Articles
<![CDATA[IDENTIFIKASI HAMA KELAPA SAWIT MENGGUNAKAN METODE CERTAINTY FACTOR ]]>
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Rizkyani, Farahdina Nur]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 1 (2020) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1875.34 KB)
|
DOI: 10.33096/ilkom.v12i1.526.58-63
<![CDATA[The lack of knowledge of palm oil farmers and general public about pests in palm oil plants will result in a lack of crop yields on these plants. The resulted in the impact of many palm oil farmers who cut down trees as an effort to eradicate of pests. The limitations of an experts makes handling palm oil plan pests difficult so it is necessary to have an experts system that is able to identify pests of palm oil and how to control them based on knowledge given directly by human experts. The inference is Forward chaining by tracing the rules based on the answers of users. And then calculated by Certainty Factor method. The result of calculation is in the form of a percentage value of confidence and user can immediately find out the type of pests identified and how to control it. This research found 7 (seven) types of pests that attack palm oil are fire caterpillar Setothosea asigna, caterpillars Dasychira inclusa, bag caterpillar Metisa plana, horn beetle Oryctes rhinoceros, termite Coptotermes curvignathus, wild rat Rattus tiomanicus, dan wild pig Sus crofa. The biggest pest attact on palm oil is Termite Coptotermes Curvignathus is 88,8%]]>
<![CDATA[Sistem Pendukung Keputusan Pemilihan Tumbuhan Berkhasiat Obat Menggunakan Metode Analytical Hierarchy Process-Weighted Product ]]>
<![CDATA[Wati, Masna]]>;
<![CDATA[Maulana, Andi]]>;
<![CDATA[Widians, Joan Angelina]]>
<![CDATA[ ILKOM Jurnal Ilmiah Vol 12, No 3 (2020) ]]>
Publisher : <![CDATA[Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33096/ilkom.v12i3.671.219-227
<![CDATA[Kalimantan memiliki hutan dengan keanekaragaman hayatinya dan menjadi salah satu paru-paru dunia serta ditunjang juga dengan potensi pengetahuan pengobatan tradisional yang dimiliki berbagai etnis asli di Kalimantan. Umumnya pengetahuan pengobatan tradisional menggunakan tumbuhan berkhasiat obat dikuasai generasi tua. Generasi muda mulai kurang tertarik menggali pengetahuan ini sehingga akan membuat pengetahuan ini terkikis dan mulai ditinggalkan. Salah satu faktor penyebabnya karena kurangnya sebaran pengetahuan akibat dari pendokumentasian yang masih terpisah-pisah sehingga dibutuhkan sarana pendokumentasian. Sistem pendukung keputusan yang dibangun bertujuan untuk memberikan rekomendasi tumbuhan yang berkhasiat untuk mengobati atau menangani suatu penyakit serta dapat menjadi salah satu sarana pendokumentasian dengan memberikan informasi seputar tumbuhan berkhasiat obat. Sistem ini mengimplementasikan dua metode yaitu Analytical Hierarchy Process (AHP) digunakan pada tahap penentuan bobot kriteria dan Weighted Product (WP) yang digunakan untuk mengevaluasi alternatif tumbuhan berkhasiat obat. Sistem melibatkan 4 kriteria dalam pengambilan keputusan yaitu bagian yang berkhasiat, carapengolahan, cara penggunaan dan jenis tumbuhan serta terdapat 29 jenis tumbuhan berkhasiat obat untuk 33 jenis penyakit. Output dari sistem ini berupa urutan prioritas tumbuhan berkhasiat obat yang direkomendasikan pada suatu penyakit. Dengan dibuatnya Sistem Pendukung Keputusan penentuan tumbuhan berkhasiat obat etnis Kalimantan diharapkan mampu mempermudah dalam penentuan penggunaan tumbuhan berkhasiat obat.]]>
<![CDATA[Algoritma Swarm Intelligence untuk Data Berdimensi Tinggi pada Machine Learning: Review ]]>
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Tjikoa, Ade Fiqri]]>
<![CDATA[ Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 1 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI) ]]>
Publisher : <![CDATA[Universitas Mulawarman ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30872/jurti.v8i1.15228
