Articles
<![CDATA[Pemberdayaan Masyarakat dalam Rehabilitasi Hutan dan Lahan Kritis Di Wilayah Sekaroh Lombok Timur: Belajar dari Pengalaman Masyarakat ]]>
<![CDATA[Suwardji Suwardji]]>;
<![CDATA[Sri Tejowulan]]>;
<![CDATA[Agil Al Idrus]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Ahmad Raksun]]>;
<![CDATA[Parman Parman]]>
<![CDATA[ Jurnal Pengabdian Magister Pendidikan IPA Vol 4 No 4 (2021) ]]>
Publisher : <![CDATA[Universitas Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (322.741 KB)
|
DOI: 10.29303/jpmpi.v4i4.950
<![CDATA[Kerusakan hutan dan lahan di wilayah Sekaroh dan Pemongkong Lombok Timur telah mencapai tingkatan yang sangat parah. Sejak tahun 1990 an pemerintah telah melakukan berbagai upaya untuk penghijauan dan rehabilitasi hutan dan lahan di wilayah ini secara massif, namun data menunjukkan bahwa tingkat keberhasilannya masih rendah atau jauh dari harapan. Tulisan yang disampaikan dalam paper ini adalah kajian partisipatif selama dua tahun (2002-2004) yang masih sangat relevan dengan masifnya kerusakan hutan dan lahan yang terjadi di Provinsi NTB dengan tujuan sebagai bahan pembelajaran dalam upaya meningkatkan keberhasilan rehabilitasi hutan dan lahan di wilayah Sekaroh dan Pemongkong. Metode yang digunakan dalam kajian ini adalah PRA (Participatory Rapid Appraisal) yang melibatkan para pemangku kepentingan yang terlibat dalam upaya rehabilitasi hutan dan lahan. Hasil kajian partisipatif selama 2 tahun mampu mendorong untuk dapat mengatasi permasalahan degradasi hutan dan lahan di Desa Sekaroh dan Pemongkong dengan mengemas paradigma pembangunan yang bersendikan potensi lokal baik sumberdaya alam maupun sumberdaya manusia dengan menekankan pada pembelajaran masyarakat (action learning) dan pemberdayaan masyarakat sebagai modal pembangunan. Paradigma modal sosial yang dibangun melalui pembelajaran nyata adalah modal sosial yang bersendikan ‘kebersamaan” yaitu dengan mencoba melihat peran-peran positif dari institusi-institusi sosial untuk diperankan dalam proses pembelajaran dalam pengelolaan hutan dan lahan di Desa Sekaroh dan Pemongkong. Proses action learning yang telah dilakukan telah berhasil mendorong terjadinya sebuah kolaborasi antar institusi seperti institusi keagamaan, adat, pemerintah setempat dan Pokja Hutan dan Lahan Kritis sebagai fasilitator dalam penyusunan rencana pengelolaan hutan dan lahan kritis untuk jangka pendek, menengah, dan jangka panjang]]>
<![CDATA[Pengembangan Potensi Wisata Pantai Lungkak untuk Meningkatkan Kunjungan Wisatawan melalui Media Promosi di Desa Ketapang Raya, Kecamatan Keruak, Lombok Timur ]]>
<![CDATA[Nurul Hatika]]>;
<![CDATA[Didan Arya Ramadhan]]>;
<![CDATA[Ghinayatul Amjad]]>;
<![CDATA[Masita]]>;
<![CDATA[Sofyan Hidayat]]>;
<![CDATA[Muhammad Danial Ali Yafi]]>;
<![CDATA[Baiq Serena Diva Sabatini]]>;
<![CDATA[Fisha Shalsabila]]>;
<![CDATA[Nina Nurraudatul Jannah]]>;
<![CDATA[Miftahul Khairat]]>;
<![CDATA[Nanang Riadi]]>;
<![CDATA[Zoul Fakar]]>;
<![CDATA[Abdul Syukur]]>
<![CDATA[ Jurnal Pengabdian Magister Pendidikan IPA Vol 5 No 1 (2022): Januari - Maret ]]>
Publisher : <![CDATA[Universitas Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (933.799 KB)
|
DOI: 10.29303/jpmpi.v5i1.1434
<![CDATA[Desa Ketapang raya memiliki potensi wisata yang dapat dimanfaatkan untuk membantu perekonomian masyarakat. Salah satunya pantai yang dapat dikembangkan sebagai daerah wisata. Penelitian pengabdian ini bertujuan untuk mengembangkan potensi wisata pantai Lungkak melalui media sosial. Metode yang digunakan adalah direct problem solving (penyelesaian masalah secara langsung). Pelaksanaan kegiatan Kuliah Kerja Nyata Era New Normal dengan tema pariwisata dan lingkungan dilaksanakan sejak 27 Desember 2021 – 10 Februari 2022 dan berlokasi di Desa Ketapang Raya, Kecamatan Keruak, Kabupaten Lombok Timur. Hasil kegiatan yang dilakukan berupa pengembangan pantai menjadi daerah wisata yang layak dikunjungi. Pengembangan yang