cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota salatiga,
Jawa tengah
INDONESIA
Indonesian Journal of Computing and Modeling
Published by Universitas Kristen Satya Wacana
ISSN : -     EISSN : 25989421     DOI : -
Core Subject : Science, Education, Agriculture,
Agriculture, Biological Sciences & Forestry Computer Science & IT Earth & Planetary Sciences Education Mathematics
Fokus publikasi ICM mencakup : penemuan dan/atau penerapan metode baru, pengembangan algoritma optimal, kompleksitas algoritma dan pemanfataan model matematika atau statistika untuk eksplorasi dan analisis data. Makalah yang diterima dan dilanjutkan untuk proses review adalah makalah hasil penelitian teoritik, hasil penelitian lapangan, penelitian skala laboratorium, integrasi penelitian dalam proses pembelajaran atau bagian dalam suatu kegiatan penelitian yang multitahun.
Arjuna Subject : -
Articles 44 Documents
 1   2   3   4   5 
ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD Stevanus Dwi Istiavan Mau; Antonius Mbay Ndapamury; Vinsensius Aprila Kore Dima; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

RTH atau dikenal dengan ruang terbuka hijau merupakan suatu kelompok tanaman yang berada pada pemukiman rumah dan di tengah kota baik itu pohon serta tanaman yang ada pada rumah Surabaya sendiri mempunyai geografis yang ada pada 07.09’00”-07’21’00” Lintang selatan serta 112’36’-112’54’. Pada dasarnya luas dari surabaya memiliki daratan luas 326,81km2 serta lautan 190,39 km2. Surabaya bisa di bilang kota yang sangat padat dimana pada tahun sebelum nya hingga saat ini pembangunan terus berjalan dan meyebabkan kekurangan ruang terbuka hijau. Dalam menganalisis RTH di butuhkan suatu metode dalam melakukan analisis RTH, metode yang di pakai dalam penelitian ini menggunakan maxium likelihood yang berfungsi sebagai integrasi antara klasifikasi penutup lahan, NDVI serta Citra Landsat 8. Hasil dari penelitian ini adalah menampilkan ruang terbuka hijau dan pengelolaan ndvi dari tahun 2016 dan 2019 dimana terdapat pembangunan lahan yang menutupi ruang terbuka hijau pada Kota Surabaya. Manfaat dari penelitian ini sendiri bagaimana kita lebih mengenal fungsi dari RTH tersebut bagi masyarakat dan kota itu sendiri.
Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8 Triloka Mahesti; Elvira Umar; Ardian Ariadi; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perubahan iklim dunia yang dipengaruhi pemanasan global saat ini menjadi masalah yang genting. Dalam mengatasi masalah pemanasan global, Indonesia turut serta berperan aktif dengan berkomitmen menurunkan GRK hingga tahun 2030. Keikutsertaan pemerintah Indonesia juga harus didukung oleh pemerintah daerah salah satunya adalah Kabupaten Semarang untuk menurunkan GRK dengan penambahan vegetasi. Penelitian ini bertujuan untuk mengidentifikasi perubahan tutupan vegetasi Kabupaten Semarang dari tahun 2015 hingga 2019 dengan menggunakan metode NDVI, EVI, SAVI dan Supervised Classification serta clustering curah hujan menggunakan metode Spatial Interpolation karena perubahan indeks vegetasi tidak lepas dari curah hujan. Penelitian ini menghasilkan nilai NDVI, EVI, SAVI dan Supervised Classification mengalami kenaikan dari tahun 2015 ke tahun 2016 dengan kenaikan nilai NDVI 0.059728, EVI 0.658, SAVI 0.089514 dan supervised classification 4,64% atau 39.368,7 ha, serta mengalami penurunan berangsur dari tahun 2016 hingga 2019 dengan penurunan nilai NDVI -0,072276, EVI -9,57828, SAVI -0,108413 dan supervised classification -19,05% atau -194.762,7 ha. Clustering curah hujan menunjukkan 4 kecamatan yaitu Getasan, Tengaran, Susukan dan Kaliwungu memiliki curah hujan sangat rendah, 4 kecamatan yaitu Banyubiru, Pabelan, Bancak dan Suruh memiliki curah hujan sedang, 6 kecamatan yaitu Ambarawa, Jambu, Bawen, Tuntang Bringin dan Pringapus memiliki curah hujan tinggi serta 5 kecamatan yaitu Bandungan, Sumowono, Bergas, Ungaran Barat dan Ungaran Timur memiliki curah hujan sangat tinggi. Curah hujan berada pada rentang 5mm-10mm/hari yang menurut BMKG memiliki klasifikasi curah hujan rendah. Penelitian ini dapat dimanfaatkan sebagai rekomendasi pemerintah Kabupaten Semarang dalam pengelolaan vegetasi dan pertimbangan dalam penyusunan RAD
