Garuda - Garba Rujukan Digital

Texture Feature On Determining Quantity of Soil Organic Matter For Patchouli Plant Using Backpropagation Neural Network Candra Dewi; Suci Sundari; Mardji Mardji
Journal of Information Technology and Computer Science Vol. 4 No. 1: June 2019
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Patchouli (Pogostemon Cablin Bent) has higher PA (Patchouli Alcohol) and oil production if grown in soil containing 75% organic matter. One way that can be used to detect the content of organic matter is to use soil images. The problem in the use of soil images is the color of the soil that is almost similar, namely the gradation between dark brown to black. Therefore, color features are not enough to be used as input in the recognition process. For this purposes, texture features are added in this study in addition to color features. The color features are extracted using color moment and the texture features are extracted using Gray Level Co-occurrence Matrix (GLCM). These feature was then chosen to get the best combination as input in the identification process using the Backpropagation Neural Network (BPNN). The system identifies the quantity of soil organic matter into five classes, namely very low, low, medium, high, and very high. The highest accuracy result obtained was 73% and MSE value 0.5122 by using five GLCM features (Angular Second Moment, contrast, correlation, Inverse Difference Moment, and entropy). This result was obtained by using the BPNN parameter, namely learning rate values 0.5, maximum iteration values of 1000, number training data 210, and total test data 12.

Peningkatan Kemampuan Perangkat Desa Gondowangi Kecamatan Wagir Kabupaten Malang Dalam Pengelolaan Sistem Informasi Data Kependudukan Terintegrasi Website Zuraidah Fitriah; Noor Hidayat; Trisilowati Trisilowati; Syaiful Anam; Candra Dewi
Journal of Innovation and Applied Technology Vol 7, No 1 (2021)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jiat.2021.007.01.15

Dalam observasi awal diperoleh informasi tentang pengelolaan sistem informasi data kependudukan di desa Gondowangi belum dilakukan secara terintegrasi, dalam hal ini hanya dilakukan secara manual. Desa Gondowangi telah memiliki website, namun pengelolaan dilakukan oleh pihak luar perangkat desa, sehingga penyampaian informasi melalui website tersebut belum optimal. Agar pengelolaan website bisa lebih optimal, maka harus dilakukan peningkatan kemampuan perangkat desa dalam mengelola website (sebagai admin) dan mengintegrasikan hasil pengolahan data kependudukan dengan website. Dalam makalah ini diuraikan tentang upaya meningkatkan kemampuan perangkat desa Gondowangi dalam pengelolaan sistim informasi data kependudukan yang terintegrasi dengan website Desa Gondowangi. Pengelolaan dan pengolahan data dilakukan dengan menggunakan aplikasi yang tersedia pada Google, dalam hal ini Google Application.

IMPLEMENTASI FUZZY INFERENCE SYSTEM (FIS) METODE TSUKAMOTO PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KUALITAS AIR SUNGAI Galuh Mazenda; Arief Andy Soebroto; Candra Dewi
Journal of Environmental Engineering and Sustainable Technology Vol 1, No 2 (2014)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Brawijaya

Water was one resource that has a very important function for life and human life. River was the main channel as water flowing from upstream to downstream, has many domestic and industrial activity along the stream. The flow dynamics lead to changes in the quality and quantity of the river significantly. Water quality was maintained by analyzing the quality of the river water. Decision Support System (DSS) was a system designed to simplify the determination of water quality officer in making decisions. Inputs are parameter water quality test that consists of physical parameters and chemical parameters.The process of water quality analysis was conducted using Fuzzy Inference System Tsukamoto method. Fuzzy tsukamoto method used to determine the water quality of the river into four (4) classes which meet quality standards (good condition), lightly polluted, contaminated medium, and heavy polluted. The results of tested scenarios obtained an accuracy rate between the results of the calculation method of Fuzzy Tsukamoto with the calculated water quality STORET method at 90%.

