cover
Filter by Year
Jurnal Ilmu Komputer dan Agri-Informatika
Jurnal Ilmu Komputer dan Agri-Informatika (JIKA) diterbitkan setiap bulan Mei dan November, memuat tulisan ilmiah yang berhubungan dengan bidang Ilmu Komputer serta aplikasi informatika untuk pengembangan pertanian. Berkala ilmiah ini menerima tulisan hasil penelitian dari luar IPB.
Articles by issue : Vol 2, No 1 (2013)
10
Articles
Pengukuran Kinerja Spam Filter Menggunakan Grahams Naïve Bayes Classifier

Adisantoso, Julio ( Institut Pertanian Bogor ) , Rahman, Wildan ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Email spam telah menjadi masalah utama bagi pengguna dan penyedia jasa Internet. Pendekatan heuristic telah dilakukan untuk menyaring spam seperti black-listing atau rule-based filtering, namun hasilnya kurang memuaskan sehingga pendekatan berbasis konten (content-based filtering) menggunakan pengklasifikasi naïve Bayes lebih banyak digunakan saat ini. Penelitian ini bertujuan membandingkan pengklasifikasi naïve Bayes multinomial yang menggunakan atribut boolean dengan versi Graham, dan juga membandingkan kinerja dari dua metode untuk data latih, yaitu train-everything (TEFT) dan train-on-error (TOE). Hasil evaluasi menunjukkan bahwa naïve Bayes multinomial memiliki kinerja lebih baik dibanding versi Graham. Di samping itu, metode data latih menggunakan TEFT dapat meningkatkan akurasi model klasifikasi dibanding metode TOE.Kata kunci: filter spam, naïve Bayes, metode training

Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo

Sari, Puspita Kartika ( Institut Pertanian Bogor ) , Priandana, Karlisa ( Institut Pertanian Bogor ) , Buono, Agus ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Sistem penilaian berdasarkan suara tepuk tangan sering digunakan dalam acara perlombaan di Indonesia. Namun, penentuan pemenang dengan cara konvensional cenderung subjektif. Penelitian ini mengembangkan sistem penilaian otomatis berbasis komputer untuk menghitung jumlah orang bertepuk tangan dan menentukan pemenang dari perlombaan berdasarkan tepuk tangan. Penelitian ini membandingkan dua metode yang dapat diterapkan yaitu metode berbasis frekuensi dan metode berbasis amplitudo. Metode yang berbasis frekuensi mengimplementasikan Mel Frequency Cepstral Coefficient (MFCC) sebagai pengekstraksi ciri dan codebook sebagai pengenal pola. Hasil yang diperoleh merupakan suatu model berupa kelas-kelas yang diklasterkan oleh K-Means clustering. Parameter penting dalam metode ini adalah jumlah koefisien cepstral, overlap, time frame, dan jumlah klaster. Beberapa pengujian dilakukan untuk menemukan parameter optimum dengan nilai akurasi tertinggi. Metode kedua merupakan metode berbasis amplitudo yang dilakukan dengan menghitung jumlah sampel sinyal yang memiliki nilai amplitudo di atas nilai-nilai ambang (thresholds) tertentu yang menghasilkan akurasi maksimum. Hasil penelitian menunjukkan bahwa akurasi sistem berbasis frekuensi untuk tepuk tangan periodik adalah 83.3% dan untuk tepuk tangan acak ialah 50% sehingga akurasi sistem untuk tepuk tangan acak berbasis threshold yang lebih sederhana ialah 66.7 %. Dengan demikian, metode berbasis amplitudo baik digunakan.Kata kunci: Codebook, K-means, Mel Frequency Cepstral Coefficients (MFCC), Pengenalan Suara, Threshold

Pengenalan Genus Diatom Menggunakan Principal Component Analysis dan Jaringan Saraf Tiruan Propagasi Balik Sebagai Classifier

