Articles

Found 35 Documents
Search

DIAGNOSIS GANGGUAN SISTEM URINARI PADA ANJING DAN KUCING MENGGUNAKAN VFI 5 Buono, Agus; Ramdhany, Dhany Nugraha; Kustiyo, Aziz; Handharyani, Ekowati
Jurnal Ilmu Komputer dan Informasi Vol 2, No 2 (2009): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information)
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.455 KB) | DOI: 10.21609/jiki.v2i2.131

Abstract

Sistem urinari hewan dapat dibagi menjadi 2 bagian yaitu sistem urinari bagian atas dan sistem urinari bagian bawah. Ginjal yang merupakan bagian dari sistem urinari memiliki 2 fungsi penting, yaitu filtrasi dan reabsorpsi. Dalam mendiagnosis penyakit yang diderita hewan pada sistem urinarinya terdapat beberapa kendala. Pada penelitian ini, dikembangkan model untuk mendiagnosis gangguan sistem urinari pada anjing dan kucing dengan menggunakan algoritma VFI 5 berdasarkan gejala klinis (terdapat 37 feature) dan pemeriksaan laboratorium (39 feature). Percobaan dilakukan baik pada feature gejala klinis dan juga pada feature pemeriksaan laboratorium. Hasil pengamatan yang dilakukan menunjukkan bahwa akurasi rata-rata sebesar 77,38% untuk percobaan dengan feature gejala klinis, dan 86,31% untuk percobaan dengan feature pemeriksaan laboratorium. Peningkatan ini mengindikasikan bahwa dalam mendiagnosis penyakit dalam sistem urinari, pemeriksaan laboratorium masih sangat dibutuhkan dalam menentukan hasil diagnosis suatu penyakit.
PENGEMBANGAN SISTEM PAKAR IDENTIFIKASI AWAL PENYAKIT KEDELAI DENGAN PENDEKATAN NAïVE BAYES BERBASIS ANDROID Astuti, Indah Puji; Hermadi, Irman; Buono, Agus; Mutaqin, Kikin H.
Jurnal Pustakawan Indonesia Vol. 14 No. 2 (2015): Jurnal Pustakawan Indonesia
Publisher : Perpustakaan IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (864.717 KB)

Abstract

Pengidentifikasian penyakit kedelai secara dini menjadi salah satu cara untuk meningkatan angka produktifitas kedelai. Jumlah pakar penyakit kedelai yang masih relatif sedikit apalagi di daerah pedesaan membuat ketergantungan atas keberadaan seorang pakar penyakit kedelai sangatlah tinggi terutama bagi para pemula di bidang pertanian. Suatu sistem pakar menjadi salah satu solusi yang dapat dijadikan sarana untuk berkonsultasi tentang penyakit kedelai layaknya seorang pakar. Sistem yang diimplementasikan dalam basis Android akan lebih mudah digunakan di manapun dan kapanpun tanpa harus bertemu dengan pakar karena kesempatan dan waktu pakar yang tidak mudah untuk ditemui setiap saat. Tujuan penelitian ini adalah untuk mengembangkan sistem pakar identifikasi awal penyakit kedelai dengan mengadopsi metode Expert System Development Life Cycle (ESDLC) untuk tahapan pengembangan sistem dan pendekatan Naïve Bayes sebagai metode inferensinya. Hasil penelitian ini berupa prototype sistem pakar XSIDS yang terdiri dari enam modul utama yaitu modul pengetahuan tentang kedelai, kebijakan pemerintah, konsultasi, tentang kami, tentang XSIDS dan note.Kata Kunci : Android, ESDLC, Naïve Bayes, Sistem Pakar, Penyakit Tanaman Kedelai
PERANCANGAN PROTOTIPE SISTEM MANAJEMEN PENGETAHUAN ANTAR UNIVERSITAS (STUDI KASUS IPB DAN UNPAK) Ibrahim, Firmansyah; Hermadi, Irman; Buono, Agus
Jurnal Pustakawan Indonesia Vol. 14 No. 2 (2015): Jurnal Pustakawan Indonesia
Publisher : Perpustakaan IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (525.982 KB)

