Garuda - Garba Rujukan Digital

p-Index From 2021 - 2026

4.806

P-Index

This Author published in this journals

All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu Pertanian Indonesia Agromet MANAJEMEN IKM: Jurnal Manajemen Pengembangan Industri Kecil Menengah Jurnal Pustakawan Indonesia FORUM STATISTIKA DAN KOMPUTASI Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Pembangunan Wilayah dan Kota Agrikultura Jurnal Keteknikan Pertanian Proceedings of KNASTIK Jurnal Simetris TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Ilmu Komputer dan Agri-Informatika Forum Agribisnis SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Teknologi Informasi dan Ilmu Komputer Journal of ICT Research and Applications Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan (Journal of Natural Resources and Environmental Management) International Journal of Advances in Intelligent Informatics Jurnal Aplikasi Bisnis dan Manajemen (JABM) E-Journal Widyariset JOIN (Jurnal Online Informatika) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Informatika Pertanian Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control BAREKENG: Jurnal Ilmu Matematika dan Terapan JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Informatika Universitas Pamulang Jurnal ULTIMATICS CYBERNETICS BHUMI: Jurnal Agraria dan Pertanahan Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Aptisi Transactions on Technopreneurship (ATT) JURNAL METEOROLOGI DAN GEOFISIKA Building of Informatics, Technology and Science Journal of Robotics and Control (JRC) Indonesian Journal of Electrical Engineering and Computer Science Computer Science and Information Technologies Jurnal Tanah dan Iklim Widyariset Aiti: Jurnal Teknologi Informasi Jurnal Pustakawan Indonesia Makara Journal of Science Eduvest - Journal of Universal Studies J-Icon : Jurnal Komputer dan Informatika Jurnal Sistem Informasi

Agus Buono

Department Of Computer Science, Faculty Of Mathematics And Natural Science, Bogor Agricultural University, Jalan Meranti, Kampus IPB Darmaga, Bogor 16680,

Author-ID : 221408

Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Physics Social Sciences Transportation Other

Published : 81 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Pemodelan Jaringan Syaraf Tiruan untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut Lubis, Laila Sari; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol 1, No 2 (2012)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1177.03 KB)

Anjatan, Indramayu adalah salah satu daerah pertanian di Indonesia. Keberhasilan atau kegagalan panen setiap tahun tergantung pada ketersediaan air di wilayah tersebut. Oleh karena itu, diperlukan suatu metode yang akurat untuk memprediksi awal musim hujan. Metode yang digunakan untuk prediksi dalam penelitian ini adalah jaringan saraf tiruan (JST) back-propagation. Hasil akurasi prediksi JST diukur dengan R2 dan RMSE. Penelitian ini menggunakan suhu permukaan laut (SST) ECHAM4p5_CA yang merupakan salah satu model suhu permukaan laut di bulan Juni, Juli, dan Agustus. Domain SST dipilih berdasarkan korelasi 5% dan 10% untuk masing-masing bulan Juni, Juli, dan Agustus. Penelitian ini menggunakan arsitektur JST dengan dua parameter: hidden neuron (HN) dan learning rate (LR). Jumlah hidden neuron yang digunakan dalam penelitian ini adalah 5, 10, 20, dan 40, dan tingkat pembelajaran adalah 0.3, 0.1, dan 0.01. Prediksi hasil terbaik untuk korelasi 5% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 51% dan RMSE 3.03 pada HN 10 dan LR 0.01, Juli dengan R2 adalah 48% dan RMSE 3.39 pada HN 20 dan LR 0.1, dan Agustus dengan R2 adalah 75% dan RMSE 2.51 di HN 40 dan LR 0.01. Prediksi hasil terbaik untuk korelasi 10% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 44% dan RMSE 3.32 di HN 5 dan LR 0.3, Juli dengan R2 adalah 42% dan RMSE 3.42 di HN 10 dan LR 0.1, dan Agustus dengan R2 adalah 71% dan RMSE 3.37 di HN 20 dan LR 0.01. Kesimpulan dari penelitian ini adalah hidden neuron dan learning rate dengan nilai yang berbeda mempengaruhi R2 dan RMSE.Kata kunci: hidden neuron, jaringan saraf tiruan, learning rate, RMSE, R2

Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo Sari, Puspita Kartika; Priandana, Karlisa; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (951.151 KB)