<![CDATA[Data berdimensi tinggi berpengaruh pada learning model, ruang pencarian dan waktu komputasi, serta akurasi informasi. Banyaknya karakteristik dan dimensi tinggi, serta klasifikasi pola memerlukan pemilihan fitur atau feature selection (FS). FS dapat menghapus fitur-fitur yang berlebihan dan tidak relevan saat memilih subset fitur-fitur terkait. Swarm Intelligence (SI) banyak digunakan untuk mengatasi permasalahan data berdimensi tinggi. Secara konsep, SI dapat berarti sebagai kecerdasan kolektif yang dihasilkan dari tingkah laku kawanan agen yang terinspirasi dari alam. Makalah ini mengenai tinjauan literatur yang komprehensif tentang algoritma SI terkhusus Ant Colony Optimization, Particle Swarm Optimization, dan Grey Wolf Optimizer. Selain itu, pemaparan analisis framework SI terpadu dan investigasi berbagai pendekatan algoritma SI dalam FS. Analisis lebih lanjut menggambarkan terdapat gabungan beberapa algoritma SI di berbagai domain riset. Teknik hybrid SI ini dapat diterapkan dalam FS untuk menemukan subset fitur dengan ukuran lebih kecil dan meningkatkan performa klasifikasi dibandingkan penggunaan algoritma FS biasa. Dengan makalah ini kami menganalisis research-gap, memberikan gambaran komprehensif tentang penerapan SI dalam FS, serta mengusulkan diagram hibrid algoritma SI untuk permasalahan teks FS. Penelitian mendatang diharapkan dapat melakukan penggabungan maupun modifikasi berbagai algoritma SI menjadi suatu algoritma yang dapat meningkatkan performa sekaligus menurunkan kompleksitas waktu komputasi pada data mining dan teks mining. Harapan di masa depan, penggunaan algoritma SI semakin berkembang dan memberikan solusi yang efektif dan efisien di era big data.]]>
<![CDATA[Sistem Pendukung Keputusan untuk Evaluasi Tingkat Kesejahteraan Masyarakat Menggunakan Metode PROMETHEE ]]>
<![CDATA[Masna Wati]]>;
<![CDATA[Simbolon, R.H. Kimebmen]]>;
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Novianti Puspitasari]]>
<![CDATA[ Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 12 No. 2 (2021): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi ]]>
Publisher : <![CDATA[Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31849/digitalzone.v12i2.8115
<![CDATA[Salah satu faktor tercapainya kesejahteraan masyarakat yaitu rendahnya tingkat penduduk miskin. Pemerintah berperan penting dalam mensejahterakan masyarakat dan pengentasan kemiskinan. Seleksi tingkat kesejahteraan masyarakat adalah salah satu masalah yang memerlukan keputusan yang tepat agar bantuan disalurkan kepada masyarakat yang membutuhkan tepat sesuai target. Oleh karena itu, dibangun sistem decision support menggunakan metode Promethee. Data penelitian berupa 220 data sampel keluarga dan melibatkan 15 kriteria dalam mengevaluasi tingkat kesejahteraan masyarakat bersumber pada Survei Sosial Ekonomi Nasional oleh Badan Pusat Statistik Provinsi Kalimantan Timur. Sistem yang telah dibangun memberikan output berupa urutan prioritas kesejahteraan masyarakat yang dapat dijadikan pertimbangan bagi pemerintah atau pihak terkait dalam penyaluran bantuan agar tepat sasaran Abstract One of the factors in achieving community welfare is the low poverty level. The government has an essential duty in the welfare of society and alleviating poverty. The evaluation of the welfare level is one of the problems that require the right decision so that the social assistance provided to people in need can be right on target. The study aims to deploy a system that utilizes the Promethee method for decision-makers. There is 220 family as the sample data evaluated involves 15 criteria for assessing the community welfare level sourced from the National Socio-Economic Survey by the Statistics of East Kalimantan Province. The decision support system built was able to result in priority order of community welfare level so that it could be a consideration or reference to the government or related agencies in distributing aid to make it right on target.]]>
<![CDATA[Implementasi Metode K-Means Untuk Pengelompokan Potensi Produksi Komoditas Perkebunan ]]>
<![CDATA[Pakpahan, Herman Santoso]]>;
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Firmanda, Haga Daffa Aska]]>
<![CDATA[ Adopsi Teknologi dan Sistem Informasi (ATASI) Vol. 1 No. 1 (2022): Adopsi Teknologi dan Sistem Informasi (ATASI) ]]>
Publisher : <![CDATA[Mulawarman University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30872/atasi.v1i1.49
