cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
berkala.saintek@unej.ac.id
Editorial Address
-
Location
Kab. jember,
Jawa timur
INDONESIA
BERKALA SAINSTEK
Published by Universitas Jember
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education, Agriculture,
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemistry Mathematics Physics
Berkala SAINSTEK (BST) merupakan jurnal ilmiah yang memuat artikel hasil penelitian di bidang sains dan teknologi. Secara khusus BST diperuntukan bagi penulis internal mahasiswa Universitas Jember bidang fisika, matematika, biologi, kimia, teknik sipil, teknik mesin, teknik elektro dan sistem informasi. Namun BST juga menerima artikel dari penulis eksternal sepanjang memenuhi kriteria dan dalam lingkup bidang sains dan teknologi.
Arjuna Subject : -
Articles 211 Documents
 2   3   4   5   6 
Pengaruh Fermentasi Oleh Effective Microorganis-4 (EM-4) Terhadap Kadar Kurkumin Ekstrak Rimpang Temulawak (Curcuma xanthorrhiza Roxb.) Anita Karolina; I Nyoman Adi Winata; Ika Oktavianawati
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9229

Abstract

Curcuma xanthorrhiza Roxb. merupakan tanaman asli Indonesia yang lebih dikenal sebagai temulawak. Rimpang temulawak merupakan salah satu bahan untuk pembuatan jamu ternak. Jamu ternak berfungsi untuk meningkatkan produktivitas ternak. Pembuatan jamu ternak relatif murah dan mudah, yaitu dengan mencampurkan rimpang temulawak yang telah dihaluskan dengan cairan EM4. Campuran tersebut difermentasi selama 7 hari pada wadah tertutup. Kandungan kimia utama dalam rimpang temulawak adalah kurkumin. Penelitian untuk mengetahui pengaruh fermentasi oleh EM4 (dengan variasi volume 10, 20 dan 30 ml) terhadap kadar kurkumin yang diperoleh dari ekstrak rimpang temulawak yang dianalisa dengan menggunakan metode KLT-Densitometri, menunjukkan semakin banyak EM4 yang ditambahkan, semakin besar kadar kurkumin yang diperoleh. Namun, pada penambahan EM4 sebanyak 10 dan 20 ml kadar kurkumin yang diperoleh lebih sedikit dibanding kontrol (tanpa penambahan EM4). Hal tersebut didukung dengan adanya dua spot baru selain spot pada larutan standar dengan intensitas yang besar. Sedangkan pada penambahan EM4 30 ml memiliki kadar kurkumin paling besar. Kata Kunci: Fermentasi, Jamu ternak, KLT-Densitometri, Kurkumin, Rimpang temulawak.
Perilaku Bermain Anak Sapi Peranakan Ongole (PO) di Blok Merak, Kawasan Resort Labuhan Merak Taman Nasional Baluran Ahmad Mauludin Sohih; Hidayat Teguh Wiyono; M. Mahriani
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9302

Abstract

Perilaku bermain merupakan perilaku yang dilakukan hewan dengan tujuan untuk adaptasi, yaitu sebagai latihan dalam menghadapi predator, latihan dalam menyerang, bertarung, seperti melarikan diri atau menyerang lawannya. Perilaku bermain dapat menjadi indikator kesejahteraan hewan (animal welfare). Penelitian ini dilakukan di Blok Merak, kawasan Resort Labuhan Merak Taman Nasional Baluran. Penelitian ini menggunakan lima anak sapi peranakan ongole (PO). Prosedur penelitian ini yaitu; penentuan sampel anak sapi, pelabelan sampel anak sapi, pengamatan perilaku, dan pengukuran kondisi lingkungan. Metode yang digunakan dalam pengamatan perilaku adalah Focal Animal Sampling. Parameter yang diukur yaitu frekuensi dan durasi perilaku bermain anak sapi PO yang meliputi jumping, bucking, running, mock fighting/butting calf, dan mounting. Data hasil pengamatan perilaku bermain anak sapi PO dianalisis secara deskriptif. Hasil penelitian menunjukkan bahwa frekuensi dan durasi perilaku bermain yang meliputi jumping dan bucking tiga kali tiga detik, running 27 kali 71 detik, mock fighting/butting calf 45 kali 434 detik, dan mounting yaitu 88 kali 224 detik. Frekuensi dan durasi masing-masing anak sapi PO yaitu anak sapi A 44 kali 215 detik, anak sapi B 24 kali 115 detik, anak sapi C 42 kali 202 detik, anak sapi D 30 kali 83 detik dan anak sapi E 22 kali 120 detik. Kesimpulan penelitian ini adalah ditemukan lima perilaku bermain yang diamati pada anak sapi peranakan ongole (PO) di Blok Merak, kawasan Resort Labuhan Merak yang digembalakan secara liar di savana Taman Nasional Baluran. Kata Kunci: Perilaku Bermain, Anak sapi Peranakan Ongole (PO), dan Taman Nasional Baluran.
Analisis Sistem Alir Menggunakan Dua Detektor untuk Mendeteksi Besi(II) (Fe2+) dan Nitrat (NO3-) Secara Simultan Lusi Ike Nurjanah; Tri Mulyono; A. Asnawati
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9198

