Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Pertanian Indonesia Jurnal Pustakawan Indonesia FORUM STATISTIKA DAN KOMPUTASI Jurnal Ilmu Komputer dan Informasi Proceedings of KNASTIK Jurnal Ilmu Komputer dan Agri-Informatika Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Informatika Universitas Pamulang Jurnal ULTIMATICS Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Journal of Robotics and Control (JRC) Jurnal Pustakawan Indonesia Makara Journal of Science J-Icon : Jurnal Komputer dan Informatika Jurnal Sistem Informasi
Agus Buono
Department Of Computer Science, Bogor Agricultural Institute
Aerospace Engineering Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
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 | Full PDF (1177.03 KB)

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
Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo Sari, Puspita Kartika; Priandana, Karlisa; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.151 KB)

Abstract

Sistem penilaian berdasarkan suara tepuk tangan sering digunakan dalam acara perlombaan di Indonesia. Namun, penentuan pemenang dengan cara konvensional cenderung subjektif. Penelitian ini mengembangkan sistem penilaian otomatis berbasis komputer untuk menghitung jumlah orang bertepuk tangan dan menentukan pemenang dari perlombaan berdasarkan tepuk tangan. Penelitian ini membandingkan dua metode yang dapat diterapkan yaitu metode berbasis frekuensi dan metode berbasis amplitudo. Metode yang berbasis frekuensi mengimplementasikan Mel Frequency Cepstral Coefficient (MFCC) sebagai pengekstraksi ciri dan codebook sebagai pengenal pola. Hasil yang diperoleh merupakan suatu model berupa kelas-kelas yang diklasterkan oleh K-Means clustering. Parameter penting dalam metode ini adalah jumlah koefisien cepstral, overlap, time frame, dan jumlah klaster. Beberapa pengujian dilakukan untuk menemukan parameter optimum dengan nilai akurasi tertinggi. Metode kedua merupakan metode berbasis amplitudo yang dilakukan dengan menghitung jumlah sampel sinyal yang memiliki nilai amplitudo di atas nilai-nilai ambang (thresholds) tertentu yang menghasilkan akurasi maksimum. Hasil penelitian menunjukkan bahwa akurasi sistem berbasis frekuensi untuk tepuk tangan periodik adalah 83.3% dan untuk tepuk tangan acak ialah 50% sehingga akurasi sistem untuk tepuk tangan acak berbasis threshold yang lebih sederhana ialah 66.7 %. Dengan demikian, metode berbasis amplitudo baik digunakan.Kata kunci: Codebook, K-means, Mel Frequency Cepstral Coefficients (MFCC), Pengenalan Suara, Threshold
Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Syafria, Fadhilah; Buono, Agus; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.648 KB)

Abstract

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru
Klasifikasi Metagenom dengan Metode Naïve 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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1294.449 KB)

Abstract

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 Naïve 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, Naïve Bayes Classifier, binning, klasifikasi
RANCANG BANGUN SISTEM PAKAR PENANGGULANGAN PENYAKIT KEDELAI Astuti, Indah Puji; Hermadi, Irman; Buono, Agus; Mutaqin, Kikin H
Informatika Pertanian Vol 25, No 1 (2016): JUNI 2016
Publisher : Sekretariat Badan Penelitian dan Pengembangan Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (939.818 KB) | DOI: 10.21082/ip.v25n1.2016.p117-130

Abstract

Early detection and identification of soybean diseases is important to support better productivity of soybean. The demand for the availability of an expert on soybean disease is very high, especially for the beginners in the field of agriculture. However, the number and time allocation of the experts are not adequate to serve farmers located in different geographical areas. Therefore, an expert system is proposed as a solution to use as a diagnostic tool for soybean diseases just like a human expert. It will be even easier when the system is implemented into an Android-based application to be used anywhere and anytime. The objective of this study was to analyze and design an expert system for early identification of soybean diseases. This study was adopting the Expert System Development Life Cycle (ESDLC) approach. The stages were project initialization, knowledge engineering process, and implementation. The study was started with the project initialization phase that conducted in September 2014 and the completion of the implementationphase in August 2015. The results of research were in the form of document analysis and prototype system.
Purchase Recommendation and Product Inventory Management using Content Based Filtering with Sequential Pattern Mining Approach Raharja, Aditya Cipta; Sitanggang, Imas Sukaesih; Buono, Agus
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 3, No 4, November 2018
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (493.795 KB) | DOI: 10.22219/kinetik.v3i4.663

