Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Ilmu Komputer dan Agri-Informatika

jika
Website

Published by Institut Pertanian Bogor

ISSN : 20896026 EISSN : - DOI : -

Core Subject : Science, Agriculture,

Agriculture, Biological Sciences & Forestry Computer Science & IT

Jurnal Ilmu Komputer dan Agri-Informatika (JIKA) diterbitkan setiap bulan Mei dan November, memuat tulisan ilmiah yang berhubungan dengan bidang Ilmu Komputer serta aplikasi informatika untuk pengembangan pertanian. Berkala ilmiah ini menerima tulisan hasil penelitian dari luar IPB.

Arjuna Subject : -

Articles 88 Documents

2 3 4 5 6

Identifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra Gunawan, Anak Agung Gede Rai; Nurdiati, Sri; Arkeman, Yandra
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Identifikasi jenis kayu di Indonesia pada umumnya dilakukan secara manual, dengan cara memperhatikan pori kayu pada daerah penampang kayu menggunakan kaca pembesar atau mikroskop dengan pembesaran minimal 10 kali. Teknik komputerisasi belum banyak dilakukan terutama karena kurangnya penelitian di bidang ini dan sulitnya mendapatkan database kayu. Penelitian ini bertujuan mengembangkan sebuah sistem untuk mengklasifikasikan 4 jenis kayu yang diperdagangkan di Indonesia dengan metode support vector machine (SVM) berbasis citra. Teknik ekstraksi ciri yang digunakan adalah two-dimensional principal component analysis (2D-PCA). Sistem ini dapat mengidentifikasi kayu dalam waktu singkat sehingga mempercepat proses identifikasi jenis kayu. Hasil klasifikasi dari 120 kali percobaan dengan menggunakan 96 data citra dengan 4 jenis kayu menunjukkan akurasi terbaik sebesar 95.83% pada kernel Polinomial.Kata kunci: Citra mikroskopis, Identifikasi jenis kayu, SVM

Klasifikasi Metagenom dengan Metode NaÃ¯ve Bayes Classifier Utami, Dian Kartika; Kusuma, Wisnu Ananta; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Studi metagenom merupakan langkah penting pada pengelompokan taksonomi. Pengelompokan pada metagenom dapat dilakukan dengan menggunakan metode binning. Binning diperlukan untuk mengelompokkan contigs yang dimiliki oleh masing-masing kelompok spesies filogenetik. Pada penelitian ini, binning dilakukan dengan menggunakan pendekatan komposisi berdasarkan supervised learning (pembelajaran dengan contoh). Metode supervised learning yang digunakan yaitu NaÃ¯ve Bayes Classifier. Adapun metode yang digunakan untuk ekstraksi ciri adalah dengan melakukan perhitungan frekuensi k-mer. Klasifikasi pada metagenom dilakukan berdasarkan tingkat takson genus. Dari proses klasifikasi yang dilakukan, akurasi yang diperoleh dengan menggunakan fragmen pendek (400 bp) adalah 49.34 % untuk ekstraksi ciri 3-mer dan 53.95 % untuk ekstrasi ciri 4-mer. Sementara itu, untuk fragmen panjang (10 kbp), akurasi mengalami peningkatan yaitu 82.23 % untuk ekstraksi ciri 3-mer dan 85.89 % untuk esktraski ciri 4-mer. Dari hasil tersebut dapat disimpulkan bahwa akurasi semakin tinggi seiring dengan semakin panjangnya ukuran fragmen. Selain itu, penelitian ini juga menyimpulkan bahwa metode ekstrasi ciri yang memberikan hasil paling maksimal adalah dengan menggunakan ekstraksi ciri 4-mer.Kata Kunci: metagenom, k-mer, NaÃ¯ve Bayes Classifier, binning, klasifikasi

Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra Bisilisin, Franki Yusuf; Herdiyeni, Yeni; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Teknologi identifikasi pada penelitian ini diperlukan untuk mempercepat proses identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering. Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means clustering menggunakan metode particle swarm optimization (PSO). Metode PSO digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur menggunakan fuzzy local binary pattern (FLBP) untuk merepresentasikan tekstur dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam proses identifikasi tumbuhan obat.Kata kunci: fuzzy local binary pattern, k-means clustering, particle swarm optimization, tumbuhan obat