Sistem penilaian berdasarkan suara tepuk tangan sering digunakan dalam acara perlombaan di Indonesia. Namun, penentuan pemenang dengan cara konvensional cenderung subjektif. Penelitian ini mengembangkan sistem penilaian otomatis berbasis komputer untuk menghitung jumlah orang bertepuk tangan dan menentukan pemenang dari perlombaan berdasarkan tepuk tangan. Penelitian ini membandingkan dua metode yang dapat diterapkan yaitu metode berbasis frekuensi dan metode berbasis amplitudo. Metode yang berbasis frekuensi mengimplementasikan Mel Frequency Cepstral Coefficient (MFCC) sebagai pengekstraksi ciri dan codebook sebagai pengenal pola. Hasil yang diperoleh merupakan suatu model berupa kelas-kelas yang diklasterkan oleh K-Means clustering. Parameter penting dalam metode ini adalah jumlah koefisien cepstral, overlap, time frame, dan jumlah klaster. Beberapa pengujian dilakukan untuk menemukan parameter optimum dengan nilai akurasi tertinggi. Metode kedua merupakan metode berbasis amplitudo yang dilakukan dengan menghitung jumlah sampel sinyal yang memiliki nilai amplitudo di atas nilai-nilai ambang (thresholds) tertentu yang menghasilkan akurasi maksimum. Hasil penelitian menunjukkan bahwa akurasi sistem berbasis frekuensi untuk tepuk tangan periodik adalah 83.3% dan untuk tepuk tangan acak ialah 50% sehingga akurasi sistem untuk tepuk tangan acak berbasis threshold yang lebih sederhana ialah 66.7 %. Dengan demikian, metode berbasis amplitudo baik digunakan.Kata kunci: Codebook, K-means, Mel Frequency Cepstral Coefficients (MFCC), Pengenalan Suara, Threshold

Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Syafria, Fadhilah; Buono, Agus; Silalahi, Bib Paruhum
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (568.648 KB)

Paru-paru merupakan organ vital manusia yang berperan dalam proses pernapasan. Jika paru-paru mengalami gangguan maka sistem pernapasan manusia juga akan mengalami gangguan yang bisa menyebabkan kecacatan bahkan kematian. Untuk mengevaluasi keadaan paru-paru dapat dilakukan dengan mendengarkan suara pernapasan dengan menggunakan stateskop. Teknik ini dikenal dengan teknik auskultasi. Teknik ini paling sering digunakan namun memiliki beberapa kelemahan yaitu suara paru-paru berada pada frekuensu rendah, masalah kebisingan lingkungan, kepekaan telinga, hasil analisa yang subjektif, dan pola suara yang hampir mirip. Karena faktor-faktor di atas kesalahan diagnosa bisa terjadi jika proses auskultasi tidak dilakukan dengan benar. Dalam penelitian ini, akan dibuat pengenalan suara paru-paru normal dan abnormal menggunakan Mel Frequency Cepstrum koefisien (MFCC) sebagai ekstraksi ciri dan Backpropagation sebagai classifier. Suara paru-paru akan dihitung Coeffisient Ceptral nya sebagai penciri dari masing-masing suara untuk selanjutnya dikenali dengan menggunakan Backpropagation. Metode yang diusulkan memberikan akurasi 93.97% untuk data latih dan 92.66% untuk data uji.Kata kunci: Backpropagation, MFCC, pengenalan suara paru-paru

Klasifikasi Metagenom dengan Metode NaÃ¯ve Bayes Classifier Utami, Dian Kartika; Kusuma, Wisnu Ananta; Buono, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1294.449 KB)

Studi metagenom merupakan langkah penting pada pengelompokan taksonomi. Pengelompokan pada metagenom dapat dilakukan dengan menggunakan metode binning. Binning diperlukan untuk mengelompokkan contigs yang dimiliki oleh masing-masing kelompok spesies filogenetik. Pada penelitian ini, binning dilakukan dengan menggunakan pendekatan komposisi berdasarkan supervised learning (pembelajaran dengan contoh). Metode supervised learning yang digunakan yaitu NaÃ¯ve Bayes Classifier. Adapun metode yang digunakan untuk ekstraksi ciri adalah dengan melakukan perhitungan frekuensi k-mer. Klasifikasi pada metagenom dilakukan berdasarkan tingkat takson genus. Dari proses klasifikasi yang dilakukan, akurasi yang diperoleh dengan menggunakan fragmen pendek (400 bp) adalah 49.34 % untuk ekstraksi ciri 3-mer dan 53.95 % untuk ekstrasi ciri 4-mer. Sementara itu, untuk fragmen panjang (10 kbp), akurasi mengalami peningkatan yaitu 82.23 % untuk ekstraksi ciri 3-mer dan 85.89 % untuk esktraski ciri 4-mer. Dari hasil tersebut dapat disimpulkan bahwa akurasi semakin tinggi seiring dengan semakin panjangnya ukuran fragmen. Selain itu, penelitian ini juga menyimpulkan bahwa metode ekstrasi ciri yang memberikan hasil paling maksimal adalah dengan menggunakan ekstraksi ciri 4-mer.Kata Kunci: metagenom, k-mer, NaÃ¯ve Bayes Classifier, binning, klasifikasi

