Garuda - Garba Rujukan Digital

Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory) Ba’its, Alfian Kafilah; Bagaskara, Radhinka; Setiawan, Andika; Yulita, Winda; Harmiansyah, Harmiansyah; Listiani, Amalia; Untoro, Meida Cahyo; Drantantiyas, Nike Dwi Grevika; Faisal, Amir; Anggraini, Leslie; Febrianto, Andre; Aprilianda, Mohamad Meazza; Fitrawan, Mhd. Kadar
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%

Prediksi Penyakit Daun Pisang Menggunakan Metode LSTM (Long Short-Term Memory) Ba’its, Alfian Kafilah; Bagaskara, Radhinka; Setiawan, Andika; Yulita, Winda; Harmiansyah, Harmiansyah; Listiani, Amalia; Untoro, Meida Cahyo; Drantantiyas, Nike Dwi Grevika; Faisal, Amir; Anggraini, Leslie; Febrianto, Andre; Aprilianda, Mohamad Meazza; Fitrawan, Mhd. Kadar
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 10 No. 1 : Tahun 2025
Publisher : LPPM UNIKA Santo Thomas

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

Dalam sektor pertanian, tanaman yang memiliki peran signifikan dalam skala global adalah pisang, yaitu buah yang mudah didapatkan, dapat tumbuh dimana saja, memiliki gizi yang tinggi, serta memiliki nilai ekonomi & budaya yang tinggi. Pisang mempunyai kontribusi yang signifikan terhadap pendapatan nasional Indonesia, terutama di Provinsi Lampung sebagai penghasil pisang nasional terbesar. Tetapi, proses produksi pisang seringkali mengalami kendala, salah satunya karena faktor serangan penyakit Black Sigatoka. Penyakit tersebut memberikan kerugian pada tanaman pisang, seperti daun yang meranggas, panen tertunda, bakal buah rontok, dan kualitas buah yang rendah, dan dapat menyebar melalui aliran udara atau percikan air hujan. Tingkat keparahan penyakit Black Sigatoka perlu diprediksi agar penyakit tersebut dapat dikontrol dan dapat dicegah sedini mungkin. Model yang digunakan untuk memprediksi permasalahan ini dalam jangka panjang adalah model Long Short-Term Memory (LSTM), salah satu jenis dari arsitektur Recurrent Neural Network (RNN), yang mempunyai kinerja yang baik dan mempunyai model yang prediktif. Aplikasi LSTM diterapkan terhadap dataset pohon pisang yang terdampak penyakit Black Sigatoka. Hasil dari model LSTM dalam melakukan prediksi penyakit Black Sigatoka menghasilkan model dengan nilai error yang kecil, dengan nilai MAE dan MAPE masing-masing sebesar 0.084 dan 5.7%

Tinjauan Hukum terhadap Pelaksanaan Eksekusi Jaminan Fidusia: (Studi di Bank Perkreditan Rakyat Ganda Lata di Kendari) Khayati, Sri; Faisal, Amir
Arus Jurnal Sosial dan Humaniora Vol 4 No 3: Desember (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajsh.v4i3.816

Adapun tujuan penelitian adalah 1. Untuk mengetahui dan memahami proses eksekusi akta jaminan fiducia yang dilakukan oleh Bank Perkreditan Rakyat GandaLata di Kota Kendari. 2.Untuk mengetahui dan memahami hambatan yuridis terhadap Bank Perkreditan Rakyat Ganda Lata di Kota Kendari dalam mengeksekusi akta jaminan fiducia. Penelitian ini dilakukan di Bank Perkreditan Rakyat Ganda Lata di Kendari, teknik pengumpulan data yang dilakukan adalah dengan melakukan wawancara langsung melalui tanya jawab berdasarkan pertanyaan yang telah disiapkan sebelumnya, serta pengumpulan data dengan menggunakan buku-buku yang berkaitan dengan rumusan masalah yang penulis bahas. Teknik pengolahan data yang dilakukan yaitu menganalisis semua data yang diperoleh untuk selanjutnya dideskripsikan. Berdasarkan penelitian yang telah dilakukan bahwa Proses Eksekusi Jaminan Fiducia Secara Bawah Tangan oleh Bank Perkreditan Rakyat Ganda Lata kota Kendari. Prosedur cepat, murah, sederhana dan mengandung kepastian hukum memang menjadi kebutuhan dalam praktek yang tidak dapat ditawar-tawar lagi. Untuk mengakomodasi hal itu,Bank Pewrkreditan Rakyat Ganda Lata kota Kendari lebih memilih eksekusi fiducia secara bawah tangan, proses-proses pelaksanaannya adalah sebagai berikut : a) Tahap Pemberitahuan Eksekusi Jaminan Fiducia. b) Tahap Penarikan Jaminan . dalam tahap ini, surat-surat yang diperlukan adalah : (1) Surat Kuasa Khusus (2) Surat Penarikan Jaminan Kendaraan Bermotor, (3) Surat Pernyataan Pelepasan Hak Kepemilikan Kendaraan Bermotor,(4) Surat Berita Acara Penarikan Jaminan (Eksekusi),c) Tahap Penjualan Objek Jaminan Fiduciad) Tahap Pembuatan Memo Penjualan Objek Jaminan Fiducia.e) Tahap Pengembalian Hasil Penjualan Objek Jaminan Fiducia. Hambatan Yuridis Dalam Eksekusi Sertifikat Jaminan Fiducia Secara Bawah Tangan oleh Bank Perkreditan Rakyat Ganda Lata kota Kendari secara yuridis, dalam eksekusi akta jaminan fiducia, Bank Perkreditan Rakyat Ganda Lata kota Kendari mengalami beberapa hambatan, yaitu :Benda jaminan fiducia atas nama orang lain dan berada dalam penguasaan orang lain.,Debitur tidak mau menandatangani surat-surat yang diperlukan dalam proses penarikan dan penjualan jaminan.,Debitur mengajukan keberatan kepada kreditur karena hasil penjualan objek jaminan fiducia secara bawah tangan terlalu rendah.

