORT TERM MEMORY. Skripsi thesis, Universitas Pakuan.

Inez Sayfira, Mega and Harsani, Prihastuti and Maryana, Harsani (2021) PEMODELAN KATEGORISASI PRODUK APPAREL PADA MARKETPLACE DENGAN MACHINE LEARNING. Skripsi thesis, Universitas Pakuan.

Nur Alya, Nisrina and Harsani, Prihastuti and Qur’ania, Arie (2021) IMPLEMENTASI METODE LOGIKA FUZZY DAN JARINGAN SYARAF TIRUAN PERCEPTRON PADA KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT BERBASIS WEB. Skripsi thesis, Universitas Pakuan.

Jan Febry, Andre and Harsani, Prihastuti and Maesya, Aries (2021) PENERAPAN ALGORITMA K-MEANS DAN K-MEDIANS UNTUK PENENTUAN ROLE HERO YANG COCOK BAGI PEMAIN MOBILE LEGEND. Skripsi thesis, Universitas Pakuan.

Ramandnai, Dandi and Harsani, Prihastuti and Mulyati (2021) PENERAPAN TEKNOLOGI AUGMENTED REALITY PADA MEDIA PEMBELAJARAN HURUF ALFABET BAHASA ISYARAT. Skripsi thesis, Universitas Pakuan.

Danar Rahadi, Fajar and Harsani, Prihastuti and Qurania, Arie (2021) SISTEM PENDUKUNG KEPUTUSAN DALAM PERANGKINGAN PEGAWAI TELADAN BERDASARKAN PENILAIAN KINERJA MENGGUNAKAN METODE VIKOR. Skripsi thesis, Universitas Pakuan.

Putra Mauludy, Luthfi and Harsani, Prihastuti and H.S, Boldson (2021) SISTEM TEMU KEMBALI INFORMASI MENGGUNAKAN METODE LATENT SEMANTIC INDEXING PADA APLIKASI PENCARIAN E-JOURNAL ILMU KOMPUTER BERBAHASA INDONESIA. Skripsi thesis, Universitas Pakuan.

Faturahman, Farid and Harsani, Prihastuti and Anggraeni, Irma (2021) IMPLEMENTASI ASSOCIATION RULE UNTUK ANALISIS POLA PEMBELIAN KONSUMEN MENGGUNAKAN STRUKTUR FP-TREE DAN ALGORITMA FP-GROWTH. Skripsi thesis, Universitas Pakuan.

Dani Fahriza, Lutfi and Harsani, Prihastuti and Erniyati (2021) ANALISIS SENTIMEN PELAYANAN HOTEL BINTANG LIMA MENGGUNAKAN METODE TOPIC MODELLING LATENT DIRICHLECT ALLOCATION DAN SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pakuan.

Pandu Prasetya, Ryan and Harsani, Prihastuti and Herdianto, Boldson (2021) KOMPARASI METODE WEIGHTED PRODUCT, MULTIFACTOR EVALUATION PROCESS, SIMPLE ADDITIVE WEIGHTING DAN TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SOFTWARE LEARNING MANAGEMENT SYSTEM. Skripsi thesis, Universitas Pakuan.

Herlambang, Gustian and Harsani, Prihastuti and Qur'ania, Arie (2020) KLASIFIKASI PRODUK FASHION PADA E–COMMERCE MENGGUNAKAN METODE DEEP LEARNING. Skripsi thesis, Universitas Pakuan.

Rasyiidin, Aziiz and Harsani, Prihastuti and Kartika Utami, Dian (2020) IMPLEMENTASI CASE BASED REASONING UNTUK IDENTIFIKASI JAMUR BERACUN DARI FAMILI AGARICUS DAN LEPIOTA MENGGUNAKAN ALGORITMA EUCLIDEAN DISTANCE. Skripsi thesis, Universitas Pakuan.

Rahmat Ariefiyanto, Tri and Harsani, Prihastuti and Delli Wihartiko, Fajar (2019) PEMANFAATAN TEKNOLOGI OPTICAL CHARACTER RECOGNITION (OCR) DALAM MENTERJEMAHKAN BAHASA ARAB KEDALAM BAHASA INDONESIA BERBASIS ANDROID. Jurnal thesis, Universitas Pakuan.

Wahyudini, Dede and Harsani, Prihastuti and Sari Aryana, Adriana (2019) SISTEM REKOMENDASI BUKU MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Pakuan.

M.Lutfi and Harsani, Prihastuti and Qur’ania, Arie (2019) IMPLEMENTASI REKOMENDASI TREND FASHION MENGGUNAKAN DECISION TREE DAN CLUSTERING. Skripsi thesis, Universitas Pakuan.

Nurul Kilah, Fany Syafira and Harsani, Prihastuti and Anggraeni, Irma (2019) ANALISIS SENTIMEN MASYARAKAT TERHADAP PESERTA PEMILU PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PERBANDINGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pakuan.

Irwansyah,, Andri and Harsani, Prihastuti and Qur’ania, Arie (2019) Andri Irwansyah, Prihastuti Harsani1dan Arie Qur’ania. Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan, Bogor, Indonesia. Skripsi thesis, Universitas Pakuan.

Bahtiar, Kiki Pajar and Harsani, Prihastuti and Delly, Fajar (2019) IMPLEMENTASI MODEL LEARNING VECTOR QUANTIZATION (LVQ) UNTUK MENENTUKAN KELAYAKAN PADA SELEKSI PEMILIHAN CALON FINALIS MOJANG DAN JAJAKA KOTA BOGOR (Studi Kasus: Dinas Kebudayaan dan Pariwisata Kota Bogor). Skripsi thesis, Universitas Pakuan.

Cahya Pratami, Alfrinda and Harsani, Prihastuti and Qur’ani, Arie (2019) PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK MENDETEKSI DINI PENYAKIT HEPATITIS. Skripsi thesis, Universitas Pakuan.