<![CDATA[Penelitian ini bertujuan untuk mengelompokkan komoditas perkebunan di Kalimantan Timur karena dilihat banyaknya komoditas dan jumlah data yang banyak maka diperlukan suatu sistem pengelompokan agar dapat memberikan informasi tentang potensi disuatu wilayah yang diperlukan oleh masyarakat maupun petani dan lembaga-lembaga yang terkait dengan informasi tersebut. Clustering data komoditas perkebunan menggunakan algoritma K-Means yang merupakan metode yang tepat untuk digunakan sebagai acuan dalam menentukan komoditas perkebunan disuatu wilayah yang memiliki tingkat potensi produksi banyak, sedang, dan sedikit. Data yang digunakan pada penelitian ini merupakan data yang diperoleh dari Dinas Perkebunan Kalimantan Timur sebanyak 400 data dengan menggunakan 5 atribut. Dalam penelitian ini didapatkan hasil pada cluster 1 sebanyak 16 data komoditas perkebunan, cluster 2 sebanyak 14 data komoditas perkebunan, dan cluster 3 sebanyak 370 data komoditas perkebunan. Berdasarkan perhitungan tingkat akurasi bahwa metode pengukuran jarak Euclidean Distance menunjukan tingkat akurasi sebesar 93,75% dan perhitungan Sum of Squared Error (SSE) menunjukan tingkat error sebesar 6.25%. hal ini menunjukan bahwa metode pengukuran jarak Euclidean Distance cukup akurat dalam pengelompokan komoditas perkebunan, karena nilai Sum of Squared Error (SSE) tidak melebihi 50%. Sistem pengelompokan komoditi perkebunan daerah Kalimanta Timur berbasis web dengan menerapkan metode K-Means telah berhasil dibangun.]]>
<![CDATA[Dipterocarpaceae trunk texture classification using two-stage convolutional neural network-based transfer learning model ]]>
<![CDATA[Wati, Masna]]>;
<![CDATA[Puspitasari, Novianti]]>;
<![CDATA[Hairah, Ummul]]>;
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Tjikoa, Ade Fiqri]]>
<![CDATA[ International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 6: December 2024 ]]>
Publisher : <![CDATA[Institute of Advanced Engineering and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.11591/ijece.v14i6.pp6874-6882
<![CDATA[The importance of plant identification has been recognized by academia and industry. There have been several attempts to utilize leaves and flowers for identification. However, the trunk can also be helpful, especially for tall trees. In Borneo, the Dipterocarpaceae family are the main constituents of the tropical rainforest ecosystem. This research focuses on the classification of the dipterocarp family, which can reach a height of between 70 and 85 m. Leveraging convolutional neural network (CNN) models, this research proposes a two-stage transfer learning strategy. In the first stage, the pre-trained CNN models are refined by only modifying the classification layer while keeping the feature layer frozen. The second stage involves selecting and freezing several convolutional layers to adapt the model to classify dipterocarp stems. The dataset consists of 857 images of different dipterocarp species. Experiments show that the VGG16 model with a two-stage transfer learning strategy achieves a high accuracy of 98.246%. This study aims to accurately identify species, benefiting conservation and ecological studies by enabling fast and reliable tree species classification based on stem texture images.]]>
<![CDATA[Feature selection based on chi-square and ant colony optimization for multi-label classification ]]>
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Wardoyo, Retantyo]]>;
<![CDATA[Hartati, Sri]]>
<![CDATA[ International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 3: June 2024 ]]>
Publisher : <![CDATA[Institute of Advanced Engineering and Science ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.11591/ijece.v14i3.pp3303-3312
<![CDATA[Text classification is widely used in organizations with large databases and digital documents. In text classification, there are many features, most of which are redundant. High-dimensional features impact multi-label classification performance. Feature selection is a data processing technique that can overcome this problem. Feature selection techniques have two major approaches: filter and wrapper. This paper proposes a hybrid filter-wrapper technique combining two algorithms: Chi-square (CS) and ant colony optimization (ACO). In the first stage, CS is used to reduce the number of irrelevant features. The ACO method is in the second stage. The ACO is applied to select the efficient features and improve classifier performance. The experiment results show that CS-ACO, CS-grey wolf optimizer (GWO), CS, and without feature selection (FS) have a micro F1-score based multinomial naïve Bayes classifier including 80%, 79.75%, 79.64% and 77.78%. The result indicates that the CS-ACO algorithm is suitable for solving multi-label classification problems.]]>
<![CDATA[MODEL SIMULASI PENYELESAIAN MASALAH PERJALANAN PENJUAL MENGGUNAKAN PENDEKATAN KECERDASAN BUATAN, OPTIMISASI KOLONI SEMUT ]]>
<![CDATA[Misinem, Misinem]]>;
<![CDATA[Kurniawan, Tri Basuki]]>;