Sistem Informasi Geografis Persebaran Titik Api di Indonesia Menggunakan OpenGeo Suite 3.0 Barus, Sonita Veronica Br; Sitanggang, Imas Sukaesih
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Kebakaran hutan merupakan masalah yang serius karena dapat mengakibatkan dampak buruk terhadap lingkungan. Salah satu upaya pencegahan kebakaran hutan adalah membangun sistem informasi geografis (SIG) berbasis web untuk mengelola data histori titik api sebagai indikator terjadinya kebakaran. Penelitian ini bertujuan untuk membangun SIG berbasis web menggunakan perangkat lunak OpenGeo Suite 3.0. OpenGeo Suite merupakan aplikasi yang mengemas sistem manajemen basis data PostgreSQL dengan ekstensi spasial PostGIS dan server peta Geoserver sehingga memberikan kemudahan dalam pembangunan dan pengelolaan SIG berbasis web. SIG yang dibangun menyediakan fitur utama yaitu menampilkan peta Indonesia, fungsi pan map, zoom in, zoom out, dan fungsi pencarian persebaran titik api berdasarkan wilayah dan waktu. Dengan adanya SIG berbasis web ini, pengelolaan data histori titik api dapat dilakukan dengan mudah sehingga dapat membantu pengguna dalam penyediaan data histori dan persebaran titik api untuk wilayah Indonesia.Kata Kunci: OpenGeo Suite, sistem informasi geografis berbasis web, titik api.

Spatio-Temporal Clustering Hotspot di Sumatera Selatan Tahun 2002-2003 Menggunakan Algoritme ST-DBSCAN dan Bahasa Pemrograman R Indrawan, Nadina Adelia; Adrianto, Hari Agung
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Kebakaran hutan merupakan permasalahan yang cukup serius di Indonesia. Salah satu indikator kemungkinan terjadinya kebakaran hutan dapat diketahui dengan kemunculan hotspot. Dataset hotspot merupakan data spasial yang berukuran besar karena dicatat setiap waktu. Spatial temporal-density based clustering algorithm (ST-DBSCAN) merupakan salah satu algoritme yang mampu mengolah data spasial dan temporal. Penelitian ini mengimplementasikan algoritme ST-DBSCAN menggunakan bahasa pemrograman R. R adalah perangkat lunak komputasi statistik dan grafis. Bahasa R digunakan di kalangan ahli statistik dan data mining untuk mengembangkan perangkat lunak statistik dan analisis data. Clustering dilakukan terhadap dataset hotspot di Sumatera Selatan pada periode tahun 2002-2003. Dengan menggunakan parameter jarak spasial (Eps1 = 0.2), parameter jarak temporal (Eps2 = 7) dan minimum anggota cluster (MinPts = 7) didapatkan hasil 41 cluster dengan 712 noise.Kata kunci: kebakaran hutan, R, spatio-temporal, ST-DBSCAN, titik panas.

