Jurnal Ilmu Komputer dan Agri-Informatika
Not a member yet
160 research outputs found
Sort by
Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM)
Get PDFA very significant increase in the price of basic necessities will affect the economy of the Indonesian people, such as lowering purchasing power. Based on the monitoring of the Strategic Food Price Information Center from November 2021 to August 2022, cooking oil is a necessities that experienced a very significant increase of price in Indonesia. This increase was spread evenly across 34 provinces of Indonesia, including the province of West Java. This significant increase can be prevented by taking preventive actions before, if this increase has been predicted. Deep Learning is a supervised learning method that is widely used today because of its reliability in solving various problems in the field of data mining. Deep learning can predict future cooking oil prices using time series data. This study develops a model to predict the price of cooking oil in bulk and packaged form using deep learning that specifically manages time series data, namely Long Short Term Memory (LSTM). Based on the NRMSE evaluation metric, the model built is able to recognize the price fluctuation of cooking oil in the form of bulk and packaging. The NRMSE value of the LSTM model in the training process is 0.019 for bulk cooking oil data training, and 0.037 for packaged cooking oil data.Kenaikan harga bahan kebutuhan pokok yang sangat signifikan akan menimbulkan dampak negatif bagi perekonomian masyarakat Indonesia, salah satunya adalah penurunan daya beli. Berdasarkan monitor Pusat Informasi Harga Pangan Strategis dari November 2021 hingga Agustus 2022, minyak goreng merupakan salah satu bahan pokok yang mengalami kenaikan harga yang sangat signifikan di. Kenaikan ini tersebar merata di 34 provinsi Indonesia, termasuk provinsi Jawa Barat. Kenaikan yang signifikan ini dapat dicegah dengan melakukan tindakan preventif jauh hari sebelumnya, jika kenaikan ini telah diprediksi sebelumnya. Deep Learning merupakan metode supervised learning yang banyak digunakan saat ini karena kehandalannya untuk menyelesaikan berbagai masalah di bidang penambangan data. Deep learning dapat melakukan prediksi harga minyak goreng untuk masa yang akan datang menggunakan data deret waktu. Penelitian ini mengembangkan model untuk memprediksi harga minyak goreng berbentuk curah maupun kemasan menggunakan deep learning yang khusus mengelola data time serires yaitu Long Short Term Memory (LSTM). Berdasarkan metrik evaluasi NRMSE, model yang dibangun mampu mengenali pola harga minyak goreng berbentuk curah maupun kemasan. Nilai NRMSE model LSTM pada proses pelatihan adalah 0.019 untuk pelatihan data minyak goreng curah, dan 0.037 untuk data minyak goreng kemasan
Development of Bayesian Regularization Backpropagation Model for Estimating Nutrient Values of Chemical Composition of Ruminant Animal Feed
Get PDFPerbedaan komponen kimia pakan ternak dapat memengaruhi nilai nutrisi hewan ternak ruminansia. Untuk menentukan komposisi kimia dan nutrisi yang dihasilkan oleh pakan ternak tersebut perlu dilakukan analisis di laboratorium. Sebagai alternatif, pada penelitian ini estimasi nutrisi pakan ruminansia berdasarkan komposisi kimia pakan dilakukan menggunakan bayesian regularization backpropagation menggunakan data sekunder. Data yang digunakan dalam penelitian ini diperoleh dari hasil penelitian Rowett Research Institute Prancis pada kategori main constituents dan ruminant nutritive values. Main constituents menunjukkan komposisi kimia pakan ruminansia sedangkan ruminant nutritive values menunjukkan nilai nutrisi pakan yang akan diprediksi. Model bayesian regularization backpropagation yang dibangun memiliki 12 neuron input yang berasal dari 12 komponen kimia pakan ruminansia. Jumlah maksimal output model tersebut adalah 8 neuron yang merupakan 8 nilai nutrisi pakan