Rahmi, Silvia ( Institut Pertanian Bogor ) , Haryanto, Toto ( Institut Pertanian Bogor ) , Pratiwi, Niken TM ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Diatom merupakan suatu mikroalga unisel (kadang berkoloni) yang mempunyai peranan penting dalam dunia riset dan penelitian. Identifikasi diatom merupakan pekerjaan yang rumit. Hal ini dikarenakan diatom memiliki ratusan taksa dengan banyak variasi bentuk dan karakteristik biologi yang menyebabkan proses identifikasinya tidak mudah bahkan bagi seorang pakar. Penelitian ini menerapkan Principal Component Analysis (PCA) untuk reduksi data dan Jaringan Saraf Tiruan (JST) untuk identifikasi diatom. Proporsi PCA yang digunakan ialah 80% dan 90%. JST yang digunakan adalah propagasi balik dengan satu hidden layer. Data yang dipakai pada penelitian ini adalah citra diatom berformat JPG yang diambil menggunakan mikroskop elektrik. Hasil penelitian menunjukkan bahwa generalisasi terbaik sebesar 90% diperoleh pada percobaan menggunakan proporsi PCA 90% dengan persentase data latih 80%.

Pembuatan Modul Rekomendasi pada OpenCart Menggunakan Metode Item-Based Collaborative Filtering

Nuryunita, Kirana ( Institut Pertanian Bogor ) , Nurhadryani, Yani ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan menambahkan modul rekomendasi pada content management system Opencart. Salah satu pendekatan dalam rekomendasi adalah item-based collaborative filtering. Metode item-based collaborative filtering dapat mengurangi waktu eksekusi perhitungan. Metode item-based collaborative filtering pada penelitian ini menggunakan perhitungan adjusted cosine similarity untuk menghitung nilai kemiripan antarbuku dan weighted sum untuk menghitung nilai prediksi rate buku. Untuk mendapatkan rekomendasi, pengguna harus melakukan login dan memberikan rate pada buku. Berdasarkan rate pengguna, nilai kemiripan dihitung menggunakan adjusted cosine similarity. Berdasarkan kemiripan antarbuku, nilai prediksi rate buku dicari menggunakan weighted sum. Sebelum buku direkomendasikan kepada pengguna, kategori prediksi buku dicocokkan dengan kategori buku yang telah diberi rate oleh pengguna. Penelitian ini menggunakan 300 buku dan 30 pengguna sebagai data. Dari hasil penelitian, hanya 17 pengguna yang mendapatkan rekomendasi. Pengujian dilakukan dengan menganalisis waktu eksekusi dan keakuratan rekomendasi. Waktu eksekusi dalam pengujian ini adalah 1.60 detik. Untuk menghitung keakuratan rekomendasi, penelitian ini menggunakan mean absolute error dengan hasil perhitungan 0.15.Kata kunci: e-commerce, item-based collaborative filtering, recommender system.

Perbandingan Metode Ekstraksi Ciri Histogram dan PCA untuk Mendeteksi Stoma pada Citra Penampang Daun Freycinetia

Satria, Dony ( Institut Pertanian Bogor ) , Mushthofa, Mushthofa ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar

Abstract

Ekstraksi fitur adalah proses pengambilan ciri sebuah objek yang dapat menggambarkan karakteristik dari objek tersebut. Pada penelitian ini, dua buah metode ekstraksi fitur digunakan, yaitu Principal Component Analysis (PCA) dan histogram untuk melakukan deteksi stoma pada gambar penampang daun Freycinetia. Penelitian ini menggunakan frame berjalan yang melakukan pengolahan bagian citra dan melakukan deteksi kemunculan stoma pada bagian citra tersebut. Untuk memodelkan kemunculan stoma, dibuat tiga kelas frame, yaitu frame dengan kemunculan stoma penuh, frame dengan kemunculan sebagian stoma, dan frame tanpa kemunculan stoma. Untuk proses klasifikasi, digunakan pemodelan menggunakan Jaringan Saraf Tiruan (JST) Backprogragation. Hasil percobaan menunjukkan bahwa ekstraksi fitur menggunakan PCA menghasilkan akurasi yang lebih baik dibandingkan dengan metode histogram. Nilai F1-measure yang terbaik yang didapatkan menggunakan ekstraksi fitur PCA ialah 0.9091.Kata kunci: deteksi stoma, ekstraksi fitur, Freycinetia, histogram, PCA