Abstract

Today, the product sales at XYZ Bookstore are increase in accordance to the trend in society. In that case, high sales must be supported by good supply and on target. Product sold based on needs of consumers will make possibility to achieve high sales. Using the Sequential Pattern Mining approach, we can specify sales patterns of products in relation to another products. SPADE (Sequential Pattern Discovery using Equivalence classes) is an algorithm that can be used to find sequential patterns in a large database. This algorithm finds frequent sequences of the sales transaction data using database vertical and join process of the sequence. The results of SPADE algorithm is frequent sequences which are used to form the rules. Those can be used as predictors of other items that will be purchased by consumers in the future. The result of this study is a lot of unique sequence appears that can provide the best advice for Merchandiser Officer, for example, there are 1.468 sequences that prove the customer who bought the product in Children’s Book category will always bought the same thing in the others day. This research produce some recommendation, one of the recommendation is Childrens Book category has a very high chance of being a Best Seller for a long time so that the purchasing officer on XYZ bookstore should ensure that the products supply of the category is always safe throughout the year. It means SPADE is successfully used to provide the advice and Merchandiser Officer must ensure the stock of that product is always available to avoid Lost Sales.
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.
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.
Deliniasi risiko iklim dan evaluasi model hubungan curah hujan dan produksi padi dalam mendukung pengembangan asuransi indeks iklim (climate index insurance) pada sistem usahatani berbasis padi Woro Estiningtyas; Rizaldi Boer; Irsal Las; Agus Buono; Adi Rakhman
Jurnal Ilmu Pertanian Indonesia Vol. 16 No. 3 (2011): Jurnal Ilmu Pertanian Indonesia
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2154.034 KB)

Abstract

The agricultural sector, particularly the rice farming system (SUT) is very vulnerable to climate variability and change. SUT that rely heavily on water will be easily affected by climate variability and change when the water supply deficit of needs that should be. SUT is still dominant in the food supply in Indonesia, so the shock of farming due to extreme climate events will have a major impact on food security. Many findings indicate that the frequency and intensity of extreme climate events will increase as a result of global warming. Extreme climate events dominant occur in center of rice production in West Java like Indramayu is drought. Approximately 80°/o of the causes of the rice harvest failed in the district of Indramayu is the incidence of droughts. Farmers as the main actors receive large impacts due to drought is expected to be increasingly difficult to develop the farm. It is therefore necessary to have protection program for farmers from the impact of climate events such climate extrim. One option is starting a lot of feasibility is Climate Index Insurance. This study aimed to assess the feasibility of the implementation of the climate index insurance system in Indramayu. Analysis step is performed include (i) preparation of endemic drought maps are required as the basis in determining the priority areas of climate risk management and (ii) the determination of climate index value (threshold value) to be used as an index into the determination of the value of insurance claims. This study found that climate indices that can be used for the three villages at high risk of drought is high rainfall during the dry season. Index value for the three villages is 168 mm, 248 mm and 472 mm for Cikedung, lelea and Terisi. Potential applications of Climate Index Insurance for rice SUT in Indramayu is high because about 90°/o of the people are rice farmers. Besides benefit of rice farming is also quite large with B/C from 1.4 to 1.8 during the wet season and 1.2 to 1.7 on the dry season, so the expected ability to pay insurance premiums high enough.
Co-Authors Adi Rakhman Anang Kurnia Aries Maesya Arini Aha Pekuwali Astuti, Indah Puji Atik Pawestri Sulistyo Aziz Kustiyo Aziz Rahmad Benyamin Kusumoputro Bib Paruhum Silalahi Dhany Nugraha Ramdhany Dian Kartika Utami Ekowati Handharyani Endang Purnama Giri Erliza Hambali Fadhilah Syafria Fadhilah Syafria Firmansyah Ibrahim Fredicia Fredicia Galih Kurniawan Sidik Galih Kurniawan Sidik Galih Kurniawan Sidik Hidayat Hidayat Imas Sukaesih Sitanggang Indah Puji Astuti Indah Puji Astuti Irman Hermadi Irmansyah . Irsal Las Karlisa Priandana Kikin H Mutaqin Laila Sari Lubis Mushthofa Mushthofa Mustakim Mustakim Nurhayati, Yosi Puspita Kartika Sari Raharja, Aditya Cipta Rizaldi Boer Rizki, Arviani Sari Agustini Hafman Sidik, Galih Kurniawan Sri Wahjuni Stephane Douady Taufik Djatna Thoyyibah Tanjung Wisnu Ananta Kusuma Wisnu Jatmiko Woro Estiningtyas Yoanda, Sely