ruminansia. Proses pelatihan dilakukan dengan metode validasi silang dengan memvariasikan jumlah neuron lapisan tersembunyi dari 5 sampai dengan 50 dan jumlah neuron output sebanyak 8, 6 dan 3. Hasil percobaan menunjukkan model bayesian regularization backpropagation terbaik adalah model dengan 8 output dengan nilai root mean square error sebesar 3.47 dan nilai mean absolute percentage error sebesar 11.82%.The variety of chemical components of animal feed affects the nutritional value of ruminants. To determine the chemical composition and nutrients produced by the animal feed, it is necessary to analyze them in the laboratory. As an alternative, in this study, the estimation of ruminant feed nutrition based on the chemical composition of the feed was carried out using bayesian regularization backpropagation using secondary data. The data used in this study were obtained from the research results of the French Rowett Research Institute in the categories of main constituents and ruminant nutritive values. The main constituents indicate the chemical composition of the ruminant feed, while the ruminant nutritive values represent the nutritional value of the feed to be predicted. The Bayesian regularization backpropagation model has 12 input neurons derived from 12 chemical components of ruminant feed. The total output of the model is 8 output neurons derived from 8 nutritional values of ruminant feed. The training process is conducted using the cross-validation method by varying the number of neurons in the hidden layer and the number of output neurons. This study uses 5 to 50 neurons in the hidden layer with 8, 6 and 3 neurons in the output layer. The experimental results show that the best bayesian regularization backpropagation model is the model with 8 outputs with a root mean square error of 3.47 and a mean absolute percentage error of 11.82%
Estimation of Lignin Content in Rice Bran Mixed with Husk using Statistical Textures and KNN
Get PDFPemalsuan dedak padi terjadi cukup tinggi karena harga dedak padi yang mahal. Kualitas dedak padi yang bercampur sekam dapat menurun karena kandungan serat kasar dan lignin bersifat anti-nutrisi. Kandungan lignin dapat diestimasi dengan tekstur citra dedak padi yang bercampur sekam. Penelitian ini bertujuan untuk melakukan analisis tekstur pada citra dedak padi yang bercampur sekam menggunakan metode ekstraksi ciri run length dengan klasifikasi k-nearest neighbour (KNN). Citra dedak padi yang bercampur sekam diakuisisi dengan mikroskop digital Dino Capture dengan perbesaran sebesar 200 kali. Citra yang dihasilkan berukuran 640×480 piksel dengan format bitmap. Praproses dilakukan dengan mengubah citra RGB ke dalam grayscale, kemudian dilakukan image enhancement menggunakan histogram equalization. Data uji dan data latih ditentukan menggunakan 5-fold cross validation dengan 3 ulangan. Hasil KNN dengan 7 fitur run length menghasilkan akurasi terbaik sebesar 74.55% pada sudut 135° dan k = 5.Adulteration in rice bran happens quite high due to the expensive price of rice bran. Mixing the rice bran with husk could decrease the rice bran quality because the content of crude fiber and lignin cointained in husk are anti-nutrients. Lignin content can be estimated by the texture of rice bran mixed with husk image. This study aimed to analyze the texture of rice bran mixed with husk image using run length feature extraction method with k-nearest neighbour (KNN) classification. The images of rice bran mixed with husk were taken using Dino Capture digital microscope with magnification 200 times. The images were generated with the spatial resolution of 640×480 pixels in a bitmap format. Those images were converted from RGB into grayscale in preprocessing phase, then the result of grayscale images were enhanced using histogram equalization as image enhancement method. The training and testing was determined using 5-fold cross validation with 3 repetition. The result of KNN classification with 7 features showed the highest accuracy of 74.55%