dilakukan berupa pembuatan spot foto, membersihkan sampah di sekitar pantai Lungkak, dan pembuatan media sosial sebagai promosi. Kegiatan tersebut membutuhkan waktu kurang lebih selama tiga minggu. Pembuatan spot foto menjadi ciri khas pantai Lungkak dan dapat menarik bannyak wisatawan untuk berkunjung. Digital marketing dilakukan untuk mempromosikan desa pantai Lungkak melalui media sosial instagram agar diketahui oleh masyarakat. Kegiatan ini diharapkan dapat menjadikan pantai Lungkak sebagai daerah wisata yang banyak dikunjungi. Selain itu, dapat membantu perekonomian masyarakat di sekitar pesisir pantai Lungkak.]]>
<![CDATA[Optimalisasi Lingkungan untuk Mendukung Potensi Pengembangan Wisata Pantai di Desa Ketapang Raya Kecamatan Keruak, Lombok Timur. ]]>
<![CDATA[Zoul Fakar]]>;
<![CDATA[Sofyan Hidayat]]>;
<![CDATA[Nurul Hatika]]>;
<![CDATA[Didan Arya Ramadhan]]>;
<![CDATA[Fisha Shalsabila]]>;
<![CDATA[Miftahul Khairat]]>;
<![CDATA[Nina Nurraudatul Jannah]]>;
<![CDATA[Ghinayatul Amjad]]>;
<![CDATA[Muhammad Danial Ali Yafi]]>;
<![CDATA[Masita]]>;
<![CDATA[Baiq Serena Diva sabatani]]>;
<![CDATA[Nanang Riadi]]>;
<![CDATA[Abdul Syukur]]>
<![CDATA[ Jurnal Pengabdian Magister Pendidikan IPA Vol 5 No 1 (2022): Januari - Maret ]]>
Publisher : <![CDATA[Universitas Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (488.236 KB)
|
DOI: 10.29303/jpmpi.v5i1.1442
<![CDATA[Potensi desa yang ada di Desa Ketapang Raya cukup besar, salah satunya adalah destinasi wisata pantai Lungkak yang mulai mendapat perhatian dari para wisatawan yang banyak datang berkunjung, akan tetapi kurangnya kesadaran dan perhatian masyarakat akan kebersihan lingkungan sekitar dan juga penghijauan di area wisata pantai tersebut menjadi kendala dalam perkembangan destinasi wisata pantai di desa ini. ujuan dilakukan kegiatan ini adalah untuk membersihkan lingkungan sekitar dan perbaikan lingkungan guna melestarikan tempat wisata di pantai Lungkak Desa Ketapang Raya serta membangun kesadaran masyarakat akan pentingnya menjaga kebersihan lingkungan. Kegiatan pembersihan pantai ini berfokus disekitaran taman lungkak hingga pesisir pantai. Kegiatan ini dilaksanakan dengan melibatkan mahasiswa KKN dan masyarakat setempat serta mitra kerja seperti karang taruna dan pokdarwis. Kegiatan penanaman dilaksanakan pada minggu pertama di sekitar pesisir pantai, jenis yang ditanam merupakan jenis tanaman lokal setempat. Bibit diperoleh dari pihak BPDASL Pringgabaya. Luas areal tanam ± 10 are. Kegiatan penanaman melibatkan mahasiswa KKN dan masyarakat setempat. Hasil dari kegiatan menunjukkan bahwa masyarakat di area pantai maupun pengunjung masih memiliki kesadaran yang minim terkait pentingnya menjaga kebersihan lingkungan dan juga kurangnya dukungan pembuangan sampah dari pihak desa membuat mereka terkadang membuang sampah di laut atau membakarnya, namun masyarakat terlihat antusias saat adanya kegiatan penghijauan yaitu penanaman pohon.]]>
<![CDATA[PENENTUAN JURUSAN SISWA SEKOLAH MENENGAH ATAS DISESUAIKAN DENGAN MINAT SISWA MENGGUNAKAN ALGORITMA FUZZY C-MEANS ]]>
<![CDATA[Altanova Reza]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Moch Arief Soeleman]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 13 No 1 (2017): Jurnal Teknologi Informasi CyberKU Vol. 13, no 1 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (166.147 KB)
<![CDATA[Majors are held no valid high school in Indonesia is conducted when students are still in grade X. This includes the areas of interest Majors Natural Sciences, Social Sciences, and science of language. Majors will depend on the capability of student achievement in the areas of interest / courses available and in accordance with the conditions at the school. If it is not possible then the only department of particular interest are provided in school. The results of tests that tested students' interest through psychological tests aimed to help the school and the students themselves so that