Abstract

Artikel ini melaporkan tentang analisis besi(II) dan nitrat secara simultan dengan Flow Injection Analysis (FIA). Metode ini menggunakan dua detektor yang dihubungkan dengan satu komputer. Flow Injection Analysis dirangkai dengan menghubungkan Three-Way Solenoid Valve, pompa peristaltik, detektor spektrofotometri dan potensiometri serta komputer. Sinyal FIA spektrofotometri didasarkan pada reaksi pembentukan senyawa komplek antara besi(II) dengan reagen 1.10-fenantrolin. Sinyal FIA potensiometri didasarkan pada keberadaan nitrat yang diperkuat dengan larutan ISA 2M ((NH4)2SO4). Salah satu parameter yang mempengaruhi metode ini yaitu volume reagen. Kinerja sistem injeksi alir didasarkan pada linieritas, limit deteksi, sensitivitas, keterulangan dan uji recovery. Hasil penelitian menunjukkan bahwa volume reagen yang optimum pada penentuan besi(II) dan nitrat yaitu 0,20 mL. Persamaan kurva kalibrasi yang diperoleh dari analisis besi(II) yaitu menunjukkan nilai linieritas sebesar 0.997, sensitivitas sebesar 0.123, limit deteksi sebesar 0.016 ppm dan nilai ketelitian terendah 99.20% serta uji recovery sebesar 98.00%. Persamaan kurva kalibrasi yang diperoleh dari analisis nitrat yaitu menunjukkan nilai linieritas sebesar 0.999, sensitivitas sebesar -96.77 mV per dekade, limit deteksi sebesar 0.36 ppm dan nilai ketelitian terendah sebesar 98.22% serta uji recovery sebesar 96.00%. Kata Kunci: Besi(II), nitrat, penentuan simultan, FIA, spektrofotometri, potentsiometri.
Implementasi Metode Backpropagation Neural Network (BNN) dalam Sistem Klasifikasi Ketepatan Waktu Kelulusan Mahasiswa (Studi Kasus: Program Studi Sistem Informasi Universitas Jember) Fadhel Akhmad Hizham; Yanuar Nurdiansyah; Diksy Media Firmansyah
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9254