IDENTIFICATION OF PATCHOULI PLANTS USING LANDSAT-8 SATELLITE IMAGERY AND IMPROVED K-MEANS METHOD Candra Dewi; Muhammad Syaifuddin Zuhri; Achmad Basuki; Budi Darma Setiawan
Journal of Environmental Engineering and Sustainable Technology Vol 3, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Brawijaya

To maintain the availability of the patchouli plants required monitoring the spread of patchouli plantation. This study performed the identification of patchouli plant through Landsat-8 satellite imagery and Improved K-Means method. Improved was done on this study include the process of determining the initial cluster by specifying the closeness between the data and the determination of the number of cluster (K) by using the histogram equalization technique. The result of internal criteria testing shows that determining the number of clusters using the histogram is less effective because it produces the lower value of the silhouette. On almost all image data test found the best value of the silhouette's coefficient is 75.089% at K=2 and data in February. Furthermore, based on the results of testing the external criteria known the highest purity value in February data with a number of cluster 5 is 0.6829268. The test results also show that the use of the Improved K-Means on the Landsat-8 image has not been able to recognize the difference patchouli plants with other crops due to the limited resolution of imagery data and also the minimum number and variation of test data. But, visually the patchouli plant cluster is found for February data while the age of the rice crop surrounding the patchouli is still in the early phase of planting.

PENGARUH ARSITEKTUR ANFIS PADA PERAMALAN CUACA Candra Dewi
Journal of Environmental Engineering and Sustainable Technology Vol 2, No 1 (2015)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Brawijaya

Dalam proses pembelajaran dengan Adaptive Neuro Fuzzy Inference System (ANFIS), selain parameter laju pembelajaran dan error harap, jumlah neuron dalam tiap lapisan juga sangat mempengaruhi hasil pembelajaran. Dengan demikian, pengujian untuk mendapatkan arsitektur jaringan yang optimal perlu untuk dilakukan. Adapun dalam arsitektur ANFIS, bagian lapisan yang memegang peranan adalah lapisan pertama dan lapisan kedua, dimana lapisan pertama yang merupakan fuzzyfikasi dari input dan lapisan kedua mewakili jumlah aturan fuzzy dalam proses inferensi. Pada penelitian ini diimplementasikan pengujian arsitektur ANFIS untuk peramalan cuaca, terutama untuk mengetahui jumlah neuron yang paling baik pada lapisan pertama dan kedua.Hasil uji coba menunjukkan bahwa kombinasi persentase 40%, 50% dan 60% data latih menghasilkan nilai akurasi dan RMSE yang cukup stabil pada beberapa kombinasi neuron (antara 2 sampai 6) pada lapisan pertama dan kedua. Disamping itu dapat diketahui bahwa kombinasi jumlah neuron yang optimal adalah antara 2 sampai 4.

Analisis Sentimen Mengenai Moda Raya Terpadu (MRT) Jakarta dengan Metode BM25 dan K-Nearest Neighbor Indriati - Indriati; Bayu Rahayudi; Candra Dewi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8, No 2: April 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021824508

Moda Raya Terpadu (MRT) Jakarta merupakan alat transportasi berkecepatan tinggi berupa kereta rel listrik yang ada di ibukota Jakarta . Adanya banyak tanggapan positif maupun negatif dari masyarakat dapat dipergunakan sebagai masukan bagi operator layanan MRT Jakarta untuk terus bisa memperbaiki pelayanan demi terwujudnya angkutan massal yang berguna bagi masyarakat. Proses pengumpulan data tanggapan dapat diperoleh dari sosial media maupun komentar-komentar di setiap pemberitaan mengenai MRT Jakarta. Data-Data tersebut akan diolah dulu dengan melewati tahapan preprocessing untuk diklasifikasikan menjadi sentimen yang bersifat positif maupun sentimen yang bersifat negatif. Metode untuk mengklasifikasikan tanggapan adalah K-Nearest Neighbor dengan menggunakan metode BM25 sebagai metode untuk mengetahui kesamaan antar data. Proses pengujian yang digunakan pada penelitian ini yaitu cross validation dengan k-fold sebanyak 5. Pengujian dilakukan dengan jumlah data data uji sebanyak 130 dokumen dan data latih sebanyak 520 dokumen untuk setiap fold. Berdasarkan rata-rata hasil pengujian diperoleh hasil terbaik pada nilai k=11 dengan nilai f-measure sebesar 0,89088, recall sebesar 0,934286, dan precision sebesar 0,852351. Hasil pengujian menunjukkan nilai k yang semakin besar menghasilkan nilai f-measure yang semakin kecil karena proses klasifikasi berjalan kurang baik dengan banyaknya tetangga yang tidak sama kelasnya dengan data uji digunakan untuk menentukan kelas data uji.

Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang Daneswara Jauhari; Alfian Himawan; Candra Dewi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3, No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

AbstrakDistribusi air PDAM merupakan nilai volume air yang disalurkan ke pelanggan PDAM. Faktor yang mempengaruhi distribusi air PDAM diantanya adalah jumlah kehilangan air dan jumlah air yang terjual. Paper ini mengimplementasikan jaringan syaraf tiruan backpropagation untuk memprediksi jumlah dari distribusi air perbulan berdasarkan jumlah kehilangan air dan jumlah air yang terjual. Pada tahap pelatihan dilakukan pengujian untuk mendapatkan iterasi, learning rate, data latih dan data uji, jumlah node pada lapisan tersembunyi, dan minimum error yang optimal. Hasil pelatihan didapatkan iterasi optimal sebanyak 2000, learning rate yang optimal 0.1, data latih dan data uji yang optimal sebanyak 80 untuk data latih dan 11 untuk data uji, jumlah node pada lapisan tersembunyi sebanyak 5, sedangkan minimum error adalah 0.00001. Dari hasil pengujian menggunakan parameter optimal tersebut didapatkan akurasi terbaik sebesar 97,99%.Kata kunci: prediksi, distribusi air, PDAM, backpropagation, jumlah kehilangan air, jumlah air terjualAbstractPDAM water distribution is the value of the volume of water delivered to the customer taps. Factors affecting the distribution of water are amount of water loss and amount of water sold. This paper implements of the use of backpropagation neural network to predict the amount of water distribution per month based on mentioned factors above. The learning phase is done to get the optimum number of iterations, learning rate, training data and test data, hidden node, and minimum error. The testing result shows the optimum number of iteration is 2,000, the optimum value of learning rate is 0.1, the optimum training data and test data as much as 80 for training data and 11 for the test data, the number of hidden node is 5, whereas the minimum error obtained is 0.00001. The results of testing by using these optimum parameter give the best accuracy of 97.99%.Keywords: prediction, water distribution, PDAM, backpropagation, water loss, water sold

Perbandingan Akurasi Backpropagation Neural Network dan ANFIS Untuk Memprediksi Cuaca Candra Dewi; M. Muslikh
Journal of Natural A Vol 1, No 1 (2013)
Publisher : Fakultas MIPA Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (961.028 KB)

Cuaca merupakan suatu kondisi udara di suatu tempat pada waktu yang relatif singkat, yang dipengaruhi oleh berbagai fenomena atmosfer. Informasi mengenai kondisi atmosfer yang cepat, akurat, dan terperinci sangat diperlukan oleh berbagai sektor. Backpropagation Neural Network (BPNN) dan Adaptive Neuro Fuzzy Inference System (ANFIS) adalah metode yang sering digunakan untuk melakukan prediksi dengan kemampuannya untuk melakukan pembelajaran dari informasi yang ada. Dengan kelebihan yang dimiliki oleh kedua metode ini, pada penelitian ini dilakukan implementasi kedua metode ini untuk mengetahui perbandingan akurasi dari kedua metode tersebut dalam melakukan prediksi cuaca berdasarkan parameter-parameter atmosfir yang mempengaruhi. Pada penelitian ini, metode BPNN diimplementasikan dengan menggunakan tiga layer dan dilakukan penambahan aturan pada penentuan kelas output jaringan, sedangkan ANFIS diimplementasi dengan struktur standar ANFIS yaitu lima layer. Pada BPNN dimungkinkan untuk melakukan perubahan jumlah node pada hidden layer agar dapat dihasilkan jaringan yang optimal. Sedangkan pada tahap awal ANFIS digunakan metode K-Mean Clustering untuk mendapatkan parameter premis dan konsekuen yang digunakan dalam proses inferensi pembelajaran. Pelatihan dilakukan pada data latih 40%, 50% dan 60% dari total data. Sedangkan pengujian dengan menggunakan data uji sebanyak 30%, 40% dan 50% dari total data. Hasil uji coba menunjukkan bahwa metode BPNN dengan modifikasi pada aturan penentuan output jaringan memiliki nilai Root Mean Square Error (RMSE) yang lebih rendah dan nilai akurasi yang lebih tinggi jika dibandingkan dengan metode ANFIS. Selain itu juga dapat diketahui bahwa kedua metode dapat digunakan untuk pengujian dengan menggunakan data latih minimal 50% dari total data. Dan juga diketahui bahwa metode ANFIS cukup baik jika diterapkan untuk kondisi cuaca yang perubahannya tidak begitu cepat dengan rentang waktu dibawah satu tahun.

