Kentang merupakan komoditi sayuran yang terbesar di Indonesia. Indonesia merupakan negara agraris yang merupakan wilayah yang sangat baik untuk pertanian. Sebagai negara agraris tentunya harus memiliki hasil panen yang baik dan besar terutama untuk tanaman kentang. Karena tanaman kentang merupakan komoditi yang sangat banyak dicari oleh konsumen. Teknologi informasi semakin hari semakin berkembang, tidak hanya didunia bisnis tetapi sudah masuk ke segala aspek kehidupan manusia baik itu bidang pendidikan, pemerintahan dan juga pertanian. Pemanfaatan teknologi sangat membantu dalam menyelesaikan pekerjaan dan pengambilan keputusan. Sistem pakar dapat merepresentasikan pengetahuan yang dimiliki oleh pakar/ahli kemudian dimasukkan kedalam komputersehingga akan menghasilkan komputer yang memiliki pengetahuan seperti pakar/ahli. Metode yang digunakan untuk perancangan sistem pakar ini adalah forward chaining yaitu suatu metode penalaran kedepan yang menjadikan fakta-fakta sebagai representasi pengetahuan untuk mendapatkan kesimpulan. Gejala-gejala peyakit yang ada pada tanaman kentang dikombinasikan dengan kaidah produksi IF-THEN yang terdiri dari premis dan konsekuen sehingga menghasilkan konklusi yang tepat.

<p class="Abstrak">Proses pengintegrasian keilmuan di lingkungan Perguruan Tinggi Keagamaan Islam (PTKI) sejauh ini baru mencoba memperluas kajian ilmu-ilmu keislaman dengan mencoba mengaitkannya dengan ilmu-ilmu sains, dengan harapan dapat menghilangkan batasan antar ilmu keislaman dan sains. Akan tetapi, proses pengintegrasian memiliki banyak dimensi untuk dikaji, terutama yang berkaitan dengan faktor kesiapan sumber daya manusia di Perguruan Tinggi yang memiliki pengetahuan dan bersedia membagikan pengetahuannya tersebut, guna mendukung ketercapaian proses pengintegrasian keilmuan di PTKI. Salah satu cara terpenting yang bisa dilakukan untuk mengatasi persoalan tersebut adalah dengan menerapkan metode <em>knowledge sharing</em>. Penelitian ini bertujuan menemukan faktor-faktor yang mempengaruhi keinginan berbagi pengetahuan antar Dosen PTKI, dengan sampel penelitian adalah UIN Ar-Raniry dan STAIN Tengku Dirundeng. Penelitian ini menggunakan pendekatan PLS-SEM dengan tipikal penelitian <em>comfirmatory</em>. Sementara itu, pengujian terdiri atas empat jenis, yakni: evaluasi <em>outer model</em> (model pengukuran), evaluasi <em>inner model</em> (model struktural), evaluasi <em>quality</em> <em>indexes</em>, dan pengujian hipotesis. Untuk pengujian hipotesis, digunakan uji <em>T-Statistic</em> dengan nilai <em>T-Value</em> sebesar 1,96 dan <em>alpha</em> 5% (0,05). Setelah dilakukan pengujian, ditemukan bahwa, dari enam konstruk laten tersebut, hanya konstruk laten Motivasi (MT) yang berpengaruh positif terhadap keinginan berbagi pengetahuan di kalangan Tenaga Pendidik UIN Ar-Raniry dan STAIN Tengku Dirundeng, dengan nilai 5,135. Sementara itu, besaran pengaruh konstruk laten <em>knowledge sharing</em> (KS) terhadap empat konstruk laten baru yakni: Sinergisitas (SI), komunikasi (KM), Inovasi (IN), dan Efektivitas (EF) memiliki pengaruh positif, dengan rincian nilai: KS terhadap SI 10,566, KS terhadap KM 11,333, KS terhadap IN 14,274, dan KS terhadap EF 7,338.</p><p class="Abstrak"> </p><p class="Abstrak"><em><strong>Abstract</strong></em></p><p class="Abstract"><em>The process of integrating science within the Perguruan Tinggi Keagamaan Islam (PTKI) has only tried to expand the study of Islamic science by trying to relate it to the sciences, with the hope of removing the boundaries between Islamic and scientific sciences. However, integration has many dimensions to study, especially those related to the readiness of human resources in tertiary institutions that have a process and are willing to share their knowledge, to support the achievement of the scientific integration process at PTKI. One of the most important ways that can be done to overcome this problem is by applying knowledge-sharing methods. This study aims to find the factors that influence the desire to share knowledge among PTKI lecturers, with the research samples being UIN Ar-Raniry and STAIN Tengku Dirundeng. This study used a PLS-SEM approach with a typical confirmatory study. Meanwhile, there are four types of evaluation testing, namely external model evaluation, evaluation model evaluation, quality index evaluation, and hypothesis testing. To test the hypothesis, the T-Statistic test was used with a T-value of 1.96 and an alpha of 5% (0.05). After testing, it was found that, of the six latent constructs, only the latent Motivation (MT) construct had a positive effect on the desire to share knowledge among the Educators of UIN Ar-Raniry and STAIN Tengku Dirundeng, with a value of 5.135. Meanwhile, the magnitude of the influence of the latent knowledge sharing (KS) construct on the four new variables, namely: Synergy (SI), communication (KM), Innovation (IN), and Effectiveness (EF) has a positive effect, with the breakdown of the value: KS to SI 10,566. KS against KM 11.333, KS against IN 14.274, and KS against EF 7.338.</em></p><p class="Abstrak"><em><strong><br /></strong></em></p>