Deteksi Malaria Berbasis Segmentasi Warna Citra dan Pembelajaran Mesin Setiawan, Agung W.; Rahman, Yusuf A.; Faisal, Amir; Siburian, Marsudi; Resfita, Nova; Gifari, Muhammad W.; Setiawan, Rudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844377

Di beberapa daerah di Indonesia, malaria masih merupakan salah satu penyakit endemik dan termasuk ke dalam kategori penyakit menular dengan vektor nyamuk Anopheles. Penurunan jumlah mortalitas penderita malaria ini telah menjadi program Pemerintah Indonesia dan World Health Organization. Salah satu hal penting yang dapat dilakukan adalah menyediakan alat diagnosis malaria yang cepat dan akurat berbantukan komputer. Oleh karena itu, pada studi ini dikembangkan sebuah metode deteksi malaria berbasis segmentasi warna citra yang dikombinasikan dengan metode pencacahan objek citra dan pembelajaran mesin berbasis Convolutional Neural Network. Pada studi ini, segmentasi citra dilakukan dengan menetapkan suatu nilai ambas batas tertentu (thresholding) pada model warna HSV. Nilai ambang batas untuk masing-masing kanal warna ditetapkan sebagai berikut: H = 100-175, S = 100-250, dan V = 60-190. Terdapat tiga skema pembelajaran mesin yang digunakan, yaitu citra asli menggunakan RMSProp optimizer, citra tersegmentasi menggunakan RMSProp dan Adam optimizer. Akurasi pelatihan dan validasi CNN tertinggi diperoleh dengan skema citra tersegmentasi menggunakan RMSProp optimizer, yaitu sebesar 92,77% dan 94,38%. Sementara, deteksi malaria berbasis pencacahan objek memiliki akurasi sebesar 93,78%. Meskipun deteksi malaria berbasis pencacahan objek memiliki akurasi 93,78%, tetapi sumber daya komputasi dan waktu yang diperlukan jauh lebih rendah.AbstractMalaria is still one of the endemic diseases in several regions of Indonesia. Reducing the malaria mortality rate has become a notable programme, not only does the Government of the Republic of Indonesia project it, but also the World Health Organization has a similar plan to tackle this disease. One of the prominent concerns to properly promote this programme is providing a rapid and accurate malaria diagnosis tool by applying the computer-aided diagnostics to minimize human errors. The aim of this study is to develop a colour microscopic image-based malaria detection using object counting and CNN-based machine learning. In this research, the HSV colour model with threshold values of H: 100-175, S: 100-250, and V: 60-190 was used to remove the image background. There are three machine learning schemes implemented in this study, i.e. original image using RMSProp optimizer, segmented image using RMSProp and Adam optimizer. The highest training and validation accuracy of CNN were obtained using a segmented image scheme by the RMSProp optimizer, 0.9277 and 0.9438. On the contrary, object-based malaria detection has an accuracy of 93.78%. Furthermore, there are several considerations to determine the malaria detection method, i.e. accuracy, computational resources, and time. Even though malaria detection using object counting has an accuracy of 93.78%, lower than the accuracy of CNN validation, the computational resources and time required are much lower and faster. Therefore, this detection method is suitable for smartphone-based devices with low-middle end specifications.

PENGARUH GOOD CORPORATE GOVERNANCE, KEBIJAKAN PENDANAAN, KOMITE AUDIT, DAN PERTUMBUHAN PERUSAHAAN TERHADAP NILAI PERUSAHAAN SEKTOR BARANG KONSUMSI YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2017-2020 Indra Cahya, Ilham; Amir Faisal
Jurnal Ekonomi Trisakti Vol. 3 No. 2 (2023): Oktober
Publisher : Lembaga Penerbit Fakultas EKonomi dan Bisnis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25105/jet.v3i2.16736

Tujuan dari penelitian ini adalah untuk mengetahui bagaimana pengaruh faktor tata Kelola perushaaan, strategi pembiayaan, komite audit, dan ekspansi bisnis terhadap nilai perusahaan. Sampel penelitian diambil dari seluruh perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia antara tahun 2017 dan 2020. Metode pengambilan sampel yang digunakan adalah purposive sampling, dan terpilih 28 perusahaan. Analisis regresi linier berganda adalah metode analisis data yang digunakan. Hasil pengujian mengungkapkan bahwa dewan komisaris dan kebijakan keuangan mempengaruhi perusahaan sedangkan kepemilikan manajerial, kepemilikan manajerial, dewan direksi, komite audit, dan pertumbuhan perusahaan tidak berpengaruh terhadap nilai perusahaan.

