Article Per Year (5 Year)
p-Index From 2020 - 2025
3.624
P-Index
This Author published in this journals
All Journal MANAJEMEN HUTAN TROPIKA Journal of Tropical Forest Management MEDIA KONSERVASI Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal Jurnal Geografi, Edukasi dan Lingkungan Journal of Economic, Bussines and Accounting (COSTING) JOURNAL OF APPLIED INFORMATICS AND COMPUTING JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Krea-TIF: Jurnal Teknik Informatika Jambura Geoscience Review JATI (Jurnal Mahasiswa Teknik Informatika) The Indonesian Journal of Computer Science
Sahid Agustian Hudjimartsu
Universitas Ibn Khaldun Bogor
Agriculture, Biological Sciences & Forestry Astronomy Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
PENGEMBANGAN APLIKASI WEBGIS MENGGUNAKAN RSHINY UNTUK MEMONITOR POTENSI AREA RAWAN KEBAKARAN HUTAN DAN LAHAN DI KALIMANTAN BARAT Rafli Farhan, Muhamad; Hermawan, Erwin; Agustian Hudjimartsu, Sahid; Nurandi Rachim, Yusril
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10439

Abstract

Indonesia, dengan kekayaan alamnya yang melimpah dan iklim tropisnya, sering menjadi pusat perhatian. Namun, dalam beberapa tahun terakhir, negara ini menghadapi tantangan serius dengan seringnya kebakaran hutan dan lahan, yang dipicu oleh berbagai faktor. Untuk mengatasi masalah ini, penelitian mendalam diperlukan untuk memberikan wawasan yang berguna bagi upaya pencegahan dan pengelolaannya. Salah satu pendekatan yang digunakan adalah metode pengindraan jauh dengan model maximum entropy (MaxEnt). Dengan model ini, peta distribusi wilayah rawan terhadap kebakaran dapat dibuat, serta faktor lingkungan yang paling berperan dapat diidentifikasi. Fokus penelitian ini adalah pengembangan aplikasi WebGIS menggunakan bahasa R dengan framework RShiny secara otomatis untuk memonitor potensi area rawan kebakaran hutan dan lahan secara efisien dan berkelanjutan. Hasil penelitian ini adalah aplikasi berbasis WebGIS yang dapat menjalankan model distribusi potensi area rawan kebakaran hutan dan lahan secara otomatis pada berbagai lokasi dengan menggunakan data kejadian berupa data titik munculnya hotspot dan data variabel lingkungan berupa raster . Aplikasi ini menghasilkan peta distribusi potensial area rawan kebakaran hutan, grafik, dan dokumen hasil proses pemodelan Maxent variabel lingkungan mana yang paling berpengaruh. Dengan demikian, platform ini memberikan alat yang kuat untuk mengelola, memonitor dan mencegah kebakaran hutan dan lahan di Indonesia.
IMPLEMENTASI MODEL MAXENT UNTUK ANALISIS DISTRIBUSI KEBAKARAN HUTAN DI KABUPATEN BENGKAYANG MENGGUNAKAN R STUDIO Nurandi Rachim, Yusril; Hermawan, Erwin; Agustian Hudjimartsu, Sahid; Rafli Farhan, Muhamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10456

