p-Index From 2020 - 2025
8.952
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Ilmu dan Teknologi Kelautan Tropis IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Informatika Jurnal Simetris Elkom: Jurnal Elektronika dan Komputer Bulletin of Electrical Engineering and Informatics Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) JTSL (Jurnal Tanah dan Sumberdaya Lahan) Jurnal Transformatika Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika Sinkron : Jurnal dan Penelitian Teknik Informatika INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi JURNAL MEDIA INFORMATIKA BUDIDARMA Faktor Exacta Jurnal Ilmiah Matrik JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Indonesian Journal of Computing and Modeling J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science Journal Sensi: Strategic of Education in Information System JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Aiti: Jurnal Teknologi Informasi Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Teknik Informatika (JUTIF) Journal of Information Technology (JIfoTech) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Info Sains : Informatika dan Sains Jurnal Nasional Teknik Elektro dan Teknologi Informasi IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi Jurnal Informatika: Jurnal Pengembangan IT Jurnal Indonesia : Manajemen Informatika dan Komunikasi Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Transformatika

Penataan Ruang Kawasan Agropolitan di Kabupaten Semarang dengan Metode Artificial Neural Network priyadi, priyadi; Sediyono, Eko; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 17 No. 2 (2020): January 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v17i2.1615

Abstract

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Dalam beberapa survei dan penelitian di kawasan yang memiliki kesamaan administratif dan geografis tersebut menunjukan tren perubahan produktifitas pertanian akibat pembangunan. Pendekatan sistem informasi geografis digunakan dalam penelitian ini dengan alasan untuk bisa menganalisis objek spasial secara menyeluruh pada kawasan terkait. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda   tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan terkait.
Pemanfaatan Teknologi Machine Learning Untuk Klasifikasi Wilayah Risiko Kekeringan di Daerah Istimewa Yogyakarta Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Ayuningtyas, Fajar; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 18 No. 1 (2020): July 2020
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v18i1.2140

Abstract

Drought is a natural disaster that occurs slowly and lasts a long time. Bantul and Gunung Kidul Regencies, Special Region of Yogyakarta are also areas affected by high drought risk. This happened because the area was the result of the construction of a cement factory and limestone mining along the Sewu Mountains. Prediction and classification of areas affected by drought can be done more accurately over large areas by extracting vegetation indices through remote sensing imagery. This research was conducted to provide information about the potential risk of drought in the region using Landsat 8 OLI spectral vegetation index data. Prediction or classification of drought potential using Artificial Neural Network. Vegetation index used in this study is NDVI, TCI, VCI, and VHI. Correlation results between vegetation indices showed the highest correlation occurred between the vegetation index TCI and VHI with the potential for a medium drought of 0.501 and the potential for a high drought of 0.684. Also obtained are the results of the classification of 9 villages that fall into the category of high drought potential (High Risk). Accuracy results and Kappa values indicate that Random Forest is the best method used with a breakdown of values of 99.91% and 99.81%, respectively. Spatial prediction results are performed using Inverse Distance Weighted (IDW) on vegetation index and prediction. Testing of spatial relationships between villages that have the potential for drought is done using Moran s I. analysis.  
Identifikasi Wilayah Resiko Kerusakan Lahan Terbangun Sebagai Dampak Tsunami Berdasarkan Analisis Building Indices Permatasari, Aurilia Dinda; Joko Prasetyo, Sri Yulianto
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5209

Abstract

Indonesia has a very large water area and there is the territory that is the confluence of the earth's slabs. It can allowing the occurrence of tsunami natural disasters. The study aims to find out which areas have risks the highest and the lowest land damage. The data used in this study were satellite images taken from 2014-2021 with coverage area in Kulon Progo Regency which consists of 12 sub-districts. This study used indexes vegetation UI, NDBI, IBI, EBBI. With an ANN algorithm get results which is quite accurate with an accuracy rate of 94.50%. Predictions states that the area has a high risk of damage due to the tsunami, namely the villages of Jingkaran, Sindutan, Palihan, Glagah, Karangwuluh, Janten, Temon Kulon, Kedundang, Sogan, Kalidengen, Ngestiharjo, Depok, Kanoman, Panjatan, Wahyuharjo, Pandowan, Nomporejo, and, Kranggan.  
Klasifikasi Resiko Tsunami di Daerah Pantai Selatan Jawa Tengah dengan Menerapkan Algoritma SVM (Studi Kasus Kab. Kebumen) Wahani, Puteri Justia Kardia Momuat; Prasetyo, Sri Yulianto Joko
Jurnal Transformatika Vol. 20 No. 1 (2022): July 2022
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v20i1.5297