The use of information technology has been widely encountered in our daily life. Not only to process data, to record tools but also to identify and recognize human characteristics. This is called biometric technology. This technology identifies the unique and permanent parts of the human body such as fingerprints, eyes, and the shape of the human face. To identify and recognize human faces, use facial image processing and analysis, such as determining the component regions of the human face and their characteristics. Splitting the face image into facial components, then extracting it into the features of the eyes, nose, mouth, and chin. The distance between each component is measured, then combined with other features to form facial semantics. The face can be categorized into the T Zone which consists of the forehead, eyes, nose and mouth. Eyes, nose, and mouth are the most unique facial components for facial recognition because they have unique facial recognition features. For the distance of the eye and mouth triangle feature, J1 – J3 shows that there are 140 unique data with the percentage value is 93.33%. The feature distance J4 – J6 also shows that there are 126 unique face images with a percentage value of 85%. Keyword: face image, eiginfaces, image extraction, face recognition.

Cara pemilihan umum, baik dalam aspek teknis maupun pelaksanaannya, masih mengandalkan metode manual yang dianggap lambat dan rumit. Hal ini disebabkan oleh kebutuhan pemilih untuk membawa undangan fisik, yang memaksa panitia pemilu untuk memverifikasi data secara individu. Oleh karena itu, penulis mengusulkan penggunaan metode pemilihan umum elektronik (E-Voting) yang menggunakan pengenalan wajah (face recognition). Metode yang digunakan dalam penelitian ini melibatkan Histogram oriented gradient (HoG) dan Convolutional Neural Network (CNN). Sampel penelitian terdiri dari 32 relawan. Proses pengujian dilakukan melalui simulasi untuk membandingkan waktu yang diperlukan antara metode manual dan metode E-Voting yang menerapkan HoG dan CNN. Hasil pengujian simulasi menunjukkan bahwa rata-rata waktu yang dibutuhkan oleh metode manual adalah 41.03 detik, sementara rata-rata waktu yang dibutuhkan oleh metode pengenalan wajah adalah 22.13 detik. Berdasarkan angka tersebut, sistem E-Voting yang menerapkan pengenalan wajah berhasil mempercepat proses pemilihan sebesar 46.06%.