Abstract

Program Studi Sistem Informasi adalah salah satu program studi di Universitas Jember yang berdiri sejak tahun 2009. Sampai saat ini sudah cukup banyak mahasiswa yang telah menyandang gelar sarjana, khususnya angkatan 2009-2013 , namun tidak banyak yang berhasil menyelesaikan studinya tepat waktu sehingga berdampak pada penilaian akreditasi dari program studi tersebut. Mahasiswa memiliki beban pembelajaran sekurang-kurangnya 144 SKS dengan masa studi selama 4- 5 tahun untuk memperoleh gelar sarjana. Berdasarkan permasalahan tersebut, terdapat berbagai cara untuk mengklasifikasi ketepatan waktu kelulusan mahasiswa, salah satunya dengan metode jaringan syaraf tiruan Backpropagation. Data yang digunakan yaitu data lulusan mahasiswa Program Studi Sistem Informasi Universitas Jember angkatan tahun 2011-2013. Atribut yang digunakan untuk klasifikasi berjumlah 9 atribut, yaitu nilai Indeks Prestasi (IP) semester 1 sampai 6, jumlah SKS yang ditempuh, semester saat terakhir kali memprogram matakuliah Kuliah Kerja Nyata (KKN) dan Praktik Kerja Lapang (PKL). Kelas yang digunakan untuk klasifikasi yaitu ketepatan waktu lulus mahasiswa tersebut. Penentuan ketepatan waktunya yaitu jika masa studi kurang dari sama dengan 60 bulan, maka mahasiswa tersebut lulus tepat waktu dan jika lebih dari 60 bulan maka tidak tepat waktu. Penerapan metode klasifikasi ini dilakukan dengan menggunakan learning rate 0.1, 0.3, 0.5, 0.7, dan 0.9 dengan batas iterasi masing-masing 1.000, 2.000, dan 3.000 iterasi. Nilai akurasi tertinggi yaitu sebesar 98,82% pada iterasi ke-2000 dan 3000, masing-masing dengan learning rate = 0,7 dan 0,9 untuk iterasi ke-2000 dan learning rate = 0,5, 0,7 dan 0,9 untuk iterasi ke-3000. Hasil tersebut didapat dari jumlah data benar sebanyak 167 data dari 169 data secara keseluruhan. Kata Kunci: Data Mining, Klasifikasi, Jaringan Syaraf Tiruan, Metode Backpropagation Neural Network.
Implementasi Algoritma Reversed Vigenere Encryption pada Pengamanan Citra Ahmad Rico Santoso; Abduh Riski; Ahmad Kamsyakawuni
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9224

Abstract

Pengamanan data atau informasi penting dilakukan untuk mencegah bocornya suatu pesan atau informasi kepada orang yang tidak berhak menerima. Pengamanan suatu data dapat dilakukan dengan menggunakan suatu teknik penyandian yang dinamakan dengan kriptografi. Pada penelitian ini, data yang digunakan adalah pesan/informasi berupa citra RGB sebanyak 10 buah citra. Pesan atau informasi pada penelitian disandikan menggunakan algoritma Reversed Vigenere Encryption. Tujuan dari penyandian citra RGB ini adalah untuk mengetahui bagaimana langkah-langkah enkripsi dan dekripsi serta hasil keamanan dari penyandian citra terhadap serangan-serangan kriptoanalisis. Adapun metode yang digunakan untuk menganalisis hasil enkripsi adalah anilisis histogram dan analisis diferensial. Hasil dari proses enkripsi dan dekripsi citra dapat dilakukan dengan baik namun masih menghasilkan cipherimage yang membentuk sebagian pola dari citra asli sehingga mudah ditebak oleh seseorang. Pada analisis histogram nilai-nilai pixels dari cipherimage belum menyebar secara merata sehingga hasil dari enkripsi citra masih memiliki ketahanan yang lemah terhadap serangan-serangan kriptoanalisis tipe statistik. Pada analisis diferensial, nilai NPCR menghasilkan nilai 100% yang berarti setiap pixels pada citra asli berubah bentuk secara total. Kata Kunci: Kriptografi, Citra RGB, Reversed Vigenere Encryption.
Klasifikasi Berita Politik Menggunakan Algoritma K-nearst Neighbor Difari Afreyna Fauziah; Achmad Maududie; Ifrina Nuritha
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9256