Abstract

Tsunami adalah salah satu bencana alam yang dapat terjadi kapan saja yang keberadaannya tidak dapat dihindari. Kabupaten Kebumen adalah salah satu daerah yang bertempat di bagian pantai selatan Provinsi Jawa Tengah yang memiliki risiko terkenanya bencana tsunami. Hal ini terjadi akibat lokasi dari kabupaten kebumen yang berada dekat dengan perairan dan memiliki banyak luas wilayah pada dataran rendah. Penelitian ini dilakukan agar dapat memberikan informasi mengenai risiko yang dapat terjadi pada wilayah tersebut dengan melakukan prediksi dan klasifikasi dengan menggunakan data dari Citra Landsat-8 OLI yang diambil dari USGS serta memanfaatkan 5 indeks vegetasi yaitu NDVI, NDBI, NDWI, MNDWI, dan WI dengan penerapan metode Support Vector Machine (SVM) yang merupakan salah satu metode machine learning yang digunakan untuk klasifikasi. Pada penelitian ini didapatkan ada 11 desa yang diprediksi berisiko tinggi terkena tsunami dengan nilai akurasi yang didapatkan sebesar 0.945 dan nilai kappa sebesar 0.914 dimana semakin tinggi nilai yang didapatkan maka semakin tinggi juga ketepatan hasil prediksi yang diperoleh.
Co-Authors Adenia Kusuma Dayanthi Anna Simatauw Antar Maramba Jawa Antonius Mbay Ndapamury Ardian Ariadi Ardito Laksono Suryoputro Arit Imanuel Meha Arvira Yuniar Isnaeni Ayuningtyas, Fajar Baali, Gabriel Megfaden Kenisa Baronio, Nodas Constantine Bintang Lazuardi Bistok Hasiholan Simanjuntak Brian Laurensz Brilliananta Radix Dewana Bunga, Alex Frianco Cahyaningtyas, Christian Charitas Fibriani Christanto, Erwien Christiana Ari Setyaningrum Daniel HF Manongga Danny Manongga Danny Sebastian Devianto, Yudo Dian Widiyanto Chandra Dwi Hayati Edwin Zusrony Eko Sediyono Elvira Umar Engles Marabangkit Yoesmarlan Erik Wahyu Abdi Nugroho Evan Bagus Kristianto Evan Geraldy Suryoto Evi Maria Fabian Valerian Feibe Lawalata Florentina Tatrin Kurniati Gallen cakra adhi wibowo Gideon Bartolomeus Kaligis Gilbert Yesaya Likumahua Gudiato, Candra Haikal Nur Rachmanrachim Achaqie Haikal Nur Rachmanrachim Achaqie Hindriyanto Dwi Purnomo Ida Ayu Putu Sri Widnyani Indra Yunanto Irdha Yunianto Irwan Sembiring Isnaeni, Arvira Yuniar Josua Josen Alexander Limbong Kase, Celomitha Putri Welhelmina Kristia Yuliawan Kristoko Dwi Hartomo Kurnia Latifatul Nazila Laurentius Kuncoro Probo Saputra Lobo, Murry Albert Agustin Lyonly Evany Tomasoa Maipauw, Musa Marsel Maya Sari Merryana Lestari Mikhael Dio Eclesi Mila Chrismawati Paseleng Mira Mira Muhamad Yusup Muhammad Rizky Pribadi Muhammad Sholikhan Nadia Renatha Yuwono Nadya Inarossy Novem Berlian Uly Nugroho, Ignatius Dion Nusantara, Bandhu Otniel, Marcelinus Vito Patrick Simbolon Permatasari, Aurilia Dinda Petty, Holbed Joshua Praditya, Al-Farrel Raka Prayitno, Gunawan Priyadi Priyadi Purwoko, Agus Qurotul Aini Ratu, Herman Huki Ravensca Matatula Raymond Elias Mauboy Riko Yudistira Rina Pratiwi Pudja I. A Rohmad Abidin, Rohmad Rony, Zahara Tussoleha Roy Rudolf Huizen Santoso, Nuke Puji Lestari Septian Silvianugroho Septio, Pius Aldi Solly Aryza Sri Hartati Stanny Dewanty Rehatta Stevanus Dwi Istiavan Mau Supit, Christanti Ekkelsia Suryasatria Trihadaru Suryasatriya Trihandaru Susatyo, Yeremia Alfa Sutarto Wijono Theopillus J. H. Wellem Tirsa Ninia Lina Triloka Mahesti Triloka Mahesti Untung Rahardja Valentino Kevin Sitanayah Que Vinsensius Aprila Kore Dima Wahani, Puteri Justia Kardia Momuat Wasis Pancoro Wicaksono, Muhammad Ryqo Jallu Winarko, Edi Wiwin Sulistyo Yansen Bagas Christianto Yerik Afrianto Singgalen Yesi Arumsari Yohanes Aji Priambodo