Garuda - Garba Rujukan Digital

K-Nearest Neighbor for Classification of Tomato Maturity Level Based on Hue, Saturation, and Value Colors Suwanto Sanjaya; Morina Lisa Pura; Siska Kurnia Gusti; Febi Yanto; Fadhilah Syafria
Indonesian Journal of Artificial Intelligence and Data Mining Vol 2, No 2 (2019): September 2019
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

The selection of tomatoes can use several indicators. One of the indicators is the fruit color. In digital image processing, one of the color information that could be used in Hue, Saturation, and Value (HSV). In this research, HSV is proposed as a color model feature for information on the ripeness of tomatoes. The total data of tomato images used in this research were 400 images from four sides. The maturity level of tomatoes uses five levels, namely green, turning, pink, light red, and red. The process of divide data uses K-Fold Cross Validation with ten folds. The method used for classification is k-Nearest Neighbor (kNN). The scenario of the test performed is to combine the image size with the parameter value of the neighbor (k). The image sizes tested are 100x100 pixels, 300x300 pixels, 600x600 pixels and 1000x1000 pixels. The “k” values tested were 1, 3, 5, 7, 9, 11, and 13. The highest accuracy reached 92.5% in the image size 1000x1000 pixels with a parameter “k” is 3. The result of the experiment showed that the image size has a significant influence of accuracy, but the parameter value of neighbor (k) has an influence that is not too significant.

Critical Success Factor (CSF) for Palm Plantation Land Suitability Oil Using PCA RAHMAD ABDILLAH; SISKA KURNIA GUSTI
Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2018: SNTIKI 10
Publisher : UIN Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (586.896 KB)

The importance of determining the suitability of the soil and climate will have an effect on the oil palm plant and the quality that will be produced. This study took a case study in Pelalawan district, Riau province, because Pelalawan District itself had more than 380 hectares of oil palm plantation area with 42 private companies managing it. The PCA (Principal Component Analysis) method is used to process 8 criteria consisting of temperature, rainfall, irradiation, humidity, C-Organic, pH H2O, into the soil and Slope. The data source used came from the agency that manages the land and climate of the Pelalawan districtof Riau Province. Existing data is processed and analyzed for these 8 criteria to produce determinants of success. Based on the results of research that has been done, the order of the determinants of success of oil palm planting is soil depth, rainfall, C-Organic, pH H2O, slope, irradiation, humidity and temperature.therefore, recommendations from this study will be further developed to the classification of land and climate suitability for oil palm plants.

Klasifikasi Berita Menggunakan Metode Support Vector Machine Robbi Nanda; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4193

Abstrak - Berita adalah sebuah informasi mengenai peristiwa yang terjadi di suatu lokasi yang bisa disajikan dalam bentuk teks maupun visual. Berita bisa ditemukan di berbagai portal berita dan media cetak. Umumnya setiap berita dikelompokan berdasarkan kategori umum seperti ekonomi, politik, olahraga, dll. Permasalahan yang muncul adalah bagaimana cara untuk melakukan pengelompokan pada data berita yang biasanya berjumlah hingga ribuan karakter kedalam kategori yang lebih spesifik. Permasalah ini dapat diselesaikan dengan cara menerapkan text mining dengan memanfatakan algoritma klasifikasi untuk mendapatkan sebuah model fungsi yang merepresentasikan tiap kategori berita. Salah satu algoritma klasifikasi yang cukup tangguh untuk melakukan proses klasifikasi teks adalah Support Vector Machine. Penelitian ini menggunakan 510 data berita dengan batasan klasifikasi 3 kategori berita. Algoritma SVM mendapatkan hasil akurasi tertinggi di 88% untuk nilai parameter C =1, kernel Linear dengan pembagian data uji dan data latih sebesar 90% dan 10 %.Kata kunci : Berita, Klasifikasi, Support Vector Machine, Text Mining Abstract - News is information about events that occur in a location that can be presented in text or visual form. News can be found on various news portals and print media.Generally each news is grouped by general categories such as economics, politics, sports, etc. The problem is how to group news data into more specific categories.This problem can be solved by applying text mining using the classification algorithm to obtain a function model that represents each news category. One of the classification algorithms that is strong enough to do the text classification process is the Support Vector Machine. This study uses 510 news sample with a classification limit of 3 news categories. The SVM algorithm gets the highest accuracy at 88% for the parameter value C = 1, and Linear kernel with the distribution of test data and training data is 90% and 10%.Keywords : Classification, News, Support Vector Machine, Text Mining