Penentuan Kelas Area Bencana Lumpur Lapindo Menggunakan Pendekatan Logika Fuzzy Berbasis Spasial Candra Dewi; Bayu Rahayudi
Jurnal POINTER Vol 1, No 1 (2010): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

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

ABSTRAK Penentuan area yang berbahaya dari suatu sumber bencana sangat penting untuk memberikan informasi tentang area yang mungkin terdampak (vulnerability area) bencana tersebut. Dalam analisa tingkat bahaya terhadap bencana alam kadang timbul ketidakpastian/kekaburan yang terkait dengan adanya informasi yang tidak lengkap terhadap lingkungan sistem (vagueness, ambiguitas, fuzziness) dan ketidakpastian dalam pengukuran (ketidakpresisian, fuzziness). Untuk kasus analisa tingkat bahaya yang memiliki informasi yang tidak presisi, salah satu metode standarisasi yang bisa digunakan adalah dengan metode fuzzy. Tujuan dari penelitian ini adalah untuk menerapkan metode fuzzy dalam evaluasi multi kriteria daerah berbahaya Lumpur Lapindo. Hasil yang diperoleh dari penerapan fuzzy dari masing-masing kriteria ini kemudian digunakan untuk menampilkan informasi area berdasarkan tingkat bahaya dengan menggunakan analisa spasial. Perhitungan nilai derajat keanggotan dengan menggunakan fungsi sigmoid naik, sigmoid turun dan fungsi linier naik. Sedangkan untuk analisa sensitifitas, digunakan nilai kriteria pada batas bawah, batas tengah dan batas atas. Berdasarkan hasil analisa spasial diketahui bahwa sekitar 71% area dikategorikan kelas kerawanan rendah (Z3), 27% area dengan kelas kerawanan sedang (Z2), sedangkan kelas keranan tinggi (Z1) dan daerah tidak rawan menempati luasan 5% dan 2% dari total area pemukiman. Dari hasil overlay peta kerawanan ini dengan peta terdampak dapat diketahui bahwa terdapat daerah diluar daerah terdampak yang termasuk dalam kelas kerawanan sedang dan rendah. Dan dari hasil analisa sensitifitas diketahui bahwa zona Z1 dan Z2 tidak begitu sensitif untuk nilai dari batas bawah sampai tengah, zona Z4 tidak begitu sensitif untuk nilai dari batas tengah sampai batas atas, sedangkah Z3 sangat sensitif terhadap perubahan nilai kriteria. Kata kunci: analisa multi kriteria, analisa spasial, logika fuzzy ABSTRACT Determining vulnerable area of hot mud volcano is important to provide information on the extent of the areas affected by the hazard. Vulnerability analysis requires consideration of a comprehensive set of factors and balancing of multiple objectives in determining the dangerous level of particular area from a defined hazard source. Vulnerability analysis for natural hazard deals with uncertainty arises due to the lack of information about system behavior (vagueness, ambiguity, fuzziness) and inexactness of measurement (impreciseness, fuzziness). The objectives of this research were to develop multi-criteria evaluation method using fuzzy analysis approach for mud volcano vulnerable area and to develop mud volcano vulnerable map using proposed method in Lapindo Mud area. This research used fuzzy for standardize the criteria of analysis. The calculation of membership degree used sigmoid and linier function. The sensitivity analysis was done at lower, middle and upper value of the range. Base on the spatial analysis was found that low hazardous area (Z3) covered about 71% area, while 27% considered as moderate hazardous area (Z2), 5% as high hazardous area (Z1) and 2% as not impacted area (Z2). Base on sensitivity analysis also found that Z1 and Z2 were not enough sensitive between the lower and middle range, Z2 was not enough sensitive between the middle and upper range, while Z3 was sensitive to the changing of membership degree of criteria. Keywords: multi criteria analysis, spatial analysis, fuzzy logic