Sistem Rekomendasi Menu Harian Makanan Pendamping Air Susu Ibu (MPASI) Berdasarkan Kebutuhan Kalori Bayi dengan Metode TOPSIS Sihwi, Sari Widya; Mulyasari, Hestin; Saptono, Ristu; Wiboworini, Budianti
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Pada bayi usia enam sampai dengan dua puluh empat bulan, makanan pendamping ASI (MPASI) harus mulai diberikan. MPASI harus bersifat mencukupi untuk bayi untuk memenuhi kebutuhan nutrisi bagi pertumbuhan bayi dengan masih memperhatikan keberlangsungan pemberian ASI. Dalam pemenuhan kebutuhan nutrisi, jumlah kalori merupakan salah satu faktor yang perlu diperhatikan. Jika setiap kali ibu akan mempersiapkan makanan untuk bayinya harus mempertimbangkan pemenuhan kalori tersebut maka akan sangat tidak efisien waktu dan tenaga. Untuk itu, penelitian ini mengusulkan dibangunnya sebuah sistem rekomendasi menu harian bayi dengan mempertimbangkan kebutuhan kalori harian bayi dengan menggunakan metode technique for order preference by similarity to ideal solution (TOPSIS). Tahapan yang dilakukan dalam penelitian ini adalah pengumpulan data, analisa penerapan metode, implementasi, dan pengujian. Dalam penelitian ini, berhasil dibangun sistem rekomendasi yang diinginkan, yaitu menghasilkan menu harian dengan jumlah waktu makan sesuai usia bayi dengan memperhatikan nutrisi dan preferensi user terhadap bahan makanan yang digunakan. Hasil pengujian menunjukkan fungsi-fungsi yang ada dalam sistem rekomendasi ini telah sesuai dengan yang diharapkan.Kata Kunci: bayi, kalori, kebutuhan nutrisi harian, MPASI, sistem rekomendasi, TOPSIS.

Pengembangan Model Jaringan Syaraf Tiruan untuk Menduga Emisi Gas Metana dari Padi Sawah Arif, Chusnul; Setiawan, Budi Indra; Widodo, Slamet; Rudiyanto, Rudiyanto; Hasanah, Nur Aini Iswati; Nurfaijah, Nurfaijah; Ega, Oktari; Mizoguchi, Masaru
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Budidaya padi sawah dengan sistem irigasi tergenang merupakan sumber emisi gas metana (CH4) yang menyebabkan peningkatan pemanasan global. Pada umumnya, pengukuran gas metana dilakukan secara tidak kontinu dengan melakukan sampling dan analisis di lab menggunakan gas chromatography yang cukup mahal. Makalah ini menyajikan model jaringan syaraf tiruan (JST) untuk memprediksi gas metana yang diemisikan dari padi sawah berdasarkan data parameter lingkungan biofisik yang mudah diukur seperti kelembaban tanah, suhu tanah, dan daya hantar listrik (DHL) tanah. Untuk melakukan validasi model, percobaan dilakukan di dua tempat berbeda yaitu di Kanagawa dan Bogor. Perlakuan difokuskan pada pemberian air yang berbeda dengan menggunakan prinsip budidaya system of rice intensification (SRI). Model JST yang dikembangkan menggunakan algoritma back propagation dengan layer masukan terdiri atas 3 node: kelembaban tanah, suhu tanah, dan DHL tanah, sedangkan gas metana dijadikan sebagai keluaran. Dari hasil pembelajaran model JST didapatkan korelasi antara gas metana hasil pengukuran dan model cukup tinggi dengan nilai R2 sebesar 0.93.Kata kunci: emisi gas rumah kaca, gas metana, jaringan syaraf tiruan, lingkungan biofisik, padi sawah.

Optimasi Metaheuristik Koloni Semut untuk Solusi Masalah Jalur Terpendek pada Jaringan Jalan Riil Tenda, Edwin; Sitanggang, Imas Sukaesih; Barus, Baba
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Salah satu permasalahan utama analisis jaringan pada sistem informasi geografis (SIG) adalah menentukan jalur terpendek antara dua lokasi dalam suatu jaringan. Meski terdapat beberapa metode untuk menyelesaikan permasalahan ini tetapi pencarian metode alternatif masih penting dilakukan. Penelitian ini menggunakan pendekatan metode optimasi metaheuristik koloni semut yang terinspirasi dari prilaku alamiah semut, untuk mencari jalur terpendek antara dua titik, pada data jaringan jalan riil (JJR). Pengujian terhadap metode ant colony optimization (ACO) dilakukan dalam dua tahap. Pertama, pengujian menggunakan data buatan untuk mendapatkan gambaran pengaturan terbaik dari parameter-parameter metode koloni semut. Kedua, pengujian menggunakan data JJR untuk melihat kinerja metode optimasi koloni semut terhadap data JJR. Hasil pengujian optimasi koloni semut pada data JJR kemudian dibandingkan dengan hasil pengujian algoritme jalur terpendek Dijkstra pada JJR dalam hal panjang jalur optimal dan waktu eksekusi. Hasil pengujian menunjukan bahwa secara secara umum metode Dijkstra menghasilkan solusi yang lebih baik dari metode ACO namun pada pengaturan parameter tertentu ACO lebih cepat dari Dijkstra.Kata Kunci: algoritme Dijkstra, analisis jaringan, jaringan jalan riil, optimasi koloni semut, permasalahan jalur terpendek.