Abstract

Kebakaran hutan dan lahan yang terus meningkat di Indonesia, terutama di Pulau Kalimantan dan Sumatra, adalah masalah besar. Pada bulan Juli 2023, luas karhutla di Provinsi Kalimantan Barat meningkat sebesar 6.682 ha, yang dipengaruhi oleh penurunan curah hujan dan peningkatan risiko kekeringan. Dalam upaya untuk mencegah kebakaran hutan dan lahan di Provinsi Kalimantan Barat, penelitian ini menganalisis metode MaxEnt sebagai model distribusi wilayah yang berpotensi rawan kebakaran. Variabel lingkungan digunakan sebagai input dalam metode MaxEnt. Ini dapat digunakan dalam pemodelan berbasis pengindraan jarak jauh (remote sensing) untuk memetakan sebaran wilayah berpotensi rawan kebakaran dan menentukan parameter yang paling penting. Nilai area di bawah kurva (AUC) digunakan untuk memverifikasi validitas model. Dengan tingkat akurasi model (AUC) 0,929 dan akurasi 77,8% peta kerawanan menunjukkan dalam mencerminkan lokasi titik kebakaran di area berisiko tinggi. variabel lingkungan menunjukkan bahwa parameter suhu permukaan dan indeks KBDI berperan dalam distribusi probabilitas model kebakaran hutan dan lahan. Manfaat dari penelitian ini adalah bahwa peta kerawanan karhutla dan data yang dikumpulkan dapat digunakan sebagai referensi dalam merencanakan pengendalian kebakaran hutan dan lahan di kabupaten Bengkayang, Provinsi Kalimantan Barat.
IDENTIFIKASI KESEHATAN DAUN MANGROVE MENGGUNAKAN METODE RANDOM FOREST CLASSIFICATION Muhammad, Rizky; Hermawan, Erwin; Agustian Hudjimartsu, Sahid
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.11072

Abstract

Mangrove adalah pohon tropis yang tumbuh subur di lingkungan yang tidak dapat diterima karena sebagian besar kayunya asin, perairan pesisir, dan pasang surut konstan. Hidup dalam kelompok besar, memiliki akar yang besar, dan menghasilkan buah adalah ciri khas tanaman mangrove ini. 1.671.140,75 ha hutan mangrove di Indonesia berada dalam kondisi baik (47,89 %) dan 1.817.999,93 ha berada dalam kondisi rusak (52,10 %). Saat ini, kerusakan ekosistem mangrove di beberapa wilayah Indonesia terus meningkat, salah satunya di Kabupaten Langkat, tempat hutan mangrove terbesar di Sumatera Utara. Salah satu cara untuk meningkatkan produktivitas jamur dan manfaat pohon mangrove adalah dengan menggunakan algoritma pemrograman R untuk mengidentifikasi kesehatan daun mangrove menggunakan metode Random Forest. Bahan yang digunakan adalah gambar digital daun mangrove. Identifikasi kesehatan daun mangrove dengan Random Forest akan lebih memudahkan proses klasifikasi daun sehat dan daun sakit, serta bisa memproses banyak data dengan baik. Hasil Penelitian ini juga menghasilkan akurasi tertinggi mencapai nilai akurasi sebesar 85% dari metode yang diusulkan.
SISTEM INFORMASI IDENTIFIKASI GAYA BELAJAR SISWA DI SMK FADILAH MENGGUNAKAN METODE FORWARD CHAINING Hakim, Ashif Ahmad; Fajri T, Hersanto; Hudjimartsu, Sahid Agustian
Journal of Economic, Bussines and Accounting (COSTING) Vol 7 No 5 (2024): Journal of Economic, Bussines and Accounting (COSTING)
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/costing.v7i6.13071

Abstract

Dalam era digital yang semakin maju, peran teknologi dalam pendidikan telah menjadi sangat vital dalam meningkatkan kualitas dan efektivitas proses belajar mengajar. SMK Fadilah, sebagai salah satu lembaga pendidikan formal yang berfokus pada pengembangan kualitas pendidikan, menghadapi tantangan dalam memahami dan mengimplementasikan metode pembelajaran yang sesuai dengan gaya belajar siswa yang beragam. Gaya belajar siswa yang dapat dikategorikan sebagai visual, auditori, dan kinestetik memiliki dampak signifikan terhadap bagaimana mereka menyerap dan memproses informasi. Namun, hingga saat ini SMK Fadilah belum memiliki sistem yang memadai untuk mengidentifikasi dan menyesuaikan gaya belajar individu secara sistematis. Penelitian ini bertujuan untuk merancang dan menerapkan sistem informasi yang menggunakan metode forward chaining untuk mengidentifikasi dan menganalisis gaya belajar siswa di SMK Fadilah. Metode forward chaining yang berfokus pada penarikan kesimpulan berdasarkan data yang terakumulasi, dipilih karena kemampuannya dalam memberikan rekomendasi yang logis dan terukur. Sistem ini dirancang untuk membantu guru dalam menyesuaikan metode pengajaran mereka dengan gaya belajar masing-masing siswa. Dengan adanya sistem informasi ini, diharapkan akan terjadi peningkatan signifikan dalam kualitas pengajaran dan hasil akademik siswa di SMK Fadilah, serta memberikan kontribusi penting dalam pengembangan metode pembelajaran yang lebih efektif dan responsif terhadap gaya belajar siswa. Penelitian ini diharapkan memberikan solusi konkret dan aplikatif untuk meningkatkan adaptasi metode pengajaran di lingkungan pendidikan yang semakin dinamis.
Pengembangan Sistem Informasi Kesesuaian Lahan Tanaman Pangan Berdasarkan Faktor Cuaca Berbasis Website Utami, Putri; Abdullah, Asrul; Hudjimartsu, Sahid Agustian; Wicaksono, Aditya; Viona, Tiara Aurilia
The Indonesian Journal of Computer Science Vol. 13 No. 1 (2024): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i1.3758