Klasifikasi Berita Menggunakan Algoritma C4.5 Yayuk Wulandari; Elin Haerani; Siska Kurnia Gusti; Siti Ramadhani
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 2 (2022): April 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i2.4194

Abstrak - Perkembangan zaman mengalami kemajuan yang sangat pesat, saat ini penyebaran berita yang paling populer adalah melalui internet. Berita yang disajikan di situs berita online biasanya hanya dalam kategori umum, sehingga ketika pembaca ingin mendapatkan kategori berita yang lebih spesifik harus dilakukan secara manual yang tentunya menjadi kegiatan yang cukup merepotkan. Hal ini juga dialami oleh Badan Pusat Statistik Provinsi Riau yang kesulitan dalam mencari dan mengklasifikasikan berita tentang Provinsi Riau. Dalam hal ini penerapan klasifikasi otomatis dirasa sangat diperlukan. Penelitian ini menggunakan metode klasifikasi C4.5 dengan 510 data berita yang akan diklasifikasikan menjadi 3 kategori yaitu demokrasi, kemiskinan dan ketenagakerjaan. Proses klasifikasi berita dalam penelitian ini meliputi: pengumpulan data, pelabelan manual, teks preprocessing, pembobotan kata, dan metode klasifikasi C4.5. Berdasarkan penelitian yang dilakukan, hasil uji akurasi adalah 84% dengan menggunakan pembagian data 90%:10%. Dapat disimpulkan bahwa metode C4.5 cocok digunakan dalam klasifikasi berita.Kata kunci: Badan Pusat Statistik, Berita, C4.5, Klasifikasi. Abstract - The development of the times has progressed very rapidly, currently the most popular spread of news is through the internet. The news presented on online news sites is usually only in general categories, so when readers want to get a more specific category of news, it must be done manually, which of course will be a bit of a hassle. This is also experienced by the social sector of the Badan Pusat Statistik of Riau, which has difficulty finding and classifying news about Riau Province. In this case the application of automatic classification is felt to be very necessary. This study uses the C4.5 classification method with 510 news data which will be classified into 3 categories, namely democracy, poverty and employment. The news classification process in this study includes: data collection, manual labeling, preprocessing text, word weighting, and C4.5 classification method. Based on the research conducted, the results of the accuracy test were 84% using 90%:10% data sharing. It can be concluded that the C4.5 method is suitable for use in news classification.Keywords : Badan Pusat Statistik, C4.5, Classification, News.

Komparasi Metode SAW Dan ANP Dalam Merekomendasikan Penerima Bantuan Covid-19 Muhammad Khairy Dzaky; Eka Pandu Cynthia; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4415

Abstrak - Pada masa sekarang ini, dunia dihebohkan dengan munculnya serangan virus yang disebut dengan Covid-19. Penyebaran virus ini sangatlah cepat sehingga membuat masyarakat menjadi khawatir dan gelisah. Untuk mengurangi penyebaran virus ini, pemerintah pusat menghimbau seluruh masyarakat untuk melaksanakan Pembatasan Sosial Berskala Besar (PSBB), karantina wilayah dan lockdown. Dengan diterapkannya himbauan ini mengakibatkan perekonomian masyarakat menjadi tidak stabil bahkan mengalami penurunan. Hal ini berdampak ke seluruh daerah di Indonesia termasuk salah satunya di Desa Pesisir. Untuk mengurangi dampak sosial ekonomi pandemi Covid-19 di desa Pesisir, pemerintah memberikan bantuan kepada masyarakat berupa bantuan langsung tunai desa dan bahan sembako. Meskipun begitu, bantuan yang diberikan masih belum disalurkan secara optimal, karena masih menggunakan distribusi berdasarkan subjektifitas pegawai kelurahan. Sehingga, konflik antar warga tidak dapat dihindari. Penelitian ini dilakukan untuk mengetahui siapa saja yang berhak untuk menerima bantuan Covid-19 di desa Pesisir yang ditentukan berdasarkan kategori dan kriteria yang telah ditetapkan. Penelitian ini menerapkan metode Simple Additive Weighting (SAW) dan metode Analytical Network Process (ANP) untuk menghasilkan rekomendasi mengenai siapa saja yang berhak menerima bantuan Covid-19 di desa Pesisir.Kata Kunci: Analytical Network Process (ANP), Covid-19, Desa Pesisir, Simple Additive Weighting (SAW), Abstract - At this time, the world was shocked by the emergence of a virus attack called Covid-19. The spread of this virus is so fast that it makes people become worried and anxious. To reduce the spread of this virus, the central government urges the entire community to implement Large-Scale Social Restrictions (PSBB), regional quarantine and lockdown. With the implementation of this appeal, the community's economy became unstable and even experienced a decline. This has an impact on all regions in Indonesia, including one in the Coastal Village. To reduce the socio-economic impact of the Covid- 19 pandemic in Pesisir villages, the government provided assistance to the community in the form of direct village cash assistance in the form of basic necessities. Even so, the assistance provided is still not optimally distributed, because it is still using a distribution based on the subjectivity of kelurahan employees. Thus, conflicts between citizens cannot be avoided. This research was conducted to find out who is entitled to receive Covid-19 assistance in the Pesisir village which is determined based on the categories and criteria that have been set. This study applies the Simple Additive Weighting (SAW) method and the Analytical Network Process (ANP) method to produce recommendations regarding who is entitled to receive Covid-19 assistance in the Pesisir village.Keywords: Analytical Network Process (ANP), Covid-19, Pesisir village, Simple Additive Weighting (SAW),

