Perancangan Sistem Informasi Kelompok Tani Menggunakan Design User Interface Dan User Experience Dengan Metode User Centered Design
Abstract
Kelompok tani desa klambir lima kebun merupakan sekumpulan petani/peternak/pekebun yang dibentuk atas dasar kesamaan kondisi lingkungan dan keakraban untuk peningkatan pengembangan usaha. Kelompok tani bertujuan untuk membentuk salah satu kelembagaan pertanian yang berperan penting dan menjadi ujung tombak dalam pembangunan pertanian. Penelitian ini bertujuan untuk membangun sebuah perancangan website kelompok tani berdasarkan design user interface dan user experience yang sudah responsive terhadap tampilan mobile, sehingga dengan adanya perancangan ini dapat membangun sebuah website kelompok tani berdasarkan uji usability dari anggota kelompok tani di desa klambir lima kebun. Proses kegiatan dari kelompok tani di desa klambir lima kebun masih menggunakan sistem secara manual sehingga mengakibatkan banyak kegiatan dari kelompok tani yang tidak diketahui oleh masyarakat luar, hasil dari penelitian ini dapat terciptanya sebuah design website kelompok tani yang dapat membantu dalam proses mengembangkan dan menyebar luaskan kegiatan kepada masyarakat luas, sehingga kelompok tani pada desa klambir lima kebun dapat berkembang dengan baik.
References
Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Mohamed, N. A., & Arshad, H. (2018). State-of-the-art in artificial neural network applications: A survey. Heliyon, 4(11), e00938.
Bermejo, J. F. (2019). A review of the use of artificial neural network models for energy and reliability prediction. A study of the solar PV, hydraulic and wind energy sources. IEEE Transactions on Neural Networks, 3-20.
Bilgili, M. (2010). Comparative analysis of regression and artificial neural network models for wind speed prediction. Meteorology and Atmospheric Physics, 61-72.
Fadhli, F., & Syahputra, I. (2019). Identifikasi Potensi Pembangkit Listrik Tenaga Hybrid (PLTH) Angin dan Surya di Kabupaten Aceh Besar. Jurnal Teknik Sipil Unaya, 5(2), 87-95.
Giebel, S. M. (2013). Simulation and prediction of wind speeds: Aneural network for weibull. Journal of the Iranian Statistical Society, 293-320.
Kılıç, F. (2022). Forecasting the Electricity Capacity and Electricity Generation Values of Wind &Solar Energy with Artificial Neural Networks Approach: The Case of Germany. Applied Artificial Intelligence, 3-18.
Kusumodestoni, R. H. (2015). Prediksi kecepatan angin dengan model neural network. Prediksi, 7.
Saputra, H. (2022). Analisa Potensi Energi Angin Di Pantai Lhong Kabupaten Aceh Besar Menggunakan Distribusi Weibull. VOCATECH: Vocational Education and Technology Journal, 4(1), 56-64.
Sary, R., Syuhada, A., & Zulfadli, T. (2022). Analysis of Wind Energy Potential as A Hybrid Power Plant in Banda Aceh and Surrounding Areas. Jurnal Polimesin, 20(1), 36-41.
Vamsidhar, E. (2010). Prediction of Rainfall Using Backpropagation Neural Network Model. International Journal on Computer Science and Engineering, 1119-1121.
Zhang, W. W. (2021). Robust superhydrophobicity: mechanisms and strategies. Chemical Society Reviews. Chemical Society Reviews, 246-250.