Penerapan Konsep Internet of Things Pada Sistem Monitoring Volume Timbulan Sampah di Tempat Penampungan Sementara Kota Bogor
No full textSampah masih menjadi salah satu masalah yang sulit untuk ditangani oleh pemerintah Kota Bogor. Dengan jumlah penduduk mencapai angka 1.08 juta jiwa, jumlah sampah yang dihasilkan perharinya mencapai 2 532.5 liter. Jumlah sampah yang tergolong banyak ini hanya diakomodasi oleh jumlah armada angkutan sampah yang terbatas. Hal ini mengakibatkan sampah di Tempat Penampungan Sementara (TPS) menumpuk sehingga mencemari lingkungan. Oleh karena itu, diperlukan sebuah sistem monitoring jarak jauh untuk mengetahui volume timbulan sampah. Penelitian ini membangun sebuah prototype untuk mengetahui volume timbulan sampah secara real-time dan memberikan notifikasi untuk pengambilan sampah di luar jadwal regular, yaitu ketika volume timbulan sampah mendekati volume maksimal bak sampah. Metode yang digunakan dalam penelitian adalah frame difference algorithm dan perspective transformation. Selain itu, penelitian ini juga menerapkan konsep Internet of Things dalam aplikasi berbasis mobile sebagai sistem monitoring dan notifikasi. Nilai error atau RMSE antara tinggi aktual volume timbulan sampah dan tinggi timbulan volume sampah hasil pengolahan citra yang didapat adalah 0.2060 dan akurasi sebesar 97.93 persen
Penerbangan Otomatis Pesawat Tanpa Awak Sayap Tetap Menggunakan Flight Controller Berbasis iNav
Get PDFPesawat tanpa awak (UAV) dapat dikendalikan secara manual dengan remote control atau secara otomatis dengan flight controller (FC). Sangat sedikit penelitian yang membahas konfigurasi penerbangan otomatis UAV sayap tetap dengan memakai firmware iNav. Oleh karena itu, penelitian ini bertujuan untuk melakukan penerbangan otomatis pada UAV jenis sayap tetap dengan iNav. UAV yang digunakan adalah model SkySurfer X8 dengan bentang sayap 1.40 m. FC yang digunakan adalah Matek F405-Wing. Metode penelitian ini terdiri atas lima tahap: perakitan, konfigurasi, pengujian, pengambilan dan pemrosesan data, dan analisis data. Berdasarkan hasil uji terbang, UAV berhasil terbang secara otomatis mengikuti skenario yang diberikan. Skenario terpanjang berupa persegi berukuran 600×600 m pada ketinggian 100 m, yang ditempuh dalam waktu sekitar 2 menit dengan kecepatan sekitar 65 km/jam. Hasil dari penelitian ini berupa prosedur perakitan, konfigurasi, operasi, dan hasil data uji terbang diharapkan dapat menjadi acuan dalam penelitian UAV sayap tetap menggunakan iNav.Unmanned aerial vehicle (UAV) can be controlled manually using remote control or automatically using flight controller (FC). There was very little study on configuring automatic flight of fixed wing UAV using iNav firmware. Therefore, this study conducted an automatic flight of a fixed wing UAV by configuring an FC hardware using iNav. We used SkySurfer X8 with 1.40 m wing span as the UAV and Matek F405-Wing as the FC. The method of this study consists of: assembly, configuration, testing, data acquisition and processing, and data analysis. Based on the flight test results, the UAV has managed to fly automatically following the given scenario. The longest scenario is a square of 600×600 m at altitude of 100 m, that was finished at around 2 minutes with the speed of around 65 kph. We hope that the procedures of assembling, configuration, operation, dan flight record data that was obtained in this research could be used as a guide to conduct further research on fixed wing UAV using iNav
Building an Artificial Neural Network Model to Predict the Tendency of Parental Mediation Types on Internet Use by Children