Abstract

Evaluasi lahan dapat dilakukan untuk meningkatkan kualitas dan kuantitas komoditas pertanian. Salah satunya dengan persyaratan penggunaan lahan dengan mempertimbangkan karakteristik lahan. Namun, Dinas Pertanian selaku koordinator sulit mendapatkan informasi terkait karakteristik lahan yang sesuai dengan jenis tanaman berdasarkan faktor cuaca. Anomali cuaca menyebabkan turunnya produktitivitas tanaman. Tujuan penelitian ini adalah mengembangkan sistem informasi kesesuaian lahan untuk menentukan jenis tanaman pangan beradasarkan karakteristik lahan serta evaluasi kesesuaian lahan tanaman. Metode dalam penelitian ini adalah Framework for the Application of System Thinking (FAST). Tahapan FAST yaitu scope definition, problem analysis, requirement analysis, decision analysis, design, contruction and testing, dan instalation and delivery. Berdasarkan hasil uji kelayakan aplikasi menghasilkan nilai 87% dengan kriteria baik. Hasil ini menunjukkan bahwa sistem informasi kesesuaian lahan tanaman pangan dapat digunakan dengan baik.
DETEKSI PELANGGARAN LALU LINTAS KENDARAAN BERMOTOR RODA DUA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK WILAYAH KOTA BOGOR Rizky Haerudin, Asep; Agustian Hudjimartsu, Sahid; Hermawan, Erwin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13654

Abstract

Kendaraan bermotor roda dua telah menjadi bagian penting dalam mobilitas perkotaan, namun tingginya pelanggaran lalu lintas, khususnya tidak memakai helm, menjadi masalah yang signifikan. Berdasarkan data Polres Kota Bogor pada tahun 2023, tercatat 2.781 kasus pelanggaran tidak memakai helm, yang mencakup 373 kasus pengendara, 2.076 kasus penumpang, dan 332 kasus pengendara serta penumpang. Untuk mengatasi tantangan ini, penelitian ini mengembangkan sistem deteksi pelanggaran lalu lintas berbasis teknologi Artificial Intelligence (AI), dengan menggunakan metode Convolutional Neural Network (CNN). Penelitian dilakukan di tiga lokasi, Kota Bogor, wilayah yang sering menghadapi pelanggaran lalu lintas sepeda motor. Sistem yang dikembangkan menunjukkan performa yang baik dalam mendeteksi pelanggaran dari sampel data yang diuji. Hasil deteksi pelanggaran menunjukkan variasi jumlah pelanggaran, yaitu 13 pelanggaran pada sampel 1, 10 pelanggaran pada sampel 2, 8 pelanggaran pada sampel 3, dan tingkat akurasi terbaik sebesar 90.91% pada sampel 2, dengan kesalahan omisi sebesar 0.00% dan kesalahan komisi sebesar 9.09%, dan memiliki rata-rata akurasi sebesar 87.68%. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam meningkatkan efisiensi penegakan peraturan lalu lintas, mengurangi pelanggaran, dan meningkatkan keselamatan jalan raya, khususnya bagi pengendara sepeda motor roda dua.
MEDIA PEMBELAJARAN PENGENALAN KOMPONEN PERANGKAT KERAS KOMPUTER BERBASIS AUGMENTED REALITY Fadhil Sulaiman, Muhammad; Hidayat Al-Ikhsan, Safaruddin; Agustian Hudjimartsu, Sahid
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14025