<![CDATA[Astried, Astried]]>;
<![CDATA[Widians, Joan Angelina]]>
<![CDATA[ Jurnal Bina Komputer Vol 3 No 1 (2021): Jurnal Bina Komputer ]]>
Publisher : <![CDATA[Jurnal Ilmiah Terpadu Universitas Bina Darma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1624.207 KB)
|
DOI: 10.33557/binakomputer.v2i2.974
<![CDATA[Salah satu hal yang menarik dalam bidang perangkat lunak adalah ditemukannya algoritma pengoptimisasian. Banyak pekerjaan yang rumit dan kompleks yang akan mustahil untuk dilakukan secara manual ataupun kalau terpaksa dilakukan dengan cara manual akan membutuhkan waktu dan tenaga yang sangat besar. Dengan adanya algoritma optimisasian pekerjaan yang rumit dan kompleks tadi dapat dilakukan dengan lebih mudah dan lebih cepat. Bahkan juga memeberikan jaminan secara teoritis, untuk mendapatkan solusi yang terbaik. Dalam penelitian ini akan dibangun sebuah model simulasi perangkat lunak untuk menyelesaikan masalah perjalanan penjual dengan menggunakan algoritma optimisasi koloni semut, untuk memberikan visual bagi pengguna bagaimana masalah tersebut dapat diselesaikan secara Langkah demi Langkah. Pembangunan program simulasi menggunakan metode pengembangan perangkat lunak Extreme Programming (XP) pada lingkungan system operasi Windows dengan menggunakan Bahasa pemrograman C# pada Visual Studio 2019. Hasil dari penelitian didapati, program dapat memberikan visualisasi/simulasi yang baik kepada pengguna.]]>
<![CDATA[SISTEM PAKAR BAWANG DAYAK SEBAGAI OBAT ALTERNATIF ]]>
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Puspitasari, Novianti]]>;
<![CDATA[Kurniawan, Tri Basuki]]>
<![CDATA[ Jurnal Bina Komputer Vol 3 No 1 (2021): Jurnal Bina Komputer ]]>
Publisher : <![CDATA[Jurnal Ilmiah Terpadu Universitas Bina Darma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1111.735 KB)
|
DOI: 10.33557/binakomputer.v2i2.976
<![CDATA[The medicinal plants that have been developed especially in East Kalimantan is the dayak onion (Eleutherine palmifolia (L.) Merr). The Dayak onion herb has long been used by the Dayak tribe as an alternative medicine. Information of the possibility of people affected by the disease and how to process Dayak onion ingredients , an expert system needs to build that is able to diagnose the disease and how to process Dayak onion ingredients. The result of this research is an expert system with Certainty Factor that helps the general public in early diagnosis of ten diseases and provides alternative treatment solutions and ways of Dayak onion as an alternative medicine.]]>
<![CDATA[Sistem Rekomendasi Lokasi Perkebunan Kelapa Sawit Menggunakan Weighted Product ]]>
<![CDATA[Dani, Riski Rama]]>;
<![CDATA[Widians, Joan Angelina]]>;
<![CDATA[Budiman, Edy]]>
<![CDATA[ Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 2 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI) ]]>
Publisher : <![CDATA[Universitas Mulawarman ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30872/jurti.v8i2.17010
<![CDATA[Perkebunan merupakan salah satu sektor penting dalam perekonomian Indonesia. Tentunya hal tersebut tidak terlepas dari peran perkebunan kelapa sawit yang tersebar di seluruh Indonesia. Dalam memilih dan menentukan lahan perkebunan kelapa sawit, ada enam indikator utama yang perlu diperhatikan antara lain kelembaban udara, suhu atau temperatur, bentuk wilayah, kondisi tanah, tekstur tanah, dan keasaman tanah. Penelitian ini mengembangkan sebuah sistem informasi rekomendasi pemilihan lokasi perkebunan kelapa sawit. Sistem pendukung keputusan (SPK) ini menggunakan metode Weighted Product (WP). Penelitian dilaksanakan di Dinas Perkebunan Provinsi Kalimantan Timur serta di Laboratorium Komputasi dan Pemrograman Komputer Fakultas Teknik Universitas Mulawarman. Penelitian ini menggunakan sembilan sampel data lokasi lahan di Kabupaten Mahakam Ulu, Provinsi Kalimantan Timur. Hasil pengembangan aplikasi SPK menggunakan WP ini diperoleh perangkingan tiga terbesar yaitu Desa Long Bagun Ulu II dengan nilai 0.142; Desa Long Melaham dengan nilai 0.123; dan Desa Long Bagun Ilir dengan nilai 0.121. Hasil perangkingan ini menyatakan bahwa tiga lokasi tersebut direkomendasikan sebagai alternatif terbaik lahan perkebunan kelapa sawit di Kabupaten Mahakam Ulu, Provinsi Kalimantan Timur. Kontribusi penelitian ini diharapkan dapat membantu user yaitu petani atau pengusaha budidaya kelapa sawit dalam menentukan lahan yang tepat untuk perkebunan kelapa sawit.]]>