Pemodelan Jaringan Syaraf Tiruan untuk Memprediksi Awal Musim Hujan Berdasarkan Suhu Permukaan Laut Laila Sari Lubis; Agus Buono
Jurnal Ilmu Komputer dan Agri-Informatika Vol 1 No 2 (2012)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Anjatan, Indramayu adalah salah satu daerah pertanian di Indonesia. Keberhasilan atau kegagalan panen setiap tahun tergantung pada ketersediaan air di wilayah tersebut. Oleh karena itu, diperlukan suatu metode yang akurat untuk memprediksi awal musim hujan. Metode yang digunakan untuk prediksi dalam penelitian ini adalah jaringan saraf tiruan (JST) back-propagation. Hasil akurasi prediksi JST diukur dengan R2 dan RMSE. Penelitian ini menggunakan suhu permukaan laut (SST) ECHAM4p5_CA yang merupakan salah satu model suhu permukaan laut di bulan Juni, Juli, dan Agustus. Domain SST dipilih berdasarkan korelasi 5% dan 10% untuk masing-masing bulan Juni, Juli, dan Agustus. Penelitian ini menggunakan arsitektur JST dengan dua parameter: hidden neuron (HN) dan learning rate (LR). Jumlah hidden neuron yang digunakan dalam penelitian ini adalah 5, 10, 20, dan 40, dan tingkat pembelajaran adalah 0.3, 0.1, dan 0.01. Prediksi hasil terbaik untuk korelasi 5% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 51% dan RMSE 3.03 pada HN 10 dan LR 0.01, Juli dengan R2 adalah 48% dan RMSE 3.39 pada HN 20 dan LR 0.1, dan Agustus dengan R2 adalah 75% dan RMSE 2.51 di HN 40 dan LR 0.01. Prediksi hasil terbaik untuk korelasi 10% menggunakan JST adalah untuk bulan Juni dengan R2 adalah 44% dan RMSE 3.32 di HN 5 dan LR 0.3, Juli dengan R2 adalah 42% dan RMSE 3.42 di HN 10 dan LR 0.1, dan Agustus dengan R2 adalah 71% dan RMSE 3.37 di HN 20 dan LR 0.01. Kesimpulan dari penelitian ini adalah hidden neuron dan learning rate dengan nilai yang berbeda mempengaruhi R2 dan RMSE. Kata kunci: hidden neuron, jaringan saraf tiruan, learning rate, RMSE, R2

Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo Puspita Kartika Sari; Karlisa Priandana; Agus Buono
Jurnal Ilmu Komputer & Agri-Informatika Vol. 2 No. 1 (2013)
Publisher : Departemen Ilmu Komputer - IPB University

Pengenalan Suara Paru-Paru dengan MFCC sebagai Ekstraksi Ciri dan Backpropagation sebagai Classifier Fadhilah Syafria; Agus Buono; Bib Paruhum Silalahi
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Klasifikasi Metagenom dengan Metode Naïve Bayes Classifier Dian Kartika Utami; Wisnu Ananta Kusuma; Agus Buono
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Studi metagenom merupakan langkah penting pada pengelompokan taksonomi. Pengelompokan pada metagenom dapat dilakukan dengan menggunakan metode binning. Binning diperlukan untuk mengelompokkan contigs yang dimiliki oleh masing-masing kelompok spesies filogenetik. Pada penelitian ini, binning dilakukan dengan menggunakan pendekatan komposisi berdasarkan supervised learning (pembelajaran dengan contoh). Metode supervised learning yang digunakan yaitu Naïve Bayes Classifier. Adapun metode yang digunakan untuk ekstraksi ciri adalah dengan melakukan perhitungan frekuensi k-mer. Klasifikasi pada metagenom dilakukan berdasarkan tingkat takson genus. Dari proses klasifikasi yang dilakukan, akurasi yang diperoleh dengan menggunakan fragmen pendek (400 bp) adalah 49.34 % untuk ekstraksi ciri 3-mer dan 53.95 % untuk ekstrasi ciri 4-mer. Sementara itu, untuk fragmen panjang (10 kbp), akurasi mengalami peningkatan yaitu 82.23 % untuk ekstraksi ciri 3-mer dan 85.89 % untuk esktraski ciri 4-mer. Dari hasil tersebut dapat disimpulkan bahwa akurasi semakin tinggi seiring dengan semakin panjangnya ukuran fragmen. Selain itu, penelitian ini juga menyimpulkan bahwa metode ekstrasi ciri yang memberikan hasil paling maksimal adalah dengan menggunakan ekstraksi ciri 4-mer.Kata Kunci: metagenom, k-mer, Naïve Bayes Classifier, binning, klasifikasi