PREDIKSI DATA INDEKS HARGA KONSUMEN PROVINSI RIAU BERBASIS TIME SERIES DENGAN METODE DOUBLE EXPONENTIAL SMOOTHING Dina Septiawati; Siska Kurnia Gusti; Fadhilah Syafria; Yusra Yusra; Eka Pandu Cynthia
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3209

Indeks Harga Konsumen merupakan indeks yang menghitung rata-rata perubahan harga barang dan jasa. Penelitian ini menggunakan data Indeks Harga Konsumen Provinsi Riau bulan Januari tahun 1999 sampai dengan bulan Desember tahun 2021 yang bersumber dari website resmi Badan Pusat Statistik Provinsi Riau. Penelitian ini bertujuan untuk memberikan gambaran tentang perkembangan indeks harga konsumen apakah mengalami kenaikan atau penurunan sehingga dapat dijadikan sebagai bahan evaluasi kebijakan yang akan diambil oleh pihak pemerintah, swasta, maupun pemegang otoritas moneter. Tahapan untuk prediksi dengan menggunakan metode double exponential smoothing yaitu menghitung nilai pemulusan tunggal (single smoothing), menghitung pemulusan ganda (double smoothing), menghitung nilai konstanta pemulusan, menghitung nilai kofisien trend, dan melalukan prediksi. Untuk melakukan pengujian prediksi maka dilakukan dengan cara perhitungan mean absolute percentage error. Berdasarkan perhitungan yang telah dilakukan, diperoleh hasil prediksi nilai indeks harga konsumen sebesar 105,17 dengan alpha 0,6 bernilai 3,132646%. Dapat disimpulkan bahwa metode double exponential smoothing mempunyai kemampuan yang baik dalam prediksi nilai indeks harga konsumen.

DESAIN ARSITEKTUR DATA WAREHOUSE PADA DATA TRANSAKSI PENJUALAN ROTTE BAKERY Devi Julisca Sari; Siska Kurnia Gusti; Alwis Nazir; Elin Haerani; Fadhilah Syafria
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 5 No 2 (2022)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v5i2.605

The increasingly fierce competition between competitors requires companies to be able to compete and maintain their existence in order to continue to grow, for that utilizing information technology such as data warehouses will play a large enough role, because optimal data processing will produce quality information in supporting companies to take appropriate policies. as well as increasing the productivity and effectiveness of the company's performance. The application of the data warehouse can be started by making an architectural design that will be made, for that the researcher aims to provide recommendations for the design of the data warehouse architecture on the sales transaction data of Rotte Bakery by applying the Nine Steps Kimball method. The final result of this research is the application of the Nine Steps Kimball method and the integration of transaction data through the ETL process (extract, transform, load) successfully produces data stored in the data warehouse only the data that is needed and has been uninformed, so that data processing only takes a long time. shorter time in supporting appropriate policy making and achieving business strategies in order to be able to keep pace with the business competition

Penerapan Metode K-Means Clustering untuk Pemetaan Pengelompokan Lahan Produksi Tandan Buah Segar Abdussalam Al Masykur; Siska Kurnia Gusti; Suwanto Sanjaya; Febi Yanto; Fadhilah Syafria
Jurnal Informatika Vol 10, No 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i1.15621

