Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pendampingan Pengelolaan Kebun Jatikerto Dalam Rangka Mempersiapkan Perubahan Musim Ninuk Herlina; Arifin Arifin; Didik Hariyono; Nur Edy Suminarti; Sisca Fajriani; Mushoffan Prasetianto
TRI DHARMA MANDIRI: Diseminasi dan Hilirisasi Riset kepada Masyarakat (Jurnal Pengabdian kepada Masyarakat) Vol 1, No 2 (2021)
Publisher : JTRIDHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (634.78 KB) | DOI: 10.21776/ub.jtridharma.2021.001.02.84

Abstract

Universitas Brawijaya memiliki dua Agrotecnopark (ATP), salah satunya adalah ATP Jatikerto. Kawasan ATP Jatikerto seluas sekitar 15 hektar tersebut difungsikan sebagai kebun percobaan dan pendidikan. Lokasi ATP yang berada di dataran rendah memungkinkan daerah tersebut terdampak oleh perubahan atau pergeseran musim akibat pemanasan global yang mempengaruhi produktivitas tanaman, sehingga hasil panen terkadang kurang memuaskan. Oleh sebab itu pengetahuan dan kegiatan antisipatif terhadap pergeseran musim perlu diketahui oleh pengelola kebun ATP Jatikerto. Tidak optimalnya tindakan antisipatif yang dilakukan menunjukkan kurangnya pemahaman tentang perubahan musim dan iklim. Untuk menanggapi kebutuhan pengelola kebun terhadap kurangnya informasi terkait perubahan iklim dan pergeseran musim, maka tim KJF Laboratorium Klimatologi FP UB melakukan pengabdian masyarakat di ATP Jatikerto. Pengabdian masyarakat dilakukan dengan memberikan penyuluhan dan pendampingan kegiatan budidaya tanaman di kebun untuk meningkatkan pengetahuan dan pemahaman pengelola kebun terkait tindakan untuk mengansipasi pergeseran musim. Dari penyuluhan dan pendampingan yang telah dilakukan dapat disimpulkan bahwa pengelolaan tanaman di kebun Jatikerto untuk mengantisipasi perubahan  musim sudah baik dan dilakukan secara intensif dengan penerapan aplikasi mulsa organik (jerami padi, batang jagung dan daun turi) serta pemberian pupuk organik (pupuk kandang sapi, pupuk kandang ayam dan pupuk kandang kambing).
Combination of Extreme Learning Machine and Binary Bat Algorithm for Customer Churn Prediction Arifin Arifin; Syaiful Anam; Marsudi Marsudi
CAUCHY: Jurnal Matematika Murni dan Aplikasi Vol 10, No 1 (2025): CAUCHY: JURNAL MATEMATIKA MURNI DAN APLIKASI
Publisher : Mathematics Department, Universitas Islam Negeri Maulana Malik Ibrahim Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/cauchy.v10i1.31815

Abstract

AbstractOne of the important assets in a company is customers. Customers determine the company's stability because they are source of income and determine the company's competitiveness. It shows the importance of predicting which customers have the potential to switch to another company. These predictions can be done using Machine Learning (ML). One of ML methods is the Extreme Learning Machine (ELM). The advantages of ELM compared to other methods are fast computing time, ease of use, and can reach a global optimum. However, ELM has weaknesses when solving problems with high-dimensional datasets, so feature selection is required. The Binary Bat Algorithm (BBA) is a swarm intelligence method that can be used to optimize ELM performance. The advantages of BBA compared to other are few parameters and much better in effectiveness or accuracy. This research was carried out with preprocessing data, training data and testing data. The research results showed that ELM-BBA is better than ELM and ELM-Binary Particle Swarm Optimization (BPSO) in evaluation metric values. However, ELM-BBA tended to be slower than ELM-BPSO. The best results on evaluation metrics achieved by ELM-BBA were 0.97, 0.97, 0.96, and 0.97 in accuracy, precision, recall, and F1 score, respectively.