Pengukuran Kinerja Spam Filter Menggunakan Grahams Naïve Bayes Classifier

Adisantoso, Julio ( Institut Pertanian Bogor ) , Rahman, Wildan ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar | Full PDF (192.007 KB)

Abstract

Email spam telah menjadi masalah utama bagi pengguna dan penyedia jasa Internet. Pendekatan heuristic telah dilakukan untuk menyaring spam seperti black-listing atau rule-based filtering, namun hasilnya kurang memuaskan sehingga pendekatan berbasis konten (content-based filtering) menggunakan pengklasifikasi naïve Bayes lebih banyak digunakan saat ini. Penelitian ini bertujuan membandingkan pengklasifikasi naïve Bayes multinomial yang menggunakan atribut boolean dengan versi Graham, dan juga membandingkan kinerja dari dua metode untuk data latih, yaitu train-everything (TEFT) dan train-on-error (TOE). Hasil evaluasi menunjukkan bahwa naïve Bayes multinomial memiliki kinerja lebih baik dibanding versi Graham. Di samping itu, metode data latih menggunakan TEFT dapat meningkatkan akurasi model klasifikasi dibanding metode TOE.Kata kunci: filter spam, naïve Bayes, metode training

Perbandingan Sistem Perhitungan Suara Tepuk Tangan dengan Metode Berbasis Frekuensi dan Metode Berbasis Amplitudo

Sari, Puspita Kartika ( Institut Pertanian Bogor ) , Priandana, Karlisa ( Institut Pertanian Bogor ) , Buono, Agus ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar | Full PDF (951.151 KB)

Abstract

Sistem penilaian berdasarkan suara tepuk tangan sering digunakan dalam acara perlombaan di Indonesia. Namun, penentuan pemenang dengan cara konvensional cenderung subjektif. Penelitian ini mengembangkan sistem penilaian otomatis berbasis komputer untuk menghitung jumlah orang bertepuk tangan dan menentukan pemenang dari perlombaan berdasarkan tepuk tangan. Penelitian ini membandingkan dua metode yang dapat diterapkan yaitu metode berbasis frekuensi dan metode berbasis amplitudo. Metode yang berbasis frekuensi mengimplementasikan Mel Frequency Cepstral Coefficient (MFCC) sebagai pengekstraksi ciri dan codebook sebagai pengenal pola. Hasil yang diperoleh merupakan suatu model berupa kelas-kelas yang diklasterkan oleh K-Means clustering. Parameter penting dalam metode ini adalah jumlah koefisien cepstral, overlap, time frame, dan jumlah klaster. Beberapa pengujian dilakukan untuk menemukan parameter optimum dengan nilai akurasi tertinggi. Metode kedua merupakan metode berbasis amplitudo yang dilakukan dengan menghitung jumlah sampel sinyal yang memiliki nilai amplitudo di atas nilai-nilai ambang (thresholds) tertentu yang menghasilkan akurasi maksimum. Hasil penelitian menunjukkan bahwa akurasi sistem berbasis frekuensi untuk tepuk tangan periodik adalah 83.3% dan untuk tepuk tangan acak ialah 50% sehingga akurasi sistem untuk tepuk tangan acak berbasis threshold yang lebih sederhana ialah 66.7 %. Dengan demikian, metode berbasis amplitudo baik digunakan.Kata kunci: Codebook, K-means, Mel Frequency Cepstral Coefficients (MFCC), Pengenalan Suara, Threshold

Pengenalan Genus Diatom Menggunakan Principal Component Analysis dan Jaringan Saraf Tiruan Propagasi Balik Sebagai Classifier

Rahmi, Silvia ( Institut Pertanian Bogor ) , Haryanto, Toto ( Institut Pertanian Bogor ) , Pratiwi, Niken TM ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar | Full PDF (235.444 KB)