Di Perkebunan Sei Lukut, Desa Maredan Barat, Kecamatan Tualang, Kabupaten Siak, Provinsi Riau, PT. Surya Intisari Raya, sebuah perusahaan swasta, mengelola perkebunan kelapa sawit. Memiliki 4 bagian lahan kelapa sawit yang terdiri dari 216 blok dengan total sekitar 4.000 Ha. Blok kelapa sawit biasanya mencakup 20 hektar dan berisi 28.000 pohon kelapa sawit, dengan kapasitas produksi bulanan sebesar 57 ton. Pemetaan klaster produksi tandan buah segar berupaya membantu pelaku usaha memutuskan kebijakan apa yang akan diterapkan untuk meningkatkan akurasi dan produktivitas produksi minyak sawit. Metode K-Means merupakan komponen dari metode clustering, yang merupakan subset dari kelompok Unsupervised Learning dan digunakan untuk mempartisi data ke dalam berbagai kategori. Untuk mengelompokkan blok lahan berdasarkan delapan data variabel luas pokok, panjang panen, daun lepas, curah hujan, pupuk, tujuan, dan persentase keberhasilan, penelitian ini akan menerapkan Indeks Davies Bouldin dengan alat RapidMiner. Kesimpulan akhir dari penelitian ini adalah sebuah aplikasi yang dapat memetakan pengelompokan areal produksi tandan buah segar dengan menerapkan metode K-Means Clustering, dengan nilai Davies Bouldin Index terkecil sebesar 0,921 pada jumlah cluster 3 yang termasuk Cluster C1 (Produktivitas Sedang). Terdiri dari 96 blok tanah, Cluster C2 (Produktivitas Rendah) terdiri dari 41 blok tanah, dan Cluster C3 (Produktivitas Tinggi) terdiri dari 79 blok tanah.In Sei Lukut Estate, West Maredan Village, Tualang District, Siak District, Riau Province, PT. Surya Intisari Raya, a private business, administers oil palm plantations. It has 4 sections of oil palm land made up of 216 blocks totaling about 4,000 Ha. Blocks of oil palm typically cover 20 hectares and contain 28,000 palm trees, with a monthly output capacity of 57 tons. The mapping of the production clusters for fresh fruit bunches seeks to help the business decide what policies to implement to increase the accuracy and productivity of palm oil production. The K-Means method is a component of the clustering method, which is a subset of the Unsupervised Learning group and is used to partition data into various categories. In order to group land blocks based on the eight variable data areas of total principal, harvest length, loose leaf, rainfall, fertilizer, goal, and percentage of success, this study will apply the Davies Bouldin Index with RapidMiner tools. The final conclusion of this research is an application that can map the grouping of fresh fruit bunch production areas by applying the K-Means Clustering method, with the smallest Davies Bouldin Index value of 0.921 in the number of clusters 3 including Cluster C1 (Medium Productivity) consisting of 96 blocks land, Cluster C2 (Low Productivity) consists of 41 land blocks, and Cluster C3 (High Productivity) consists of 79 land blocks.

Penerapan Triple Exponential Smoothing dan Arima dalam Memprediksi Produksi Crude Palm Oil Anggi Vasella; Siska Kurnia Gusti; Lestari Handayani; Siti Ramadhani
Jurnal Informatika Universitas Pamulang Vol 8, No 2 (2023): JURNAL INFORMATIKA UNIVERSITAS PAMULANG
Publisher : Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/informatika.v8i2.30979