Abstract

The rapid development of knowledge encourages universities to collaborate on their knowledge in specific expertise field to create an equitable distribution of knowledge. Program of computer science at Bogor Agriculture University (IPB) is a superior expertise in the field of agriculture while Pakuan University (UNPAK) is superior expertise in the field of electronics. The aim of this study was to design a prototype of knowledge management system as the knowledge sharing for learning of inter-universities using Knowledge Management System Life Cycle (KMSLC) method. The study result was Joomla one kind of Content Management System (CMS) can be used to share knowledge in the form of discussion forums and combining various info from IPB and UNPAK in one interface including news, announcements, agenda, and social media. This CMS also collaborate with applications Electronic Learning System (ELS) Moodle and Hyper Text Markup Language (HTML). ELS Moodle serves as an application in learning of inter-university with the single sign concept which was run in a single interface, while HTML serves as a search engine knowledge by generating external link that combines 2 KMS from IPB and UNPAK into one interface. The conclusion was the knowledge sharing for learning of inter-university can be done with the design of knowledge management system through collaboration three different systems.Keywords: CMS Joomla, ELS Moodle, HTML search engine, KMSLC, Knowledge Management Systems, Prototype 
IDENTIFIKASI CAMPURAN NADA PADA SUARA PIANO MENGGUNAKAN CODEBOOK Fruandta, Ade; Buono, Agus
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2011
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

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

Abstract

Pada paper ini disajikan teknik pengenalan nada, baik sebagai nada tunggal maupun nada campuran dengan menggunakan mel-frequency cepstrum coefficients (MFCC) sebagai ekstraksi ciri dan pemodelancodebook untuk pengenal pola. Suara yang dpergunakan adalah suara piano dan dikenali 12 nada tunggal dan 66 nada campuran yang disample dengan 11 kHz pada durasi 1 detik. Pembuatan codebook dilakukan secara bertahap, yaitu codebook jumlah campuran dan codebook nada (tunggal dan campuran) yang dikembangkan dengan menggunakan teknik pengklasteran. Hasil percobaan menunjukkan bahwa jumlah codeword yang optimum adalah 20 dengan lebar frame 256 data, dengan akurasi 98.2%. Namun demikian, ada beberapa nada yang sulit dikenali, yaitu CC#, CD, CF, dan A#B yang memiliki akurasi masing-masing di bawah 50%. Untuk nada CC# lebih sering dikenali nada C, untuk nada CD lebih sering lebih sering dikenali dengan nada C#, untuk nada CF lebih sering dikenali dengan nada C# dan CF#, sedangkan untuk nada A#B lebih sering dikenali dengan nada A#. Kesalahan dalam pengenalan ini dikarenakan nada-nada tersebut berada dalam klaster yangsama sehingga jarak nada-nada tersebut saling berdekatan.
PEMODELAN JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK KONVERSI SUARA GITAR KE CORD Nurhayati, Yosi; Buono, Agus
Proceedings of KNASTIK 2013
Publisher : Duta Wacana Christian University

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

Abstract

The guitar is a musical instrument that has a chord as a reference tone. It is a fact that is not all human auditory system can distinguish between high and low tones of a musical instrument in good accurate. Then, in this research we develop a voice guitar to cord conversion using resilient backproagation neural network (RBNN) as to classifier and Mel Frequency Cepstrum Coefficient (MFCC) as feature extraction. We record 345 for each cord (totally we have 8640 recording data with WAV format). Experiments are conducted for some number of cepstral coefficients (13, 26, and 39), with 100 millisecond as time frame and 40% overlapping between successive frame. Total number of hidden neurons in RBNN model in this experiments are 10, 25, 50 and 100. According to the experiment, the maximum accuracy is 96.88% for 52 number of cepstral coefficients and 100 neurons hidden.
PEMODELAN DOWNSCALING LUARAN GCM DAN ANOMALI SST NINO 3.4 MENGGUNAKAN SUPPORT VECTOR REGRESSION (STUDI KASUS CURAH HUJAN BULANAN INDRAMAYU) Maesya, Aries; Buono, Agus; Mushthofa, Mushthofa
Proceedings of KNASTIK 2012
Publisher : Duta Wacana Christian University