later, the lessons will be given to students become more focused as it has in accordance with the capability in the field of interest. Fuzzy C-Means algorithm is an algorithm that is easy and is often used in the technique of grouping the data as it makes an estimate efficient and does not require a lot of parameters. Several studies have concluded that the Fuzzy C-Means algorithm can be used to classify data based on certain attributes. In this study will be used Fuzzy C-Means algorithm to classify the student data High School (SMA) based on the value of the core subjects for the majors that are appropriated to the interests test results. The study also examined the level of accuracy of Fuzzy C-Means algorithm in determining the majors in high school. Application of Fuzzy C-Means algorithm in determining the majors in the 278 high school students were tested in this study, indicating that the FCM algorithm has a good degree of accuracy (in an average of 82.01%) by including interest test scores compared with the manual method based on the selection of individual students only 63.67%.]]>
<![CDATA[PEMISAHAN VOICE DAN UNVOICE MENGGUNAKAN TEKNIK OVERLAPING BLOCK, ZERO CROSSING RATE, DAN SHORT TIME ENERGY DALAM PENGENALAN SUARA ]]>
<![CDATA[Ade Yusupa]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Ricardus Anggi Pramunendar]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 12 No 2 (2016): Jurnal Teknologi Informasi CyberKU Vol. 12, no 2 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (501.69 KB)
<![CDATA[Dalam proses speech recognition, speech syntesis dan speech enhancement, signal suara yang diinputkan tidak dapat langsung dikenali atau diindentifikasi sebagai gelombang signal voice atau unvoice. Proses analisis ucapan dalam menetapkan voice dan unvoice biasanya dilakukan dengan ekstrasi dari speech signal atau signal suara. Dalam penelitian ini, kami melakukan dan membandingkan 3 akurasi metode yakni: penentuan manual dengan software Adobe Audition dibandingkan pada tool matlab dengan metode separation of voice and unvoice using non overlapping block, zero-crossing rate and energy of a speech signal, dan juga membandingkan dengan metode peneliti yaitu penggabungan teknik overlapping blocks, zero crossing rate dan short time energy dalam menentukan voice dan unvoice untuk memisahkan bagian unvoice dan voice ucapan dari sinyal suara. Dengan ada perbedaan pada overlapping block dan non-overlapping block. Kami mengevaluasi hasil dari semua metode tersebut bahwa teknik yang digunakan peneliti dengan overlapping blocks, zero crossing rate dan short time energy terbukti lebih efektif dalam pemisahan voice dan unvoice.]]>
<![CDATA[PREDIKSI KECEPATAN ANGIN MENGGUNAKAN MODEL ARTIFICIAL NEURAL NETWORK BERBASIS ADABOOST ]]>
<![CDATA[Abdul Syukur]]>;
<![CDATA[Catur Supriyanto]]>;
<![CDATA[Akhmad Khanif Zyen]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 12 No 1 (2016): Jurnal Teknologi Informasi CyberKU Vol. 12, no 1 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (172.759 KB)
<![CDATA[Prediction is an attempt to predict the future by examining the past. This prediction consists of the bias estimation of the magnitude of future several variables, such as sales, on the basis of knowledge of the past, present, and experience. Adaboost is one of the optimization algorithm which can improve the accuracy of a predictive value. Previous research examines the exchange rate prediction of wind speed using back propagation Artificial Neural Network algorithm. The purpose of this study is intended to improve the accuracy of prediction of wind speed previously predicted using Artificial Neural Network Backpropagation algorithm then improved the prediction accuracy using adaboost algorithm during the process of training and added back propagation Artificial Neural Network algorithm in the learning process.The results showed that the prediction accuracy of the wind speed values previously predicted using Artificial Neural Network back propagation algorithm with an accuracy of prediction error at sample time per 10 minute predictions of 0.31576596 managed to reduce the value of the accuracy of the prediction error using adaboost algorithm during training and coupled Artificial Neural Network algorithm Backpropagation learning process with an accuracy of prediction error amounting to 0.15945762.]]>