Pemetaan Potensi Bencana di Jawa Tengah Menggunakan Google Maps API dan KML dengan Metode K-Means Muhammad Fahmi Haryono Adi; Yerymia Alfa Susetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem Informasi Geografis (SIG) merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah, dan menghasilkan data geografis untuk pengambilan keputusan dalam suatu perencanaan. Indonesia memiliki iklim dengan curah hujan tinggi dan kemarau yang panjang akan menambah potensi terjadinya bencana seperti banjir, tanah longsor, dan kekeringan. Penelitian ini bertujuan untuk pemetaan potensi bencana di Jawa Tengah menggunakan Google Maps API dan KML dengan metode K-Means. Pengolahan data bencana alam dilakukan menggunakan metode K-Means, karena metode ini mampu menjadi solusi atas penanggulangan bencana alam. Penelitian ini membahas tentang pengelompokan jumlah data bencana yang terjadi di Jawa Tengah. Data yang digunakan dalam penelitan ini dengan pengumpulan data peta wilayah Kota dan Kabupaten di Jawa Tengah menggunakan Google Maps API dan pengumpulan data titik koordinat. Keyhole Markup Language (KML) adalah format (XML) untuk visualisasi data geospatial. Dengan menggunakan Google Maps API dan KML dapat menghasilkan suatu peta yang memberikan informasi secara lengkap dan tepat, karena sistem yang berbasis web akan lebih mudah dan cepat diakses oleh pengguna dari berbagai tempat hanya dengan menggunakan web-browser.
Model Pergerakan Pola Perpindahan Pengguna Internet Service Provider Seluler di kota Salatiga menggunakan Algoritma Markov Chain Delfini Tinma Pandoi; Yerymia Alfa Susetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk melihat pola pergerakan konsumen dalam memilih provider seluler yang sesuai dengan keinginan konsumen dan melihat pola perpindahan konsumen pada rentang yang telah diuji dengan mengambil sample data dari kuesioner yang telah disebar, lalu dikonversi menjadi perhitungan numerik dengan menggunakan algoritma markov chain dan diimplementasikan ke dalam bahasa pemrograman python untuk memberikan gambaran nyata berdasarkan hasil yang tersaji dengan grafik informasi data. Data yang telah diuji menunjukkan bahwa, dari data awal yang diperoleh, serta pola perpindahan pada periode kedua hingga periode ke 65 menunjukkan tidak ada nya perubahan yang signifikan pada probabilitas yang dihasilkan melalui proses perhitungan kondisi ekuilibrium yang diinginkan yaitu periode ke 65.
Comparative Study of Concepts and Implementation of Various Univariate Time Series Analysis Methods Adi Nugroho
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Univariate time series analysis is a very important method in everyday life because this method has many practical applications. Various methods of time series analysis have been previously discovered by experts. However, until now the experts have not been able to determine exactly which method is best implemented in certain time series data. In this paper we will make a comparison of the 8 (eight) time series analysis methods that are most often used, namely SMA, EMA, WMA, SES, Holt's Method, Holt's Winter Seasonal Method, ARIMA, and SARIMA, with the aim of providing guidance to readers to choose which method is most appropriate for a given time series data. Research for this was conducted using the same data for all methods.
Pengembangan Sistem Penilaian Dokumen pada Audit Mutu Internal Berbasis Web (Studi Kasus: LPMAI UKSW) Kurnia Latifatul Nazila; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Audit Mutu Internal adalah sebuah kegiatan proses penilaian atau pengujian yang sistematis, independen untuk memastikan bahwa kegiatan perguruan tinggi sudah sesuai prosedur dan apakah hasilnya sudah sesuai dengan standar dari pemerintah untuk mencapai tujuan tersebut. Universitas Kristen Satya Wacana melalui Lembaga Penjaminan Mutu dan Audit Internal membuat sistem penilaian dokumen pelaksanaan audit berbasis website. Sistem penilaian dokumen audit ini digunakan sebagai proses pelaksanaan audit program studi agar lebih terstruktur dan cepat untuk mengganti sistem sebelumnya yang masih menggunakan cara manual. Maka pada penelitian ini dilakukan pengembangan sistem menggunakan metode prototype dan berbasis website supaya pelaksanaan penilaian audit bisa dilakukan secara online. Pengujian pada penelitian ini menggunakan pengujian black box testing untuk membuktikan bahwa sistem yang telah dibuat sesuai kebutuhan pengguna. Dan hasil dari penelitian ini dapat mempermudah pengguna untuk melakukan penilaian dokumen pelaksanaan audit program studi.