Abstract

Diatom merupakan suatu mikroalga unisel (kadang berkoloni) yang mempunyai peranan penting dalam dunia riset dan penelitian. Identifikasi diatom merupakan pekerjaan yang rumit. Hal ini dikarenakan diatom memiliki ratusan taksa dengan banyak variasi bentuk dan karakteristik biologi yang menyebabkan proses identifikasinya tidak mudah bahkan bagi seorang pakar. Penelitian ini menerapkan Principal Component Analysis (PCA) untuk reduksi data dan Jaringan Saraf Tiruan (JST) untuk identifikasi diatom. Proporsi PCA yang digunakan ialah 80% dan 90%. JST yang digunakan adalah propagasi balik dengan satu hidden layer. Data yang dipakai pada penelitian ini adalah citra diatom berformat JPG yang diambil menggunakan mikroskop elektrik. Hasil penelitian menunjukkan bahwa generalisasi terbaik sebesar 90% diperoleh pada percobaan menggunakan proporsi PCA 90% dengan persentase data latih 80%.

Perbandingan Metode Ekstraksi Ciri Histogram dan PCA untuk Mendeteksi Stoma pada Citra Penampang Daun Freycinetia

Satria, Dony ( Institut Pertanian Bogor ) , Mushthofa, Mushthofa ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar | Full PDF (277.308 KB)

Abstract

Ekstraksi fitur adalah proses pengambilan ciri sebuah objek yang dapat menggambarkan karakteristik dari objek tersebut. Pada penelitian ini, dua buah metode ekstraksi fitur digunakan, yaitu Principal Component Analysis (PCA) dan histogram untuk melakukan deteksi stoma pada gambar penampang daun Freycinetia. Penelitian ini menggunakan frame berjalan yang melakukan pengolahan bagian citra dan melakukan deteksi kemunculan stoma pada bagian citra tersebut. Untuk memodelkan kemunculan stoma, dibuat tiga kelas frame, yaitu frame dengan kemunculan stoma penuh, frame dengan kemunculan sebagian stoma, dan frame tanpa kemunculan stoma. Untuk proses klasifikasi, digunakan pemodelan menggunakan Jaringan Saraf Tiruan (JST) Backprogragation. Hasil percobaan menunjukkan bahwa ekstraksi fitur menggunakan PCA menghasilkan akurasi yang lebih baik dibandingkan dengan metode histogram. Nilai F1-measure yang terbaik yang didapatkan menggunakan ekstraksi fitur PCA ialah 0.9091.Kata kunci: deteksi stoma, ekstraksi fitur, Freycinetia, histogram, PCA

Pembuatan Modul Rekomendasi pada OpenCart Menggunakan Metode Item-Based Collaborative Filtering

Nuryunita, Kirana ( Institut Pertanian Bogor ) , Nurhadryani, Yani ( Institut Pertanian Bogor )

Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 1 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Original Source | Check in Google Scholar | Full PDF (921.531 KB)

Abstract

Penelitian ini bertujuan menambahkan modul rekomendasi pada content management system Opencart. Salah satu pendekatan dalam rekomendasi adalah item-based collaborative filtering. Metode item-based collaborative filtering dapat mengurangi waktu eksekusi perhitungan. Metode item-based collaborative filtering pada penelitian ini menggunakan perhitungan adjusted cosine similarity untuk menghitung nilai kemiripan antarbuku dan weighted sum untuk menghitung nilai prediksi rate buku. Untuk mendapatkan rekomendasi, pengguna harus melakukan login dan memberikan rate pada buku. Berdasarkan rate pengguna, nilai kemiripan dihitung menggunakan adjusted cosine similarity. Berdasarkan kemiripan antarbuku, nilai prediksi rate buku dicari menggunakan weighted sum. Sebelum buku direkomendasikan kepada pengguna, kategori prediksi buku dicocokkan dengan kategori buku yang telah diberi rate oleh pengguna. Penelitian ini menggunakan 300 buku dan 30 pengguna sebagai data. Dari hasil penelitian, hanya 17 pengguna yang mendapatkan rekomendasi. Pengujian dilakukan dengan menganalisis waktu eksekusi dan keakuratan rekomendasi. Waktu eksekusi dalam pengujian ini adalah 1.60 detik. Untuk menghitung keakuratan rekomendasi, penelitian ini menggunakan mean absolute error dengan hasil perhitungan 0.15.Kata kunci: e-commerce, item-based collaborative filtering, recommender system.