<![CDATA[PENENTUAN TINGKAT KESEJAHTERAAN ANAK MENGGUNAKAN ALGORITMA C 4.5 ]]>
<![CDATA[Yuli Murdianingsih]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Moch Arief Soeleman]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 12 No 1 (2016): Jurnal Teknologi Informasi CyberKU Vol. 12, no 1 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (246.849 KB)
<![CDATA[Realization of child welfare is a right of every child and is the responsibility of all. Today the program services are sporadic, discontinue and responsiveness is a result of not optimal data management with social welfare problems is very large. Need a model system that can help make decisions quickly, precisely and accurately. In this research the basic needs of children based on four parameters: physical, intellectual, emotional, social and spiritual. C4.5 algorithm implementated in the m system’s model of children's basic needs level is done by calculating the entropy and the gain of the parameters of physical, intellectual, emotional and spiritual social iteratively in order to obtain a decision tree and rules used to model. Data analisys base on 149 datas as the training data and the testing data is 37. The accuracy of the model to look at the performance of the system using confusion matrix. Systems decision trees obtained the degree of basic needs of children, from the decision tree obtained seven rules that are used in view, values of accuracy obtained 94,59 % . C 4.5 algorithm can be used for classification of the level of a child's basic needs are met and not met.]]>
<![CDATA[PREDIKSI RENTET WAKTU JUMLAH PENUMPANG BANDARA MENGGUNAKAN ALGORITMA NEURAL NETWORK BERBASIS GENETIC ALGORITHM ]]>
<![CDATA[Mohamad Ilyas Abas]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Moch Arief Soeleman]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 13 No 2 (2017): Jurnal Teknologi Informasi CyberKU Vol. 13, no 2 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (826.212 KB)
<![CDATA[Prediksi terhadap jumlah penumpang dilakukan guna memberikan informasi kepada manajamen bandar udara Djalaluddin Gorontalo. Informasi yang diberikan dapat dijadikan sebagai bahan pertimbangan dalam melakukan pengelolaan dari segi infrastrukur sarana dan prasarana dari pihak bandara. Hasil prediksi terhadap jumlah penumpang tahun mendatang akan memberikan informasi kepada pihak bandara agar dapat meningkatkan pelayanan yang lebih maksimal terhadap penumpang. Untuk itu, perlu adanya prediksi terhadap pertumbuhan jumlah penumpang salah satunya yaitu dengan penerapan salah satu algoritma dalam data mining. Penerapan algoritma Neural Network menjadi salah satu algoritma yang dapat digunakan untuk melakukan prediksi. Serta penerapan Neural Network Backpropagation sebagai proses pelatihan untuk data time series. Penambahan Algoritma Genetika untuk melakukan optimasi dapat memperkecil nilai Root Mean Squared Error (RMSE). RMSE terkecil akan menambah keakuratan dalam melakukan prediksi. Nilai RMSE yang didapat pada penelitian ini yaitu 0.092. Dengan parameter Neural Network Hidden Layer: 10, Training Cycles, 22, Learning Rate: 0.10982546098949762 dan Momentum: 0.1 serta parameter optimasi Max Generations: 50, Population Size: 50, Mutation Type: Gaussian_mutation, Selection Type: Roulette Wheel, dan Crossover Probability: 0.9. Kombinasi NN+GA ini terbukti menghasilkan RMSE terkecil untuk sehingga dapat digunakan untuk melakukan prediksi terhadap jumlah penumpang bandara di Gorontalo.]]>