Pemodelan Dimensi Fraktal Multiskala untuk Mengenali Bentuk Daun Aziz Rahmad; Yeni Herdiyeni; Agus Buono; Stephane Douady
Jurnal Ilmu Komputer & Agri-Informatika Vol. 4 No. 1 (2015)
Publisher : Departemen Ilmu Komputer - IPB University

Penelitian ini membangun model untuk membedakan bentuk daun menggunakan dimensi fraktal multiskala. Identifikasi tumbuhan obat sangat penting mengingat keanekaragaman hayati di Indonesia dan peran pentingnya di Indonesia. Identifikasi tanaman dapat dilakukan menggunakan analisis bentuk dengan daun sebagai cirinya. Dimensi fraktal multiskala adalah salah satu metode analisis bentuk yang menganalisis bentuk melalui kompleksitasnya. Empat tipe bentuk daun dari spesies berbeda dimodelkan dalam penelitian ini. Analisis multiskala mampu memberikan informasi tambahan mengenai alur perubahan luas bidang dilasi, namun tidak mencirikan bentuk daun yang diuji dalam penelitian ini. Kata kunci: bentuk daun, dimensi fraktal multiskala, tanaman obat.

Co-Authors -Mushthofa, Mushthofa Ade Fruandta Adi Rakhman Aditya Cipta Raharja Agung Prajuhana Putra Akhmad Faqih Alif Kurniawan Alvin Fatikhunnada Anang Kurnia Angga Wahyu Pratama Aries Maesya Arif Imam Suroso Arini Aha Pekuwali Arini Pekuwali Astuti, Indah Puji Atik Pawestri Sulistyo Aziz Kustiyo Aziz Rahmad Bahukeling, Trukan Sri Batlajery, Jemsri Stenli Benyamin Kusumoputro Bib Paruhum Silalahi Budi Nugroho Cece Sumantri DEWI APRI ASTUTI Dhany Nugraha Ramdhany Dian Kartika Utami Edi Santosa Ekowati Handharyani Elisabeth Sri Hendrastuti Endang Purnama Giri Erliza Hambali Erliza Noor Ernan Rustiadi Fadhilah Syafria Fajar Delli Wihartiko Fildza Novadiwanti Firdaus, Husni Firdaus, Nova Fredicia Fredicia Galih Kurniawan Sidik Galih Kurniawan Sidik Galih Kurniawan Sidik Gendut Suprayitno Gita Adhani GUNARSO GUNARSO Hardhienata, Medria Kusuma Dewi Harry Dhika, Harry Hastuadi Harsa Herianto Herianto Hidayat Hidayat Hidayat I Wayan Astika Ibrahim, Firmansyah Iis Rodiah Imam Suroso, Arif Imas Sukaesih Sitanggang Indah Prasasti Indah Puji Astuti Indra Jaya Inggih Permana Irman Hermadi Irmansyah . Irsal Las Irsal Las ISKANDAR ZULKARNAEN SIREGAR Kana Saputra S Karlisa Priandana Kikin H Mutaqin Kudang Boro Seminar Laila Sari Lubis Laila Sari Lubis Lailan Syaufina Lidya Ningsih Liyantono . M. Cholid Mawardi M. Mukhlis Marcelita, Faldiena Medria Kusuma Dewi Hardhienata Mindara, Gema Parasti Mohamad Solahudin Muhammad Ardiansyah Muhammad Rafi Muttaqin Mushthofa Mustakim Mustakim Mustakim Mustakim Muttaqin, Muhammad Rafi Niswati, Za'imatun Noviyanti, Inna Nurhayati, Yosi Popong Nurhayati Pratistya, Sayu Desty Puspita Kartika Sari Puspita Kartika Sari Putri Yuli Utami Raehan, Siti Raharja, Aditya Cipta Rahmat Hidayat Rizal Syarief Rizaldi Boer Rizki, Arviani RR. Ella Evrita Hestiandari Santo, Deni Sanusi Sanusi Sari Agustini Hafman Savitri, Siska Shelvie Nidya Neyman Sholihah, Walidatush Sidik, Galih Kurniawan Siregar, Ardinsyah Sitanggang, Imas S. Siti Kania Kushadiani Sony Hartono Wijaya Sri Dianing Asri Sri Hendrastuti, Elisabeth Sri Nurdiati Sri Wahjuni Stephane Douady Suharno Suharno Suharno Sumanto, Sumanto Syeiva Nurul Desylvia Taufik Djatna Thoyyibah Tanjung Toto Haryanto Uliniansyah, Mohammad Teduh Vicky Zilvan Wisnu Ananta Kusuma Wisnu Jatmiko Woro Estiningtyas Woro Estiningtyas Woro Estiningtyas Yan Mitha Djaksana Yandra Arkeman Yenni Vetrita Yoanda, Sely Zamzam, Muhammad Adib

Title Search

Found 9 Documents Search Journal : Jurnal Ilmu Komputer dan Agri-Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika