Article Per Year (5 Year)
p-Index From 2019 - 2024
0.817
P-Index
This Author published in this journals
All Journal Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Unnes Science Education Journal Journal of Environmental and Science Education
Daeni, Fitri
Unknown Affiliation
Earth & Planetary Sciences Education Environmental Science

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Pemetaan Ekosistem Mangrove di Kabupaten Kubu Raya Menggunakan Machine Learning pada Google Earth Engine Fariz, Trida Ridho; Permana, Pawit Indra; Daeni, Fitri; Putra, Akbar Cahyadhi Pratama
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 18, No 2 (2021): In progress [July 2021]
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v18i2.30231

Abstract

Penyediaan data distribusi mangrove serta perubahannya membutuhkan waktu pemrosesan yang lama jika dilakukan dengan interpretasi citra secara konvensional, apalagi jika dilakukan pada area yang luas seperti Kabupaten Kubu Raya. Hadirnya platform yang bernama Google Earth Engine (GEE) bisa menjadi solusi permasalahan tersebut. GEE mempunyai akses data yang besar, mampu mengolah data berbasis cloud serta memiliki banyak algoritma machine learning. Oleh karena itu penelitian ini mencoba memetakan mangrove di Kabupaten Kubu Raya menggunakan machine learning yang tersedia di GEE, selain itu kami juga membahas beberapa future work terkait pemetaan mangrove di Kabupaten Kubu Raya menggunakan GEE. Machine learning yang digunakan dalam penelitian ini antara lain: CART, Random Forest, GMO Max Entropy, Voting SVM, Margin SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan mangrove di Kabupaten Kubu Raya adalah CART. Random Forest juga menjadi machine learning dengan akurasi tertinggi setelah CART, baik keduanya merupakan machine learning berbasis logika atau juga disebut machine learning berbasis pohon keputusan. Dari beberapa studi juga mendukung bahwa machine learning ini sangat cocok digunakan untuk pemetaan penutup lahan. Hasil pemetaan mangrove ini memiliki akurasi kappa yang baik walaupun masih terdapat misklasifikasi sehingga perlu dilakukan sentuhan manual seperti interpretasi visual. Penelitian ini masih terdapat banyak keterbatasan sehingga perlu dikembangkan penelitian dengan menggunakan input data yang lebih beragam dan pengujian hyperparamater antar machine learning.
The Use of Quizizz As An Online Assessment Application for Science Learning in The Pandemic Era Darmawan, Melissa Salma; Daeni, Fitri; Listiaji, Prasetyo
Unnes Science Education Journal Vol 9 No 3 (2020): December 2020
Publisher : Department of Integrated Science, Faculty of Mathematics and Natural Sciences, Universitas Negeri Semarang in Collaboration with Perkumpulan Pendidikan IPA Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/usej.v9i3.41541

Abstract

In the current pandemic era, learning process must be counduct online, including for assessment. To support online assessments, it is necessary to use information technology. A good and valid application for online assessment offered in this study is Quizizz. The purpose of this study is todetermine student responseapplication of online exams using the quizizz.The research subjects were students of science education, Universitas Negeri Semarang. The exam is a midterm of astronomy course. The method of research carried out includesthe applied method, responding to quizizz in conductinglearning assessments of multimedia learning. Theresults showed that students were very responsive tothe application of the quiz during the midterms, thoughthe mean score was still low (43.08% with a standard deviation of 15.83%), but students accepted the resultsand try to fix it. For the questionnaire, student responses to the use of Quizizz tend to be positive with the results of 8 statements getting positive responses of more than 50% of the total students.The Quizizz presents the problem with easeby analyzing the results of the detailed answers to help teachersor lecturers in carrying out the assessment.
Pemetaan Ekosistem Mangrove di Kabupaten Kubu Raya Menggunakan Machine Learning pada Google Earth Engine Fariz, Trida Ridho; Permana, Pawit Indra; Daeni, Fitri; Putra, Akbar Cahyadhi Pratama
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 18, No 2 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v18i2.30231

Abstract

Penyediaan data distribusi mangrove serta perubahannya membutuhkan waktu pemrosesan yang lama jika dilakukan dengan interpretasi citra secara konvensional, apalagi jika dilakukan pada area yang luas seperti Kabupaten Kubu Raya. Hadirnya platform yang bernama Google Earth Engine (GEE) bisa menjadi solusi permasalahan tersebut. GEE mempunyai akses data yang besar, mampu mengolah data berbasis cloud serta memiliki banyak algoritma machine learning. Oleh karena itu penelitian ini mencoba memetakan mangrove di Kabupaten Kubu Raya menggunakan machine learning yang tersedia di GEE, selain itu kami juga membahas beberapa future work terkait pemetaan mangrove di Kabupaten Kubu Raya menggunakan GEE. Machine learning yang digunakan dalam penelitian ini antara lain: CART, Random Forest, GMO Max Entropy, Voting SVM, Margin SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan mangrove di Kabupaten Kubu Raya adalah CART. Random Forest juga menjadi machine learning dengan akurasi tertinggi setelah CART, baik keduanya merupakan machine learning berbasis logika atau juga disebut machine learning berbasis pohon keputusan. Dari beberapa studi juga mendukung bahwa machine learning ini sangat cocok digunakan untuk pemetaan penutup lahan. Hasil pemetaan mangrove ini memiliki akurasi kappa yang baik walaupun masih terdapat misklasifikasi sehingga perlu dilakukan sentuhan manual seperti interpretasi visual. Penelitian ini masih terdapat banyak keterbatasan sehingga perlu dikembangkan penelitian dengan menggunakan input data yang lebih beragam dan pengujian hyperparamater antar machine learning.
Preparation and Characterization of Edible Straw Made from Dragon Fruit Peel to Solve The Problem of Plastic Waste Darmawan, Melissa Salma; Daeni, Fitri; Kurniawan, Tessa Surya; Listiaji, Prasetyo
Journal of Environmental and Science Education Vol 2 No 2 (2022): Journal of Environmental and Science Education : September 2022
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jese.v2i2.60717

Abstract

Plastic waste is a global environmental problem that is being faced by the world, especially Indonesia. In addition, Indonesia is ranked 4th in producing plastic straw waste. This problem needs to be taken seriously because the waste generated through plastic straws is difficult to recycle. One effort that can be done is to replace plastic straws with edible straws. Red dragon fruit peel contains nutrients such as carbohydrates, fat, protein, and dietary fiber but is often only thrown away and considered as waste. This study aims to utilize dragon fruit peel as a basic material for making edible straws and to analyze the characteristics of edible straws. The study used quantitative experimental methods by testing temperature resistance and water absorption. The results showed that edible straw has good temperature resistance at a temperature of 10℃-20℃, where at that temperature there is an increase in mass of about 2-3 grams. As for water absorption, a good temperature range is 20℃-80℃ where absorption occurs between 0.38%-7.46%.
Co-Authors Darmawan, Melissa Salma Kurniawan, Tessa Surya Listiaji, Prasetyo Permana, Pawit Indra Putra, Akbar Cahyadhi Pratama Trida Ridho Fariz