<![CDATA[OPTIMASI PREDIKSI TINGKAT PRODUKSI BAWANG MERAH NASIONAL MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK BERBASIS ALGORITMA GENETIKA ]]>
<![CDATA[Fajriyanto Fajriyanto]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Catur Supriyanto]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 13 No 2 (2017): Jurnal Teknologi Informasi CyberKU Vol. 13, no 2 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (301.682 KB)
<![CDATA[Bawang merah merupakan kebutuhan masyarakat yang terus meningkat seiring dengan pertambahan jumlah penduduk dan harga belinya. Oleh sebab itu, untuk mengimbangi kebutuhan agar selalu terpenuhi maka jumlah produksinya harus seimbang. Menurut Direktorat Bina Hortikultura(1980), bahwa bawang merah adalah salah satu yang memberikan preoritas utama untuk pengembangan produksi Hortikultura secara nasional. Data produksi bawang merah dari tahun 1969-2014 produksi pertahun bersifat fluktuatif disebabkan oleh meningkatnya populasi Sementara lahan yang tersedia semakin sempit. Oleh sebab itu, prediksi produksi bawang merah Nasional dibutuhkan. Metode Backpropagation merupakan metode popular untuk Teknik prediksi yang mempunyai nilai RMSE terbaik. Akan tetapi, metode Backpropagation Neural Network mempunyai beberapa kelemahan, oleh sebab itu dibutuhkan sebuah metode optimasi, salah satunya dengan metode optimasi Algoritma genetika. Penelitian ini menggunakan data produksi bawang merah Nasional yang diperoleh dari Direktorat Jendral Holtikultura untuk proses training dan testing dengan menggunakan metode Backpropagation Neural Network dan Algoritma genetika untuk optimasi input weight.Pada panelitian ini metode Backpropagation Neural Network dengan algoritma genetika sebagai optimasi inputan menghasilkan nilai RMSE 0.062 terbaik, sedangkan metode Backpropagation Neural Network tanpa optimasi algoritma genetika menghasilkan nilai RMSE 0.089.]]>
<![CDATA[PENGELOMPOKAN ARSIP UNIVERSITAS MENGGUNAKAN ALGORITMA K-MEANS DENGAN FEATURE SELECTION CHI SQUARE ]]>
<![CDATA[Sitti Munifah]]>;
<![CDATA[Abdul Syukur]]>;
<![CDATA[Catur Supriyanto]]>
<![CDATA[ Jurnal Teknologi Informasi - Cyberku (JTIC) Vol 11 No 2 (2015): Jurnal Teknologi Informasi CyberKU Vol.11 no 2 ]]>
Publisher : <![CDATA[Program Pascasarjana Magister Teknik Informatika, Universitas Dian Nuswantoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (159.986 KB)
<![CDATA[The information in every activity is very fundamental either in technical activities or in decision making.One of those is information in the form of data records or archives. Considering the importance of therole of an archive more actively in supporting the activities, then, it needs to manage the archive betterthrough the application of information and communication technology aspect, particularly on the processof archives storage. By using electronic media in archives management, then it can give easiness instoring the archives. Related to the things discussed and due to the increasing of document numbers in thetext form which quiet large on University archives chamber, it makes the document clustering important.The document clustering is a right way and has purpose of distributing the document into some groups,which have text similarity level, term wighting and distance similarity that used at the time of archivesstoring subjectively. The objective of this writing is to clustering of archives document in the archivesstoring system, increasing of clustering document performance through term weighting TF-IDF andselection feature method. The results showed that the use of selection feature method and K-MeansAlgorithm on clustering analysis, to process the archives storing seen that there was an increasing ofaccuracy level on Manhattan Distance which previously selection feature added as 61.39% with timetaken was as 69 seconds, become 73.86% on weighting TF-IDF through selection feature of Chi Squarewith time taken needed in the process was as 9 seconds]]>