Abstract

Pemanfaatan teknologi Augmented Reality (AR) dalam dunia pendidikan semakin berkembang sebagai solusi pembelajaran yang interaktif dan menarik. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi pembelajaran berbasis AR untuk membantu siswa tingkat Sekolah Menengah Pertama (SMP) dalam memahami komponen perangkat keras komputer. Masalah yang diidentifikasi adalah terbatasnya fasilitas laboratorium komputer dan kurangnya efektivitas metode pembelajaran konvensional. Aplikasi ini dibangun menggunakan metode Waterfall dengan tahapan analisis, perancangan, implementasi, dan pengujian, serta memanfaatkan Unity 3D dan Vuforia dalam proses pengembangannya. Pengujian dilakukan menggunakan metode black box untuk memastikan setiap fitur berjalan sesuai dengan fungsinya. Hasilnya menunjukkan bahwa aplikasi dapat dioperasikan dengan baik dan memberikan pengalaman belajar yang lebih menarik, serta membantu siswa memahami materi secara visual dan interaktif. Aplikasi ini berpotensi menjadi media alternatif pembelajaran pada sekolah yang mengalami keterbatasan sarana dan prasarana.
DETEKSI POHON PINUS PADA CITRA UDARA MENGGUNAKAN METODE LOCAL MAXIMA Risza Purnomo, Muhammad; Yanuarsyah, Iksal; Agustian Hudjimartsu, Sahid
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14241

Abstract

Hutan pinus merupakan salah satu hutan produksi yang dikelola oleh Perum Perhutani. Sukabumi merupakan salah satu kawasan hutan pinus di Jawa Barat yang berada di bawah lingkup Perum Perhutani. Berdasarkan kesesuaian kawasan hutan Kesatuan Pemangkuan Hutan (KPH) yang bersumber dari Perhutani, wilayah Sukabumi memiliki luas hutan pinus sebesar 45.946,55 Ha. Untuk meningkatkan produktivitas hutan pinus perlu dilakukan penajaman sumber daya, salah satunya dengan melakukan perhitungan pohon pinus. Perhitungan pohon pinus akan membutuhkan waktu yang lama jika perhitungan jumlah pohon pinus dilakukan secara konvensional. Oleh karena itu, diperlukan suatu solusi untuk mempermudah dan mempersingkat proses perhitungan pohon pinus. Penelitian ini bertujuan untuk mengetahui hasil analisis otomatisasi perhitungan jumlah pohon dari citra udara dengan metode local maxima dengan menggunakan 2 parameter, yaitu tinggi dan ukuran jendela. Sampel yang dideteksi adalah citra udara pohon pinus dengan menggunakan teknologi penginderaan jauh yaitu drone. Hasil penelitian menunjukkan bahwa dengan menggunakan metode local maxima diperoleh nilai rata-rata comission error sebesar 0.07, nilai rata-rata omission error sebesar 0.14 dan akurasi secara keseluruhan sebesar 0.81
Analisis Produktivitas Padi Menggunakan UAV Multispektral Dan Support Vector Regression Dengan Optimasi Grid Search Di Balumbang Jaya, Bogor Barat Lestari, Nur Annisa Indah; Erwin Hermawan; Sahid Agustian Hudjimartsu; Arif K Wijayanto; Ahmad Junaedi; Miftahul B.R. Khamid
Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 9 No. 2 (2025): Edisi Bulan Juli
Publisher : Pendidikan Geografi Universitas Muhammadiyah Prof. Dr. Hamka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/jgel.v9i2.17257