Dalam bidang perkebunan sawit, PT.XYZ yang terletak di Provinsi Riau merupakan perusahaan yang menghasilkan salah satunya Crude Palm Oil (CPO). Diketahui bahwa dari 10 tahun terakhir produksi, harga jual yang cenderung tidak stabil berakibat terjadinya penimbunan stok. Maka dari itu, dilakukan peramalan jumlah produksi yang tepat agar masalah penimbunan stok dapat diatasi, sehingga penelitian ini bertujuan untuk melakukan prakiraan stok produksi CPO menggunakan perbandingan dua algoritma yaitu Triple Exponential Smoothing dan ARIMA. Peramalan melibatkan pengambilan data historis serta memprediksikannya untuk periode selanjutnya. Setelah dilakukan proses peramalan maka dilakukan pengujian tingkat kesalahan dalam peramalan memakai metode Mean Absolute Percatage Error (MAPE) untuk menunjukkan kisaran nilai kesalahan dalam perhitungan peramalan berdasarkan kesalahan terkecil. Output setelah dilakukan pengujian dengan metode TES mendapatkan tolak ukur αlpha=0,5, βeta=0,004, dan gamma γ=1,0 tingkat kesalahan diperoleh dengan menggunakan akurasi MAPE 10,1% dan 1,4% untuk model ARIMA. Pada output metode TES mendapatkan kategori MAPE dengan kemampuan peramalan baik dan sedangkan output metode ARIMA termasuk dalam kategori MAPE dengan kemampuan peramalan sangat baik sesuai penilaian rentang MAPE. Peran penelitian ini dibutuhkan agar memberikan informasi kepada perusahaan terkait sebagai referensi tambahan dalam peramalan produksi CPO. Hasil kajian metode terbaik yang dilakukan mendapatkan kesimpulan bahwa metode ARIMA dengan perhitungan kesalahan terkecil dari nilai MAPE.

Komparasi Metode SAW Dan ANP Dalam Merekomendasikan Penerima Bantuan Covid-19 Muhammad Khairy Dzaky; Eka Pandu Cynthia; Siska Kurnia Gusti
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 3 (2022): Juni 2022
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i3.4415

Abstrak - Pada masa sekarang ini, dunia dihebohkan dengan munculnya serangan virus yang disebut dengan Covid-19. Penyebaran virus ini sangatlah cepat sehingga membuat masyarakat menjadi khawatir dan gelisah. Untuk mengurangi penyebaran virus ini, pemerintah pusat menghimbau seluruh masyarakat untuk melaksanakan Pembatasan Sosial Berskala Besar (PSBB), karantina wilayah dan lockdown. Dengan diterapkannya himbauan ini mengakibatkan perekonomian masyarakat menjadi tidak stabil bahkan mengalami penurunan. Hal ini berdampak ke seluruh daerah di Indonesia termasuk salah satunya di Desa Pesisir. Untuk mengurangi dampak sosial ekonomi pandemi Covid-19 di desa Pesisir, pemerintah memberikan bantuan kepada masyarakat berupa bantuan langsung tunai desa dan bahan sembako. Meskipun begitu, bantuan yang diberikan masih belum disalurkan secara optimal, karena masih menggunakan distribusi berdasarkan subjektifitas pegawai kelurahan. Sehingga, konflik antar warga tidak dapat dihindari. Penelitian ini dilakukan untuk mengetahui siapa saja yang berhak untuk menerima bantuan Covid-19 di desa Pesisir yang ditentukan berdasarkan kategori dan kriteria yang telah ditetapkan. Penelitian ini menerapkan metode Simple Additive Weighting (SAW) dan metode Analytical Network Process (ANP) untuk menghasilkan rekomendasi mengenai siapa saja yang berhak menerima bantuan Covid-19 di desa Pesisir.Kata Kunci: Analytical Network Process (ANP), Covid-19, Desa Pesisir, Simple Additive Weighting (SAW), Abstract - At this time, the world was shocked by the emergence of a virus attack called Covid-19. The spread of this virus is so fast that it makes people become worried and anxious. To reduce the spread of this virus, the central government urges the entire community to implement Large-Scale Social Restrictions (PSBB), regional quarantine and lockdown. With the implementation of this appeal, the community's economy became unstable and even experienced a decline. This has an impact on all regions in Indonesia, including one in the Coastal Village. To reduce the socio-economic impact of the Covid- 19 pandemic in Pesisir villages, the government provided assistance to the community in the form of direct village cash assistance in the form of basic necessities. Even so, the assistance provided is still not optimally distributed, because it is still using a distribution based on the subjectivity of kelurahan employees. Thus, conflicts between citizens cannot be avoided. This research was conducted to find out who is entitled to receive Covid-19 assistance in the Pesisir village which is determined based on the categories and criteria that have been set. This study applies the Simple Additive Weighting (SAW) method and the Analytical Network Process (ANP) method to produce recommendations regarding who is entitled to receive Covid-19 assistance in the Pesisir village.Keywords: Analytical Network Process (ANP), Covid-19, Pesisir village, Simple Additive Weighting (SAW),

Title

Found 12 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 12 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 12 Documents
Search