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

Abstract

anomaly Nino 3.4 as input in the training to predict a rainfall monthly in Indramayu.The techniques of a downscaling is used for a phenomenon indicators of El Nino andSouthern Oscillation (ENSO) climate anomaly such as a Global Circulation Model(GCM) and Sea Surface Temperature (SST) nino 3.4 are commonly used as a primarystudy learn and understand the climate system. This research propose a method fordeveloping a downscaling model GCM output and SST anomaly Nino 3.4 by usingSupport Vector Regression (SVR). The research result showed that GCM output andSST anomaly Nino 3.4 can be approach the average value of monthly rainfall. The bestresult of prediction is Bondan station which has average correlation that is 0.700.
PEMODELAN PROBABILISTIK NEURAL NETWORK UNTUK KONVERSI SUARA GITAR KE CORD Rizki, Arviani; Buono, Agus
Proceedings of KNASTIK 2013
Publisher : Duta Wacana Christian University

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

Abstract

Almost allmusic genreuse guitaras its instrument.Toproducea harmonicguitarvoice needs guitar chords mastery. However, only few peopleareable todistinguish guitar chords. This paper is addressed to develop a computational model to convert guitar voice into appropriate cord. In this research, we use Mel Frequency Cepstrum Coefficient (MFCC) as feature extraction because thistechniqueis oftenusedfor voice processing and good enough in presenting thecharacteristics ofasignal voice. Probabilistic Neural Network (PNN) is implemented to classify the feature into one out of 24 classes of cord. We record 345 for each cord (totally we have 8640 recording data with WAV format). Experimenst are conducted for some number of cepstral coefficients (13, 26, 39 and 52), with 100 millisecond as time frame and 40% overlapping between successive frame. According to the experiment, the maximum accuracy is 94.31% for 52 number of cepstral coefficients.
DOWNSCALING MODELING USING SUPPORT VECTOR REGRESSION FOR RAINFALL PREDICTION Sanusi, Sanusi; Buono, Agus; S Sitanggang, Imas; Faqih, Akhmad
Indonesian Journal of Electrical Engineering and Computer Science Vol 12, No 8: August 2014
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijeecs.v12.i8.pp6423-6430

Abstract

Statistical downscaling is an effort to link global scale to local scale variable. It uses GCM model which usually used as a prime instrument in learning system of various climate. The purpose of this study is as a SD model by using SVR in order to predict the rainfall in dry season; a case study at Indramayu. Through the model of SD, SVR is created with linear kernel and RBF kernel. The results showed that the GCM models can be used to predict rainfall in the dry season. The best SVR model is obtained at Cikedung rain station in a linear kernel function with correlation 0.744 and RMSE 23.937, while the minimum prediction result is gained at Cidempet rain station with correlation 0.401 and RMSE 36.964. This accuracy is still not high, the selection of parameter values for each kernel function need to be done with other optimization techniques.
ANALISIS HUBUNGAN CURAH HUJAN DENGAN KEJADIAN BANJIR DAN KEKERINGAN PADA WILAYAH DENGAN SISTIM USAHATANI BERBASIS PADI DI PROPINSI JAWA BARAT (ANALYSIS OF RELATIONSHIP BETWEEN RAINFALL AND FLOOD AS WELL AS DROUGHT EVENTS ON AREA WITH RICE ... Estiningtyas, Woro; Boer, Rizaldi; Buono, Agus
Agromet Vol. 23 No. 1 (2009): June 2009
Publisher : PERHIMPI (Indonesian Association of Agricultural Meteorology)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (907.083 KB) | DOI: 10.29244/j.agromet.23.1.11-19