Abstract

Rice productivity is an important indicator of national food security, so an accurate analytical approach is needed to monitor and predict harvest yields spatially. This research aims to develop a rice productivity prediction model using remote sensing technology with Unmanned Aerial Vehicle (UAV) and Support Vector Regression (SVR) method. The study was conducted in Balumbang Jaya Village, West Bogor Regency, with a limited sample size of 30 rie field plots. Five vegetation indices were analyzed, including: Normalized Difference Vegetation Index (NDVI), Green Normalized Difference Vegetation Index (GNDVI), Normalized Difference Red Edge (NDRE), Optimized Soil-Adjusted Vegetation Index (OSAVI), and Leaf Chlorophyll Index (LCI). The research methodology integrated remote sensing techniques, multispectral image processing, and machine learning. The optimal SVR parameters were obtained through grid search with sigma=1 and cost=1. The Synthetic Minority Over-sampling Technique (SMOTE) was applied in initial data clasification stage to balance the productivity class distribution, although this study focused on regression. The results show that the SVR model with Radial Basis Function (RBF) kernel can explain 87.6% of rice productivity variability with a Root Mean Squared Error (RMSE) of 0.29 ton/ha. The findings confirm the effectiveness of a multidisciplinary approach in developing accurate and innovative rice productivity prediction models. This model has the potential to be used as a decision-making tool in agricultural land management that is more efficient and responsive to environmental variability
Spatial Distribution Patterns of Urban Growth, Dasymetric Mapping, and Air Pollution Standard Index (ISPU) in Bogor Regency (2018-2023) Ramadhan, Alfarisi; Hermawan, Erwin; Hudjimartsu, Sahid Agustian
Journal of Applied Informatics and Computing Vol. 9 No. 4 (2025): August 2025
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v9i4.9862

Abstract

Bogor Regency has undergone rapid industrialization and urban growth, raising concerns about deteriorating air quality and its health impacts. This study aims to analyze the spatial distribution of urban expansion and its relationship with air pollution levels between 2018 and 2023. Using Sentinel-5P and Sentinel-2A satellite imagery processed via Google Earth Engine (GEE), the research maps changes in land use and monitors key pollutants such as nitrogen dioxide (NO₂) and sulfur dioxide (SO₂). The Air Pollution Standard Index (ISPU) is used to classify air quality conditions. The results indicate a notable increase (16%) in urban areas, with population density rising from 178 to 180 inhabitants per hectare, and a shift toward higher pollution categories, with significant portions of the region now classified as "Unhealthy" increased from 17% in 2018 to 31% in 2023. The urban growth model demonstrated high accuracy (92.5%) and strong alignment with local monitoring data. Model evaluation showed a Mean Absolute Error (MAE) of 1.295 µg/m³ and Root Mean Square Error (RMSE) of 1.478 µg/m³, demonstrating strong agreement between predicted and observed data from the Bogor Regency Environmental Agency. These findings highlight the need for integrated urban planning and effective air quality management to reduce future health risks in Bogor Regency.
Co-Authors Aditya Wicaksono Agung Siswoyo AHMAD JUNAEDI Arien Heryansyah Arif K Wijayanto Asrul Abdullah Aswin Rahadian Budi Susetyo Dewi Primasari Eka Triyani Erwin Hermawan Fadhil Sulaiman, Muhammad Fajri T, Hersanto Fitrah Satrya F.K Gibtha Fitri Laxmi Hakim, Ashif Ahmad Hanif Hidayaturrahman Hendriawan Nur, Wawan Hidayat Al-Ikhsan, Safaruddin Hulwana Sharfina Iksal Yanuarsyah Kamali, Alviyan Badro Lestari, Nur Annisa Indah LILIK BUDIPRASETYO Lulu Lutfi Latifah Miftahul B.R. Khamid Minati Minati Muflihatul Maghfiroh Islami Muhammad Nanang Prayudyanto Muhammad, Rizky Nurandi Rachim, Yusril Putri Utami, Putri Putri Yuli Utami Rafli Farhan, Muhamad Ramadhan, Alfarisi Risza Purnomo, Muhammad Rizky Haerudin, Asep Setya Permana Sutisna Sinta Lestari Sinta Lestari, Sinta Teddy Rusolono Tiara Aurilia Viona Trisna Mukti Viona, Tiara Aurilia Wulandari, Berlina Yana Armanto, Devi Yudi Setiawan