Pengembangan Sistem Ontologi untuk Morfologi Tumbuhan Obat Zahro, Hani Zulfia; Herdiyeni, Yeni; Hermadi, Irman
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Penelitian ini mengusulkan tentang desain baru dari ontologi untuk tanaman obat Indonesia berdasarkan konsep morfologi. Morfologi adalah studi yang mempelajari tentang karakteristik tumbuhan. Dalam penelitian ini menggunakan morfologi sebagai konsep pengetahuan. Ontologi merupakan model pengetahuan yang mendefinisikan hubungan dan klasifikasi dari beberapa konsep dalam domain tertentu. Resource description framework (RDF) dan web ontology language (OWL) digunakan dalam merepresentasikan ontologi. SPARQL protocol and RDF query language (SPARQL) digunakan untuk query data. ProtÃ©gÃ© 4.3 digunakan untuk memodelkan ontologi tanaman obat. Hasil dari pemodelan ontologi tumbuhan obat dapat diterapkan ke sistem semantik web tanaman obat Indonesia.Kata kunci: morfologi, ontologi, tumbuhan obat

Mobile Munsell Soil Color Chart Berbasis Android Menggunakan Histogram Ruang Citra HVC dengan Klasifikasi KNN Priandana, Karlisa; S, Ahmad Zulfikar; Sukarman, Sukarman
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 3 No. 2 (2014)
Publisher : Departemen Ilmu Komputer IPB

Penentuan warna tanah tidak mudah karena banyaknya jenis tanah dan tingginya tingkat kemiripan warna tanah. Untuk mengatasi kesulitan ini, para praktisi menggunakan suatu buku pedoman warna tanah yaitu Munsell soil color chart (MSCC). Penelitian ini bertujuan mengembangkan aplikasi mobile untuk mengidentifikasi warna tanah dalam menentukan warna mayor tanah sesuai buku MSCC. Aplikasi dibangun menggunakan pemodelan warna HVC dengan komponen warna hue, value, dan chroma. Penelitian ini menekankan klasifikasi untuk warna hue saja. Meskipun demikian, diteliti juga komponen warna value dan chroma. Citra yang digunakan sebagai data latih adalah 259 citra dari buku MSCC yang masing-masing berukuran 1600 piksel. Data warna hue dari setiap piksel ini dianalisis dalam bentuk histogram dan diklasifikasikan dengan KNN. Hasil penelitian menunjukkan bahwa akurasi tertinggi dalam klasifikasi nilai hue adalah 45% pada nilai k = 5. Akurasi mungkin dapat ditingkatkan dengan cara menggunakan data soil color yang sudah tersedia secara online.Kata kunci: Android, HVC, KNN, Munsell soil color chart.

Page 4 of 9 | Total Record : 88

2 3 4 5 6

Filter by Year

2012 2020

Filter By Issues

All Issue Vol. 7 No. 1 (2020) Vol. 5 No. 2 (2018) Vol. 5 No. 1 (2018) Vol. 4 No. 1 (2015) Vol. 3 No. 2 (2014) Vol. 3 No. 1 (2014) Vol 3, No 1 (2014) Vol. 2 No. 2 (2013) Vol. 2 No. 1 (2013) Vol 2, No 2 (2013) Vol 2, No 1 (2013) Vol. 1 No. 2 (2012) Vol. 1 No. 1 (2012) Vol 1, No 2 (2012) Vol 1, No 1 (2012) More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bogor,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota bogor, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bogor,

Jawa barat

INDONESIA