Claim Missing Document
Check
Articles

Found 3 Documents
Search

KLASIFIKASI POHON KELAPA SAWIT PADA DATA FUSI CITRA LIDAR DAN FOTO UDARA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Desta Sandya Prasvita; Mayanda Mega Santoni; Rio Wirawan; Novi Trihastuti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 6, No 2 (2021)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v6i2.2437

Abstract

Proses pemantauan pertumbuhan pohon kelapa sawit merupakan salah satu aspek penting yang menentukan kualitas hasil produksi perkebunan kelapa sawit. Proses ini membutuhkan waktu yang lama dan sangat sulit jika dilakukan oleh manusia. Masa depan kelapa sawit diprediksi akan semakin prospektif dikarenakan kemajuan teknologi yang pesat serta semakin meningkatnya kesadaran manusia akan kelestarian lingkungan. Teknologi penginderaan jauh saat ini banyak dikembangkan di bidang perkebunan dan pertanian, salah satunya adalah dengan teknologi foto udara dan LiDAR. Namun, di Indonesia pemanfaatan teknologi LiDAR untuk pemetaan belum terlalu popular karena terbilang teknologi baru dan banyak komunitas perkebunan yang belum begitu mengenal teknologi tersebut. Fokus penelitian adalah tahapan awal dalam pengembangan sistem monitoring jarak jauh untuk pohon kelapa sawit menggunakan data LiDAR dan foto udara, yaitu pada tahapan klasifikasi. Pekerjaan dilakukan mulai dari proses pengumpulan data dan eksperimen untuk mendapatkan model klasifikasi yang optimal untuk identifikasi pohon kelapa sawit. Data yang digunakan adalah data fusi LiDAR dan foto udara di wilayah perkebunan kelapa sawit di Pontianak, Kalimantan Barat, Indonesia. Metode klasifikasi yang digunakan adalah Convolutional Neural Network (CNN), dengan akurasi tertinggi menggunakan fitur RGB sebesar 98%, akurasi terendah menggunakan fitur LiDAR sebesar 86%, sedangkan dengan penggabungan data fusi LiDAR dan foto udara adalah sebesar 97%.
Klasifikasi Informasi Kesehatan Pada Data Media Sosial Menggunakan Support Vector Machine dan K-Fold Cross Validation Pauzi Ibrahim Nainggolan; Desta Sandya Prasvita; Dhani Syahputra Bukit
Malikussaleh Journal of Mechanical Science Technology Vol 5, No 2 (2021): Malikussaleh Journal of Mechanical Science and Technology
Publisher : Malikussaleh University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/mjmst.v5i2.6317

Abstract

Media sosial saat ini memberikan informasi yang mampu mempengaruhi masyarakat. Sehingga, kini media sosial memiliki peranan signifikan sebagai sumber rujukan yang baru oleh maysarakat. Informasi kesehatan merupakan informasi yang sering dicari oleh pengguna media sosial. Penderita penyakit mencari informasi melalui media sosial terlebih dahulu sebelum bertemu dengan tenaga kesehatan. Tetapi kebanyakan informasi tidak dapat dipastikan sebagai informasi yang sesuai. Kesalahan terkait informasi kesehatan bisa membahayakan penderita. Ini bermakna, informasi yang terdapat pada media sosial perlu mendapatkan pengesahan pakar atau tenaga kesehatan. Penelitian ini betujuan untuk mengetahui penggunaan media sosial oleh tenaga kesehatan sebagai media konsultasi dan memberikan informasi yang tidak bertentangan dengan etika profesionalisme. Penelitian ini menggunakan teknik kalasifikasi Support Vector Machine (SVM). Validasi klasifikasi data yang diperoleh dilaksanakan menggunakan K-Fold Cross Validation. Hasil penelitian menunjukkan bahwa penggunaan SVM dalam klasifikasi kesesuaian informasi kesehatan dengan akurasi 70% pada data yang digunakan..
Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet Bobby Kurniadi Widodo; Nur Hafifah Matondang; Desta Sandya Prasvita
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6361

Abstract

Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.