Mikroskop Digital, Otomatis, dan Portabel berbasis Raspberry Pi dengan Catu Daya DC Hidayat, Cahyadi A.; Simbolon, Sbelgcamp D.; Dilivio, Gabriel J.; Muttaqin, Muhammad; Ramadhani, Uri A.; Faisal, Amir; Prabowo, Bagas P.; Rahman, Yusuf A.
Medika Teknika : Jurnal Teknik Elektromedik Indonesia Vol. 5 No. 1 (2023): October
Publisher : Universitas Muhammadiyah Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/mt.v5i1.18009

Mikroskop cahaya dapat digunakan untuk melakukan magnifikasi dan melihat objek mikroskopis seperti bakteri, virus, atau sel untuk tujuan diagnosis suatu penyakit. Dalam melakukan pengamatan berdasarkan jumlah sampel yang banyak, ahli laboratorium rentan terhadap kelelahan, kesalahan, dan subjektivitas pengamatan. Oleh karena itu, kamera digital, komputer mini raspberry pi, layar liquid crystal display (LCD), motor stepper, catu daya dan bahasa pemrograman python digunakan sebagai komponen pendukung mikroskop cahaya untuk mengakusisi sampel laboratorium yang diamati dalam format digital sehingga dapat dilakukan operasi pengolahan citra pada raspberry pi dan ditampilkan hasilnya di layar LCD. Sedangkan motor stepper dan driver motor digunakan untuk menggeser meja sampel secara otomatis. Semua proses ini dilakukan dengan menggunakan bahasa pemrograman python. Hal ini dilakukan dengan tujuan untuk mengurangi beban pengamat dalam melihat dan menggeser slide sampel sebanyak 100 kali. Sistem akuisisi citra digital dan penggeseran meja sampel otomatis ini dirancang pada mikroskop cahaya portabel mampu meng-capture sampel pada kaca preparat menjadi citra digital, menggeser kaca preparat 100 kali, dan dilengkapi dengan catu daya 220 Volt sehingga dapat digunakan di fasilitas kesehatan manapun di Indonesia. Mikroskop digital, otomatis, dan portabel berbasis platform komputer mini raspberry pi ini dapat digunakan untuk melakukan pemeriksaan laboratorium berbagai penyakit seperti tuberculosis, malaria, atau leukimia dengan efisien dan efektif sehingga dapat mempermudah proses diagnosis penyakit dan dapat meningkatkan layanan kesehatan di berbagai daerah di Indonesia dan berkontribusi dalam penurunan dan eliminasi berbagai penyakit.

Coastal Flood Inundation Mapping and Hazard Zonation of Bandar Lampung City Using GIS and OpenStreetMap Agung Mahadi Putra Perdana; Meida Cahyo Untoro; Ilyas Ilyas; Mugi Prasetiawan; Amir Faisal
Media Komunikasi Geografi Vol. 27 No. 1 (2026)
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/mkg.v27i1.114173

The coastal area of Bandar Lampung City is increasingly exposed to flood inundation from extreme rainfall and tidal flooding associated with sea-level rise, requiring an integrated spatial mapping approach. This study maps coastal flood inundation using Sentinel-1 SAR imagery, develops flood hazard zonation through the Analytical Hierarchy Process (AHP), and disseminates the results through an OpenStreetMap-based WebGIS platform. The methodology combines Random Forest classification of Sentinel-1 dual-polarization imagery (VV/VH) using fourteen feature variables, AHP–Weighted Linear Combination for hazard zonation based on seven physical parameters (CR = 0.047), LSTM-based prediction, and Smart GIS Dashboard development using PostGIS, GeoServer, Leaflet, and MapLibre. The results indicate 1,247 ha of inundated area, representing 13.9% of the 8,956 ha study area, mainly concentrated in Teluk Betung Selatan and Panjang. Hazard zonation identifies 847 ha as high hazard, 1,932 ha as medium hazard, and 6,177 ha as low hazard. High-hazard zones expose 4,312 buildings, 27.3 km of roads, and 23 critical facilities. The Random Forest model achieved 93.7% accuracy, while the WebGIS platform obtained a SUS score of 74.6. Unlike previous isolated mapping approaches, this study integrates machine learning, multi-criteria hazard assessment, asset exposure analysis, and open-source WebGIS dissemination to support coastal mitigation and spatial planning.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search