Claim Missing Document
Check
Articles

Found 12 Documents
Search

KOMPONEN KIMIA DAN POTENSI PENGGUNAAN LIMA JENIS KAYU KURANG DIKENAL ASAL JAWA BARAT Novitri Hastuti; Lisna Efiyanti; Gustan Pari; Saepuloh; Dadang Setiawan
Jurnal Penelitian Hasil Hutan Vol. 35 No. 1 (2017): Jurnal Penelitian Hasil Hutan
Publisher : BRIN Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20886/jphh.2017.35.1.15-27

Abstract

There are about 4,000 timber producing trees grow naturally in Indonesia, which comprise of commercially and lesser known wood species. Wood chemical component analysis is one indicator for timber utilization. This paper studies the chemical components of five lesser-known wood species originated from West Java namely ki bugang (Arthophyllum diversifolium Bl.), sempur lilin (Dillenia obovata Hoogl.), cangcaratan (Lithocarpus sundaicus Bl.), ki pasang (Prunus javanica Miq ), and ki langir (Othophora spectabilis Bl). The analysis was conducted according to the testing standard of Norman Jenkin, Indonesian National Standard (SNI) and TAPPI. Results show that Ki bugang has the highest content of both of cellulose and pentosan about 52.57% and 21,37%, respectively. Cangcaratan wood has the highest lignin content about 31.84 %. Ki langir has the highest solubility in cold water, alcohol benzene and NaOH about 3.34%, 2.75%, and 22.17%, respectively. In addition, sempur lilin has the highest solubility in hot water about 8.56%. The highest ash content is 3.60% belongs to Ki langir and the highest silica content is 1.92% belongs to sempur lilin. Based on the chemical content, cangcaratan wood is recomended for pulp and energy purposes and ki bugang wood is recommended for bio-ethanol.
Hybrid Recommender System Berbasis Alternating Least Squares dan CatBoost (Studi Kasus Anime pada MyAnimeList) Marwan, Abdul Madjid; Setiawan, Dadang; Alibasa, Muhammad Johan
LOGIC: Jurnal Penelitian Informatika Vol. 2 No. 1 (2024): Mei 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v2i1.7475

Abstract

Platform di internet berurusan dengan data yang sangat besar dan terus berkembang membutuhkan Recommender System (RS) untuk memungkinkan penggunanya menemukan informasi yang relevan dalam banyaknya volume data. RS bekerja dengan melakukan prediksi dan memperlihatkan informasi yang diinginkan oleh pengguna menggunakan berbagai data seperti riwayat ulasan dari pengguna tersebut terhadap suatu item. Seiring dengan perkembangan waktu, teknologi RS menjadi semakin akurat dalam memberikan prediksi. Walaupun hal demikian dapat memnciptakan permasalahan baru yaitu kurangnya keragaman dari hasil yang diberikan RS yang berdampak buruk bagi pengguna dan pemilik platform. Penelitian ini merancang Hybrid RS menggunakan algoritma Alternating Least Squares (ALS) serta Categorical Boosting (CatBoost) untuk memberikan hasil rekomendasi yang memiliki nilai metrik akurasi tinggi serta memeriksa perubahan yang akan terjadi pada nilai metrik keragaman menggunakan studi kasus anime pada MyAnimeList. Hasil akhir dari penelitian akan diuji menggunakan metrik Root Mean Square Error (RMSE) untuk mengukur akurasi serta Cosine SImilarity untuk mengukur keragaman. Hasil akhir RMSE yang didapatkan beserta dengan Cosine Similarity dari rekomendasi anime Hybrid RS memiliki nilai yang lebih baik ketika dibandingkan dengan hasil dari algoritma tersendiri.