Klasifikasi Wilayah Risiko Kekeringan Dengan Metode Random Forest dan SVM Menggunakan Data Penginderaan Jauh LANDSAT 8 OLI Studi kasus : Kabupaten Wonogiri Engles Marabangkit Yoesmarlan; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kekeringan selalu terjadi di Indonesia setiap tahunnya. Salah satu daerah yang setiap tahun terkena dampak kekeringan adalah kabupaten Wonogiri. Berdasarkan kajian BPBD Wonogiri tahun 2019, ada 31 desa di Wonogiri terancam kekeringan. Tujuan diadakan penelitian ini adalah mengklasifikasikan wilayah di Wonogiri yang memiliki resiko kekeringan paling tinggi agar memudahkan pemberian bantuan. Penelitian ini menggunakan metode Machine Learning untuk menganalisa hasil ekstraksi dari citra Landsat-8 OLI yang berupa indeks vegetasi yaitu NDVI, NDWI, SAVI, dan VCI dengan membandingkan algoritma Random Forest dengan Support Vector Machine. Hasil dari pengolahan data Random Forest dan Support Vector Machine menunjukkan bahwa Random Forest memiliki nilai kappa 0.9911 sedangkan Support Vector Machine memiliki nilai kappa 0.5217 yang berarti algoritma Random Forest lebih baik dari Support Vector Machine karena makin tinggi nlai kappa maka semakin tinggi nilai akurasi prediksinya. Dari hasil penelitian dapat diperoleh 10 kelurahan yang memiliki resiko kekeringan tinggi diantaranya kelurahan Bulusari, Sembukan, Tunggur, Hrgosari, Sidorejo, Tempurharjo, Sumberagung, Gemawang, Gnadipiro dan Conto.
Model Analisis Pengguna Internet Menggunakan Metode Spatial Regression Models Setyo Hadi Darminto; Wiwin Sulistyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Saat ini akses internet hanya dapat dinikmati 21% masyarakat dari tingkat ekonomi bawah, oleh karena itu perlu dilakukan pengkajian terkait hal-hal lainnya yang berpengaruh pada jumlah pengguna internet di Indonesia, salah satunya adalah faktor ekonomi. Oleh karena itu Pemerintah perlu mengkaji faktor-faktor yang mempengaruhi pengguna internet di jawa timur berhubungan dengan faktor ekonomi terutama pada jumlah pengangguran yang ada. Hal ini dilakukan untuk membantu pemerintah dalam mengambil kebijakan dalam rangka memenuhi capaian pengguna internet di Indonesia. Tujuan dari penelitian ini menyajikan visualisasi wilayah Provinsi Jawa Timur bedasarkan presentase angka pengangguran dan pengguna internet yang nantinya bisa digunakan sebagai tinjauan tingkatan angka pengangguran maupun pengguna internetnya. Analisis yang dilakukan dengan pendekatan Spatial Regression Models dengan model Geographically Weighted Regression. Berdasarkan hasil penelitian pengguna internet dengan Geographically Weighted Regression di Jawa Timur yang tertinggi berada di daerah Gresik, Magetan, Batu, Kediri, Blitar, Pasuruan, Probolinggo, Malang. Terdapat daerah yang mempunyai karakteristik yang sama di peta buruh, karyawan, pengangguran dan ada beberapa daerah yang mempunyai karakteristik yang berbeda di peta buruh, karyawan, penggangguran.
Perbandingan Algoritma K-NN, SVM dan Random Forest untuk Klasifikasi Wilayah Risiko Kebakaran Lahan Pada Data Citra Landsat 8 OLI Evan Geraldy Suryoto; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 2 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebakaran lahan memiliki tingkat kerugian besar bagi yang terkena dampaknya. Dampak langsung yang dirasakan adalah adanya kabut asap yang mencemari udara di sekitar daerah kebakaran. Penelitian ini menggunakan beberapa indeks diataranya : Indeks yang dipakai antara lain ialah Enhanced Vegetation Index (EVI), Normalized Burn Ratio (NBR), Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI) dan Soil Adjusted Vegetation Index (SAVI). Data yang akan diteliti berupa Citra Satelit Landsat 8 OLI. Hasil analisis menggunakan korelasi pearson, rata-rata indeks memiliki korelasi kuat. Korelasi yang paling kuat ialah antara NDVI dengan SAVI dengan nilai korelasi 0,98. Hasil confusion matrix menunjukkan bahwa metode Random Forest adalah metode yang terbaik untuk penelitian ini, hal tersebut dapat dilihat dari akurasi yang bernilai 0,9995 dan Kappa yang bernilai 0,9897. Prediksi spasial menggunakan Inverse Distance Weighted (IDW) pada perhitungan yang telah dilakukan. Pengujian hubungan spasial antar kecamatan yang berpotensi kebakaran dilakukan dengan menggunakan analisis Moran's I.
Analisis Daerah Rawan Banjir Pada Daerah Aliran Sungai Tuntang Menggunakan Skoring dan Inverse Distance Weighted Merryana Lestari; Mira Mira; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 4 No 1 (2021)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/icm.v4i1.4615