Abstract

There are significantly decreasing of rainfall in wet season and dry season, and changed in onset of early season, that all of them can make crouded in plan of planting date, field actifity especially for food crops africulture. In the other side, climate is one of condition that has been ready and can not change, where probability of climate change will be reality that should be happened every time. Increasing frequency of climate extrem will give high impact in agriculture, especialy in rice-based farming system. This paper describes the climate risk based on statistical approaches. The climate risk is focused on flood and drought event. The analysis used was a chance occurrence based on time series data of rainfall and flood/droughts (affected and puso) based on median value from time series data. The goal of this research are : (1) to know rainfall critical value that can be influence flood and drought event in some of central food crops i West Java, (2) to know probability of flood and drought event in some of central food crops in West Java. The result of this research show that critical value of the rainfall that can be influence flood and drought event is very variety. Average of for flood event for paddy field near coastal based on median approach is 140 mm/month with probability 0,6. For another location, 166 mm/month with probability 0,68. Average of critical value of the rainfall for drought event is 64 mm/month for paddy field near coastal with probability 0,73. For another location, critical rainfall value is 119 mm/month with probability 0,76. For spesific research or detail scale (district or sub distric) we can use rainfall critical value and probablity based on data in that specific location because the data is more representative local riil condition.
Pemodelan Jaringan Syaraf Tiruan untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut Lubis, Laila Sari; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol 1, No 2 (2012)
Publisher : Departemen Ilmu Komputer IPB

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

Abstract

Anjatan, Indramayu adalah salah satu daerah pertanian di Indonesia. Keberhasilan atau kegagalan panen setiap tahun tergantung pada ketersediaan air di wilayah tersebut. Oleh karena itu, diperlukan suatu metode yang akurat untuk memprediksi awal musim hujan. Metode yang digunakan untuk prediksi dalam penelitian ini adalah jaringan saraf tiruan (JST) back-propagation. Hasil akurasi prediksi JST diukur dengan R2 dan RMSE. Penelitian ini menggunakan suhu permukaan laut (SST) ECHAM4p5_CA yang merupakan salah satu model suhu permukaan laut di bulan Juni, Juli, dan Agustus. Domain SST dipilih berdasarkan korelasi 5% dan 10% untuk masing-masing bulan Juni, Juli, dan Agustus. Penelitian ini menggunakan arsitektur JST dengan dua parameter: hidden neuron (HN) dan learning rate (LR). Jumlah hidden neuron yang digunakan dalam penelitian ini adalah 5, 10, 20, dan 40, dan tingkat pembelajaran adalah 0.3, 0.1, dan 0.01. Prediksi hasil terbaik untuk korelasi 5% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 51% dan RMSE 3.03 pada HN 10 dan LR 0.01, Juli dengan R2 adalah 48% dan RMSE 3.39 pada HN 20 dan LR 0.1, dan Agustus dengan R2 adalah 75% dan RMSE 2.51 di HN 40 dan LR 0.01. Prediksi hasil terbaik untuk korelasi 10% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 44% dan RMSE 3.32 di HN 5 dan LR 0.3, Juli dengan R2 adalah 42% dan RMSE 3.42 di HN 10 dan LR 0.1, dan Agustus dengan R2 adalah 71% dan RMSE 3.37 di HN 20 dan LR 0.01. Kesimpulan dari penelitian ini adalah hidden neuron dan learning rate dengan nilai yang berbeda mempengaruhi R2 dan RMSE.Kata kunci: hidden neuron, jaringan saraf tiruan, learning rate, RMSE, R2