Get PDFMediasi orang tua sangat diperlukan agar dampak negatif penggunaan internet oleh anak yang tinggi di masa pandemi Covid-19 dapat diminimalisir. Penelitian ini dilakukan dengan membuat model jaringan saraf tiruan (JST) untuk mengetahui hubungan antara faktor dalam keluarga dan teknik mediasi orang tua di wilayah Bogor. JST penelitian ini dibangun menggunakan metode pembelajaran propagasi balik (backpropagation). Faktor dalam keluarga yang diteliti sebagai masukan JST adalah usia orang tua, pendidikan, jumlah anak, usia anak, durasi menggunakan internet, serta jumlah media sosial yang digunakan. Jenis mediasi orang tua yang digunakan sebagai luaran jaringan adalah mediasi aktif penggunaan internet umum, mediasi aktif penggunaan bersama, mediasi pasif penggunaan bersama, mediasi pembatasan aktivitas berinternet, mediasi pembatasan penggunaan internet secara umum, mediasi aktif keamanan internet, mediasi pemantauan, dan mediasi teknis penggunaan internet. Data diperoleh melalui survei terhadap 282 orang tua di wilayah Bogor pada Februari-Juni 2021. Penelitian ini telah membangun model JST untuk memprediksi kecenderungan tipe mediasi orang tua dengan mean-squared error sebesar 0.05132. Model yang dihasilkan dapat dikembangkan lebih lanjut menjadi aplikasi edukasi sederhana yang dapat digunakan oleh orang tua untuk mengetahui jenis mediasi yang mereka lakukan. Dengan lebih memahami jenis mediasi yang mereka lakukan, kami berharap orang tua dapat memiliki pemahaman lebih baik mengenai mediasi orang tua dan dapat menerapkan teknik mediasi yang paling sesuai dengan kondisi yang mereka alami untuk mewujudkan ketahanan keluarga.Internet use by children is increasing during the Covid-19 pandemic. Therefore, parental mediation is needed to minimize the negative impact of internet use by children. This study aims to create a model based on an artificial neural network (ANN) to determine the relationship between factors in the family with parental mediation techniques in the Bogor area. The NN learning method used in this study is the Backpropagation learning method. We include the following factors in the study as the inputs of the NN, i.e. the age of parents, education, number of children, age of children, duration of using the internet, and number of social media accounts used. The types of parental mediation used as network outputs are active mediation of general internet use, active mediation of shared use, passive mediation of shared use, mediation of restrictions on internet activities, mediation of restrictions on general internet use, active mediation of internet security, monitoring mediation, and technical mediation of internet usage. We obtained the research data through a survey of 282 parents in the Bogor area in February-June 2021. This study has built an ANN model to predict the tendency of parental mediation types with a mean-squared error of 0.05132. The resulting model can be further developed into a simple educational application that can be used by parents to find out what type of mediation they are doing. By better understanding the types of mediation they do, we hope that parents can have a better understanding of parental mediation and can apply mediation techniques that are most appropriate to the conditions they experience to create family resilience
Sentiment Analysis of Twitter Users on COVID-19 Vaccines in Indonesia using Random Forest and BERT Algorithms
Get PDFPandemi Covid-19 mendorong banyak pihak agar mampu beradaptasi dengan kondisi terkini. Salah satu program yang diluncurkan pemerintah agar dapat mengatasi penyebaran Covid-19 adalah dengan menjalankan progam vaksinasi. Agar dapat mengetahui animo masyarakat terkait program vaksinasi Covid-19 yang diluncurkan, perlu dilakukan analisis sentimen. Analisis sentimen pada umumnya dilakukan untuk mendapatkan informasi terkini dari korpus yang besar. Tujuan penelitian ini adalah melakukan analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menggunakan Algoritme Random Forest dan Bidirectional Encoder Representation from Transformer (BERT). Tahapan penelitian yang dilakukan meliputi praproses data Twitter