Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal)
Fatma Agus Setyanngsih
Tanjungpura University
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI METODE KOHONEN UNTUK PREDIKSI CURAH HUJAN (STUDI KASUS : KOTA PONTIANAK) Fatma Agus Setyanngsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 4, No 2 (2017)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v4i2.105

Abstract

The prediction to determine the rainfall in Pontianak is much needed. One of them is using a neural network algorithm using SOM (Self Organizing Maping) with the data used in January 2010-2013. The purpose of this study was to determine the rainfall prediction in the city of Pontianak with parameters of air temperature, relative humidity, air pressure and wind speed. The results showed that the value of MSE is obtained when studying the data network prediction in January of 2010 until 2013 using the Neural Network-SOM learning process with the amount of 1 neuron and using 124 datas, with MSE value 0,0148. Keywords: Rainfall, Neural Network, Time Series, Self Organizing MapPrediksi untuk mengetahui curah hujan yang terjadi di Pontianak sangat dibutuhkan salah satunya yaitu menggunakan algoritma jaringan syaraf tiruan dengan pengelompokkannya menggunakan SOM (Self Organizing Map) dengan data yang digunakan adalah data di bulan januari tahun 2010-2013. Tujuan dari penelitian ini adalah untuk mengetahui prediksi curah hujan di kota Pontianak dengan parameter suhu udara, kelembababn relative, tekanan udara dan kecepatan angin. Hasil penelitian menunjukkan bahwa nilai MSE ini didapatkan saat jaringan mempelajari data prediksi pada bulan januari di tahun 2010 sampai tahun 2013 dengan menggunakan proses pembelajaran JST SOM dengan jumlah neuron 1 dan menggunakan 124 data, dengan nilai MSE 0,0148. Kata kunci: Curah Hujan, Jaringan Syaraf Tiruan, Time Series, Self Organizing Map
PENERAPAN GIM AUGMENTED REALITY BERBASIS ANDROID DALAM PENGENALAN SEJARAH KERATON KERAJAAN PONTIANAK Fatma Agus Setyanngsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 9, No 1 (2022)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v9i1.452

Abstract

History is all events or events of the past, which aims to understand the behavior of the past, present and future. There are many ways to introduce history, from learning at school to using ebook media. Learning history by making a game on a smartphone is currently lacking, therefore one of the efforts to make learning and provide historical information in an interesting, fun and effective way is to create an augmented reality game on an Android smartphone.One of the games that can be implemented in the introduction program to the history of the Pontianak Royal Palace is a game that uses Augmented Reality technology. The research was conducted in the Pontianak Royal Palace, Yogyakarta, by looking for Augmented Reality objects in the form of "fireballs" that were found according to the placement of the object. This game uses location as a condition to be able to find objects, so every user who has found the location is required to scan by pointing to the side of the building/building writing according to his instructions. The methodology used for reporting is ADDIE, namely Analyze, Design, Development, Implementation, Evaluation.The result obtained is an application of Android-Based Augmented Reality GIM Application in Introduction to the History of the Pontianak Royal Palace. The use of this game can be used for the latest method as a medium for introducing campuses that are different from beforeKey Words: Smartphone, Android, The Kingdom of Pontianak RelicSejarah merupakan semua kejadian atau peristiwa masa lalu, yang bertujuan untuk memahami perilaku masa lalu, masa sekarang dan masa yang akan datang. Banyak cara untuk mengenalkan sejarah, mulai dari pembelajaran di sekolah sampai dengan menggunakan media ebook. Pembelajaran sejarah dengan menjadikan sebuah gim di smartphone saat ini masih kurang, oleh sebab itu salah satu upaya untuk melakukan pembelajaran dan memberikan informasi sejarah dengan menarik, menyenangkan dan efektif adalah dengan membuat gim augmented reality di smartphone Android.Salah satu gim yang dapat diimplementasikan dalam program pengenalan Sejarah Keraton Kerajaan Pontianak adalah gim yang menggunakan teknologi Augmented Reality. Penelitian dilakukan di lingkungan Keraton Kerajaan Pontianak Yogyakarta dengan mencari objek Augmented Reality berbentuk “bola api” yang terdapat sesuai penempatan objek. Gim ini menggunakan lokasi sebagai syarat agar dapat menemukan objek, jadi setiap pengguna yang sudah menemukan lokasinya maka diharuskan scan dengan mengarahkan ke sisi bangunan/tulisan bangunan sesuai perintahnya. Metodologi yang digunakan untuk pembuatan laporan adalah ADDIE yaitu Analyze, Design, Development, Implementation, Evaluation.Hasil yang didapatkan adalah sebuah aplikasi Penerapan GIM Augmented Reality Berbasis Android Dalam Pengenalan Sejarah Keraton Kerajaan Pontianak. Pemanfaatan gim ini dapat digunakan untuk metode terbaru sebagai media pengenalan kampus yang berbeda dari sebelumnya.Kata Kunci: Smartphone, Android, Keraton Kerajaan Pontianak
ANALISIS SISTEM PAKAR PENYAKIT TANAMAN JERUK SIAM MENGGUNAKAN DEEP NEURAL NETWORK (DNN) Fatma Agus Setyanngsih
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.592

Abstract

Siamese oranges are cultivated by farmers in West Kalimantan, one of which is in a plantation in Setapok Village, Singkawang City. According to information from local farmers, citrus cultivation is experiencing problems, namely citrus plants are damaged with symptoms including yellowing leaves and black spots, and leaves becoming wrinkled and stunted. Deep Neural Network (DNN) is a machine learning method. The aim of the study was to apply and evaluate the results of the evaluation and analysis of the Siamese Orange Plant Disease Expert System Using DNN. This research is to facilitate farmers in determining pests and diseases in citrus plants in providing conclusions through training and data testing using the DNN method. The data used for the expert system with the DNN algorithm comes from citrus disease diagnosis data from the Setapok Village Plantation, Singkawang City. The highest accuracy value is 95%, while the lowest value is 77% and the average accuracy is 86%. This shows that the results of the expert system diagnosis on Siamese orange disease data with DNN are quite good.Key Words: Expert System, Citrus Disease, Deep Neural NetworkJeruk siam dibudidayakan oleh petani di Kalimantan Barat, salah satunya di perkebunan Desa Setapok, Kota Singkawang. Menurut informasi petani setempat budidaya tanaman jeruk mengalami kendala yaitu tanaman jeruk mengalami kerusakan dengan gejala di antaranya daun menguning dan terdapat bercak hitam, serta daun menjadi keriput dan kerdil. Deep Neural Network (DNN) merupakan metode machine learning. Tujuan penelitian untuk menerapkan dan mengevaluasi hasil evaluasi serta analisis Sistem Pakar Penyakit Tanaman Jeruk Siam Menggunakan DNN. Penelitian ini untuk memudahkan petani dalam menentukan hama dan penyakit pada tanaman Jeruk dalam memberikan kesimpulan melalui pelatihan dan pengujian data dengan menggunakan metode DNN. Data yang digunakan untuk sistem pakar dengan algoritma DNN ini berasal dari data diagnosis Penyakit Jeruk dari Perkebunan Desa Setapok, Kota Singkawang. Diperoleh nilai akurasi tertinggi yakni sebesar 95%, sedangkan nilai terendah sebesar 77% dan rata-rata akurasi adalah 86%. Hal ini menunjukan bahwa hasil diagnosis sistem pakar pada data penyakit jeruk siam dengan DNN cukup baik.Kata Kunci: Sistem Pakar, Penyekit Jeruk, Deep Neural Network
Co-Authors