Abstract

Klasifikasi konten berita politik menggunakan algoritma K-Nearest Neighbor merupakan suatu proses untuk mengklasifikasikan berita politik ke dalam tiga subkategori yang lebih spesifik yaitu pilkada, UU ORMAS dan reshuffle kabinet. Algoritma yang digunakan dalam penelitian ini adalah algoritma K-Nearest Neighbor. Algoritma K-Nearest Neighbor merupakan suatu pendekatan klasifikasi yang mencari semua data training yang paling relatif mirip atau memiliki jarak yang paling dekat dengan data testing. Algoritma ini dipilih karena K-Nearest Neighbor merupakan algoritma yang sederhana dengan mencari kategori mayoritas sebanyak nilai K yang telah ditentukan sebelumnya. nilai K yang digunakan pada penelitian ini adalah K=3, K=5, K=7 dan K=9. Mekanisme dari sistem klasifikasi konten berita ini dimulai dengan tahap preprocessing. Berita politik yang dimasukkan kedalam sistem akan melewati empat tahap preprocessing yaitu case folding, tokenizing, stopword dan stemming. Tahap selanjutnya yaitu tahap pembobotan term. Pembobotan atau term weighting merupakan proses mendapatkan nilai term yang berhasil diekstrak dari proses sebelumnya yaitu proses preprocessing. Algoritma yang digunakan untuk tahap pembobotan pada penelitian ini adalah algoritma TFIDF. Setelah didapatkan nilai dari bobot term, kemudian dicari nilai jarak antar dokumen menggunakan algoritma cosine similarity. Langkah berikutnya adalah melakukan pengurutan data dalam data training berdasarkan hasil perhitungan nilai jarak. Selanjutnya, dari hasil pengurutan tersebut diambil sejumlah K data yang memiliki nilai kedekatan. Tujuan dari penelitian ini adalah sistem mampu mengimplementasikan algoritma KNN pada dokumen yang memiliki similarity yang tinggi. Pada penelitian ini dilakukan 3 pengujian dengan tiga variasi dataset yang berbeda dengan empat nilai K. Hasil akurasi yang terbaik didapatkan ketika sistem menggunakan nilai K=9 yang menunjukkan nilai precision sebesar 100%, recall sebesar 100% dan nilai f-measure sebesar 100%. Kata Kunci: klasifikasi, algoritma K-Nearest Neighbor, TFIDF, cosine similarity, confusion matrix.
Kajian Fraktal k-Fibonacci Word Menggunakan Natural Drawing Rule Ulfi Mega Prastiwi; Kosala Dwidja Purnomo; Firdaus Ubaidillah
BERKALA SAINSTEK Vol 6 No 2 (2018)
Publisher : Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/bst.v6i2.9225

Abstract

Fraktal k-Fibonacci Word dapat dibentuk dari suatu barisan khusus dari bilangan biner {0,1}. Barisan ini didefinisikan k secara rekursif sebagai, f =0 , f =0k−1 1 , f untuk n≥2 d a n k≥1 . Pembangkitan k ,0 k ,1 k ,n = f k ,n−1 f k , n−2 fraktal k-Fibonacci word dapat dilakukan dengan cara memodifikasi barisan baru yaitu menggunakan barisan Dense Fibonacci Word untuk menghasilkan kurva fraktal dengan menggunakan tiga digit {0,1,2}, kemudian untuk membangkitkan kurva fraktalnya menggunakan aturan garis sederhana yang disebut natural drawing rule. Tujuan dari penelitian ini adalah bagaimana cara menerapkan natural drawing rule untuk membangkitkan kurva fraktal k-Fibonacci Word dan mengetahui perubahan bentuk kurva generalisasi k genap dan k ganjil. Karakteristik yang diperoleh untuk barisan Dense Fibonacci word generalisasi k ganjil dan k genap berbeda untuk generalisasi k ganjil mempunyai kesamaan kurva F sedangkan untuk k−2 , n generalisasi k genap mempunyai kesamaan kurva yaitu F . k−4 , n Kata Kunci: fraktal k-Fibonacci Word, barisan Dense Fibonacci Word, natural drawing rule
PENERAPAN STOCHASTIC L-SYSTEMS PADA PEMODELAN PERTUMBUHAN AKAR TANAMAN Lukman Hariadi; Mohamad Hasan; Rusli Hidayat
BERKALA SAINSTEK Vol 1 No 1 (2013)
Publisher : Universitas Jember

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

Abstract

L-systems telah banyak diaplikasikan untuk memodelkan pertumbuhan batang dan daun tanaman serta desain motif dan batik. Tujuan dari penelitian ini adalah untuk mendapatkan model pertumbuhan akar tanaman dan menganalisis efek dari parameter probabilitas dalam memodelkan pertumbuhan akar tanaman. Langkah-langkah untuk memodelkan akar tanaman yaitu membangun model, membuat program, dan simulasi. Hasil dari penelitian ini bahwa pertumbuhan akar tanaman menggunakan Stochastic L-systems dapat menghasilkan akar tanaman yang bervariasi hanya dengan satu komponen aturan produksi L-systems.
STRUKTUR ANATOMI DAUN LENGKENG (DIMOCARPUS LONGAN LOUR.) KULTIVAR LOKAL, ITOH, PINGPONG DAN DIAMOND RIVER Nurul Aini; Dwi Setyati; Umiyah Umiyah
BERKALA SAINSTEK Vol 2 No 1 (2014)
Publisher : Universitas Jember

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

Abstract

Lengkeng (Dimocarpus longan Lour.) merupakan salah satu tanaman asli dari Asia Tenggara yang termasuk dalam famili Sapindaceae. Tujuan penelitian ini adalah mengetahui struktur anatomi daun lengkeng dan perbedaan antar ke empat kultivar tersebut. Penelitian ini menggunakan dua metode yaitu metode parafin (Suntoro, 1983) untuk preparat anatomi di Fakultas Biologi, UGM dan metode Johansen (1940) dilakukan untuk pembuatan preparat paradermal stomata di jurusan Biologi, FMIPA, Universitas Jember. Hasil menunjukkan bahwa struktur anatomi daun lengkeng terdapat perbedaan dalam hal ketebalannya. Nilai ketebalan daun tertinggi pada kultivar Pingpong dengan mesofil paling tebal diantara ketiga kultivar tersebut yaitu 174,04 μm, dan jaringan palisade yaitu 71,69 μm, epidermis atas yaitu 12,52 μm, kutikula yaitu 5,53 μm, serta mempunyai lengan trikoma paling panjang dengan nilai rata-rata 17,82 μm, Kultivar pingpong juga mempunyai nilai densitas stomata tertinggi di antara ketiga kultivar lainnya yaitu 20,38 mm2, tetapi mempunyai panjang stomata terendah yaitu 21,42 μm. Kata Kunci: Anatomi lengkeng, Dimocarpus longan,, densitas stomata.
JENIS-JENIS TUMBUHAN BERKAYU DAN PEMANFAATANNYA OLEH SUKU MADURA DI PULAU GILI KETAPANG PROBOLINGGO Robiyatul Adawiyah; Umiyah Umiyah; Dwi Setyati
BERKALA SAINSTEK Vol 3 No 1 (2015)
Publisher : Universitas Jember

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

Abstract

Masyarakat Gili Ketapang memiliki Indigenous Knowledge unik, yang mereka dapatkan melalui proses adaptasi tanpameninggalkan budaya dan tradisi asli mereka yaitu Madura. Penelitian ini bertujuan untuk mengetahui jenis-jenis tumbuhanberkayu yang dimanfaatkan, bagian-bagian dari tumbuhan berkayu yang dimanfaatkan, dan mengetahui cara pemanfaatantumbuhan berkayu oleh masyarakat Gili Ketapang dalam kehidupan sehari-hari. Metode yang digunakan adalah MetodeKepustakaan (Desk Study) dan Metode Participatory Ethnobotanical Appraisal (PEA). Teknik Purporsive Samplingdigunakan untuk menentukan informan kunci, teknik Snowball Sampling digunakan untuk menentukan informan selanjutnyaatas rekomendasi informan kunci. Hasil penelitian menunjukkan terdapat 22 jenis tumbuhan berkayu dari 16 suku yangdimanfaatkan oleh masyarakat gili ketapang. Bagian tumbuhan yang banyak dimanfaatkan adalah buah, diikuti batang, daun,ranting dan terakhir bunga. Pemanfaatan tumbuhan berkayu ada 6 cara yaitu sebagai bahan pangan, perahu dan kapal,perangkap ikan, obat, kayu bakar, bahan bangunan, pakan ternak dan kerajinan ukir.

Page 4 of 22 | Total Record : 211

 2   3   4   5   6 

Filter by Year

2013 2023


Reset
Filter By Issues
All Issue Vol 11 No 3 (2023) Vol 11 No 2 (2023) Vol 11 No 1 (2023) Vol 10 No 4 (2022) Vol 10 No 3 (2022) Vol 10 No 2 (2022) Vol 10 No 1 (2022) Vol 9 No 4 (2021) Vol 9 No 3 (2021) Vol 9 No 2 (2021) Vol 9 No 1 (2021) Vol 8 No 4 (2020) Vol 8 No 3 (2020) Vol 8 No 2 (2020) Vol 8 No 1 (2020) Vol 7 No 2 (2019) Vol 7 No 1 (2019) Vol 7 No 1 (2019) Vol 6 No 2 (2018) Vol 6 No 1 (2018) Vol 5 No 2 (2017) Vol 5 No 1 (2017) Vol 4 No 1 (2016) Vol 3 No 1 (2015) Vol 2 No 1 (2014) Vol 2, No 1 (2014) Vol 1, No 1 (2013) Vol 1 No 1 (2013) More Issue