Abstract

Perubahan alih fungsi lahan dapat menyebabkan perubahan dalam lingkungan alam, seperti perubahan vegetasi, perubahan daya serap tanah, maupun sedimentasi sungai sehingga berpotensi mengakibatkan bencana alam. Apabila tidak dilakukan penanganan terhadap tata kelola penggunaan lahan dengan serius maka akan menyebabkan peningkatan debit air pada setiap tahunnya, sehingga daerah di sekitar sungai Tuntang akan berpotensi sebagai daerah yang rawan terdampak banjir. Pada penelitian ini, dilakukan pengklasifikasian menggunakan metode Normalized Difference Vegetation Index (NDVI), Normalized Difference Wetness Index (NDWI), Soil Adjusted Vegetation Index (SAVI), Standardized Precipitation Index (SPI) dan Interpolasi menggunakan Inverse Distance Weighted (IDW) kemudian di skoring untuk menganalisa daerah-daerah khususnya desa yang berpotensi rawan banjir pada sekitar Daerah Aliran Sungai Tuntang di Kecamatan Bawen dan Kecamatan Tuntang. Hasil dari penelitian ini menyimpulkan bahwa Kecamatan Bawen dan Kecamatan Tuntang merupakan daerah yang tidak rawan banjir dikarenakan tutupan lahan vegetasinya masih baik dan curah hujan masih dalam kapasitas normal.

Page 4 of 5 | Total Record : 44

 1   2   3   4   5 

Filter by Year

2018 2021


Reset
Filter By Issues
All Issue Vol 4 No 1 (2021) Vol 3 No 2 (2020) Vol 3 No 1 (2020) Vol 2 No 2 (2019) Vol 2 No 1 (2019) Vol 1 No 2 (2018) Vol 1 No 1 (2018)