Aplikasi Fuzzy Ordered Weighted Averaging (OWA) Dalam Multi Kriteria Analisis Untuk Penentuan Kelas Area Bencana Lumpur Lapindo Candra Dewi; Ani Budi Astuti; Putra Pandu Adikara
Jurnal POINTER Vol 2, No 1 (2011): Jurnal Pointer - Ilmu Komputer
Publisher : Ilmu Komputer, Universitas Brawijaya

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

ABSTRAK Penentuan area yang berbahaya dari suatu sumber bencana sangat penting untuk memberikan informasi tentang area yang mungkin terdampak bencana tersebut. Dalam analisa tingkat bahaya terhadap bencana alam kadang timbul fuzziness yang terkait dengan adanya informasi yang tidak lengkap terhadap lingkungan sistem dan ketidakpastian dalam pengukuran. Untuk kasus analisa tingkat bahaya yang memiliki informasi yang tidak presisi, metode standarisasi yang bisa digunakan adalah dengan metode fuzzy. Tujuan dari penelitian ini adalah untuk menerapkan metode fuzzy Ordered Weighted Averaging (OWA) dalam evaluasi multi kriteria daerah berbahaya Lumpur Lapindo. Hasil yang diperoleh dari penerapan fuzzy dari masing-masing kriteria ini kemudian digunakan untuk menampilkan informasi area berdasarkan tingkat bahaya dengan menggunakan analisa spasial. Sedangkan untuk analisa sensitifitas, digunakan nilai kriteria pada batas bawah, batas tengah dan batas atas. Berdasarkan hasil analisa spasial diketahui bahwa sekitar 56,35% area dikategorikan kelas kerawanan rendah (Z3), daerah dengan kelas kerawanan sedang (Z2) mencakup luas sekitar 28,07%, kelas keranan tinggi (Z1) dan daerah tidak rawan (Z4) secara berturut-turut hanya menempati luasan 15,33% dan 0,24% dari total area pemukiman. Dari hasil overlay peta kerawanan ini dengan peta terdampak dapat diketahui bahwa terdapat daerah diluar daerah terdampak yang termasuk dalam kelas kerawanan sedang dan tinggi. Dan dari hasil analisa sensitifitas diketahui bahwa zona Z1 dan Z4 tidak begitu sensitif untuk nilai dari batas tengah sampai atas, zona Z2 dan Z3 tidak begitu sensitif untuk nilai dari batas bawah sampai batas tengah. Kata kunci: analisa multi kriteria, analisa spasial, fuzzy OWA ABSTRACT Determining vulnerable area of hot mud volcano is important to provide information on the extent of the areas affected by the hazard. Vulnerability analysis for natural hazard deals with uncertainty arises due to the lack of information about system behavior (vagueness, ambiguity, fuzziness) and inexactness of measurement (impreciseness, fuzziness). Fuzzy approach can be used to overcome this fuzziness. The objectives of this paper are to implement fuzzy Ordered Weighted Averaging (OWA) for multi-criteria evaluation of mud volcano vulnerable area and to develop mud volcano vulnerable map using proposed method in Lapindo Mud area. The calculation of membership degree used sigmoid and triangular membership function. The sensitivity analysis was done at lower, middle and upper value of the range. Base on the spatial analysis was found that low hazardous area (Z3) covered about 56.35% area, while 28.07% considered as moderate hazardous area (Z2), 15.33% as high hazardous area (Z1) and 0.24% as not impacted area (Z4). Base on sensitivity analysis also found that classes Z1 and Z4 were not enough sensitive between the middle and upper range, while classes Z2 and Z3 were not enough sensitive between the lower and middle range. Keywords: multi criteria analysis, spatial analysis, fuzzy OWA

Title

Found 10 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search