yang berkaitan dengan vaksinasi Covid-19, pelabelan sentimen, penanganan data yang tidak seimbang, pengklasifikasian dataset menggunakan algoritma Random Forest dan BERT, serta analisis dan evaluasi. Setelah dilakukan penanganan data yang tidak seimbang, hasil analisis sentimen pengguna Twitter terhadap vaksinasi Covid-19 di Indonesia menghasilkan akurasi sebesar 81%, F1-score sebesar 74%, presisi 76%, dan recall 74%. menggunakan algoritme Random Forest dan akurasi sebesar 82%, F1-score 79%, presisi 78%, dan recall 79%. menggunakan Algoritme BERT. Meskipun secara umum Algoritme BERT memiliki kinerja klasifikasi yang sedikit lebih baik dari Algoritme Random Forest, hasil simulasi menunjukkan bahwa algoritme Random Forest memiliki waktu komputasi yang signifikan lebih rendah dibandingkan dengan algoritme BERT pada kasus yang diujikan.The Covid-19 pandemic has encouraged many stakeholders to be able to adapt to current conditions. One of the programs launched by the government in order to overcome the spread of Covid-19 is to run a vaccination program. In order to find out the public\u27s interest in the Covid-19 vaccination program that was launched, it is necessary to carry out a sentiment analysis. Sentiment analysis is generally done to obtain the latest information from a large corpus. The purpose of this study is to analyze the sentiments of Twitter users towards the Covid-19 vaccination in Indonesia using the Random Forest and BERT Algorithms. The research stages include pre-processing Twitter data related to Covid-19 vaccination topics, sentiment labeling, handling unbalanced data, classifying datasets using the Random Forest and BERT algorithms, as well as analysis and evaluation. After handling unbalanced data, the results of Twitter user sentiment analysis for Covid-19 vaccination in Indonesia yielded an accuracy of 81%, F1-score of 74%, precision of 76%, and recall of 74% using the Random Forest algorithm and an accuracy of 82%, F1-score 79%, precision of 78%, and recall of 79% using the BERT Algorithm. Although the BERT Algorithm has generally a slightly higher performance than the Random Forest Algorithm, the simulation results show that the Random Forest algorithm has significantly lower computation time compared to the BERT algorithm in the considered case
Early Investigation of Higher Education Digital Services Usage. Case Study: IPB Mobile for Students
Get PDFDigital services at universities have become necessary, especially after the Covid-19 pandemic disrupted universities. The transformation of the teaching and learning process and its supporting activities from face-to-face to online requires a support system that is inclusive and accessible to the entire higher education community. In 2020, Bogor Agricultural University launched the IPB Mobile for Students application which provides services for students digitally. This research was conducted to conduct an initial investigation of the use of the application. The investigation was carried out using a survey of 198 student respondents from the Bogor Agricultural University in February - March 2022. The questionnaire consisted of two parts: context questions to explore the use of IPB Mobile for Students by students and open questions to seek feedback from students. In general, the results of this initial investigation have insights regarding the use of digital services at IPB, especially in the IPB Mobile for Students application. It can be seen that digital services play an essential role in the teaching and learning process. Student engagement with digital services Reflects a changing pattern or transformation of the standard process for academic services in higher education. This study recommends further studies to examine the use of higher education digital services.Layanan digital pada perguruan tinggi menjadi suatu kebutuhan, terlebih lagi setelah pandemi Covid-19 mendisrupsi perguruan tinggi. Transformasi proses belajar mengajar dan kegiatan pendukungnya dari tatap muka menjadi daring membutuhkan suatu sistem pendukung yang inklusif dan dapat diakses oleh seluruh civitas perguruan tinggi. Pada tahun 2018, Institut Pertanian Bogor telah meluncurkan aplikasi IPB Mobile for Students yang menyediakan layanan-layanan bagi mahasiswa secara digital. Penelitian ini dilakukan untuk melakukan investigasi awal terhadap penggunaan aplikasi tersebut. Investigasi dilakukan dengan menggunakan survei terhadap 196 responden mahasiswa Institut Pertanian Bogor pada bulan Februari - Maret 2022. Kuesioner terdiri atas dua bagian, yaitu pertanyaan konteks untuk menggali penggunaan IPB Mobile for Students oleh mahasiswa serta pertanyaan terbuka untuk menggali umpan balik dari mahasiswa. Secara umum, hasil dari investigasi awal ini telah memperlihatkan wawasan terkait penggunaan layanan digital di IPB, terutama pada aplikasi IPB Mobile for Students. Terlihat bahwa layanan digital memegang peranan penting dalam proses belajar mengajar. Keterikatan mahasiswa dengan layanan digital mencerminkan perubahan pola atau transformasi terhadap proses standar pelayanan akademik di perguruan tinggi. Penelitian ini merekomendasikan penelitian-penelitian selanjutnya untuk mengkaji penggunaan layanan digital perguruan tinggi
Pengamanan Internet of Things untuk Tanda Tangan Digital Menggunakan Algoritme Elgamal Signature Scheme
Get PDFInternet of Things (IoT) memungkinkan suatu objek menghasilkan data dan bertukar data. Pengaplikasian IoT menggunakan mikrokontroler seperti Arduino belum memiliki fitur untuk menjaga keamanan data di dalamnya. Selain itu, Arduino memiliki kapabilitas komputasi terbatas. Oleh karena itu, perlu diterapkan kriptografi dengan algoritme yang memiliki komputasi rendah pada Arduino untuk menjaga keamanan data. Penjagaan keamanan data terutama pada keaslian asal data, dilakukan dengan menggunakan tanda tangan digital. Penerapan tanda tangan digital dapat dilakukan salah satunya dengan algoritme Elgamal signature scheme. Penerapan tanda tangan digital menggunakan algoritme Elgamal signature scheme berhasil diterapkan pada perangkat Arduino Uno untuk melakukan tanda tangan digital dan verifikasi. Kinerja algoritme Elgamal signature scheme dilihat dari analisis waktu eksekusi dan analisis keamanan algoritme. Waktu eksekusi proses tanda tangan digital membutuhkan waktu lebih lama dibandingkan dengan waktu eksekusi proses verifikasi. Algoritme Elgamal signature scheme membutuhkan waktu dua kali lebih lama karena banyaknya perhitungan sistematis pada perangkat Arduino Uno. Proses verifikasi terbukti gagal jika ada perubahan data dan pasangan tanda tangan digital.
Kata Kunci: Arduino, Elgamal signature scheme, internet of things, kriptografi, tanda tangan digital
Simulasi Kinerja Motor BLDC untuk Merancang Sistem Kelistrikan Mobil Hemat Energi Menggunakan Simulink
Get PDFKontes Mobil Hemat Energi (KMHE) merupakan lomba tingkat nasional yang diselenggarakan oleh Kementerian Riset dan Teknologi Indonesia yang bertujuan untuk mewadahi kreativitas mahasiswa seluruh Indonesia dalam merancang, membangun, menguji dan menyelenggarakan kompetisi mobil hemat energi yang aman dan ramah lingkungan. Peserta dari kegiatan ini adalah seluruh mahasiswa teknik di Indonesia. Penelitian ini membahas mengenai rancang bangun sistem kelistrikan mobil hemat energi yang telah sesuai regulasi KMHE 2019. Metode yang digunakan dalam penelitian ini adalah melalui simulasi Simulink MATLAB dengan menggunakan sistem kontrol Proportional Integral Derivative (PID). Hasil simulasi dengan program Simulink MATLAB R2020b menunjukkan bahwa motor BLDC dengan kecepatan putar 100-900 rpm menghasilkan torsi motor sebesar 30 Nm dan memiliki daya sekitar 960 W. Hal ini menunjukkan bahwa motor BLDC telah melebihi kebutuhan perancangan mobil listrik.
Kata Kunci: KMHE, motor BLDC, ramah lingkungan, sistem kelistrikan, torsi motor