{"title":"Resty Wulanningrum Penggunaan Algoritma K- Nearest Neighbor untuk Identifikasi Citra Kamboja","authors":"Resty Wulanningrum","doi":"10.29407/gj.v2i2.12253","DOIUrl":"https://doi.org/10.29407/gj.v2i2.12253","url":null,"abstract":"Abstrak– Teknologi saat ini sangat berkembang dengan pesat, terutama dari sectorpertanian. Dalam hal pertanian saja, tidak hanya dalam bidang tanaman khusus makanan pokok,tetapi sudah merambah ke dunia tanaman hias. Tanaman hias saat ini juga sangat tinggipermintaan, salah satunya adalah tanaman hiaskamboja. Kamboja merupakan salah satu tanamahias dengan banyak jenis. Jenis yang berbeda- beda ini juga memiliki ciri serta aroma yangberbeda- beda. Tak jarang sebagai orang awam sering salah menyebutkan jenis bunga kamboja ini.Karena secara umum terlihat sama bentuknya, ternyata bunga kamboja memiliki ciri yang unik daribentuk serta warnanya.Dari permasalahan di atas, maka dibuatlah sebuah rumusan masalah bagaimana membuatsebuah system untuk mengidentifikasi citra bunga kamboja dengan menggunakan algoritma KNearest Neighbor?Pada penelitian ini yang digunakan adalah jenis plumeria obtusa, plumeria rubra, danplumeria cendana. Jeni tanaman yang digunakan ini memiliki jumlah kelopak bunga yang sama,yaitu 5, tetapi bentuknya berbeda- beda. Data yang digunakan sebanyak 20 citra bunga setiapjenisnya. Dari 20 data tersebut akan dibuat 5 sekenario ujicoba untuk mendapatkan hasil yangterbaik. Hasil terbaik pada ujicoba yang dilakukan adalah pada sekenario pertama dengan akurasisebesar 88,9% dan yang terkecil pada sekenario ke- 5 yaitu sebesar 75,9 %. Hasil ujicoba yangbervariasi tersebut dipengaruhi oleh data training dan data testing. Semakin banyak datatrainingnya maka semakin tinggi pula hasil akurasi identifikasinya, begitu sebaliknya. Disarankanmenggunakan metode ekstraksi ciri yang lain untuk mendapatkan hasil yang maksimal.Kata Kunci— Kamboja , K-NN, Identifikasi","PeriodicalId":200108,"journal":{"name":"Generation Journal","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2018-07-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133595327","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Riska Nurtantyo Sarbini Integrasi Permodelan Game Content Model Pada Game Based Learning","authors":"R. N. Sarbini, Indah Yuni Astuti, Tri Handayani","doi":"10.29407/gj.v2i2.12254","DOIUrl":"https://doi.org/10.29407/gj.v2i2.12254","url":null,"abstract":"Abstrak–Permainan digital menjadi salah satu inovasi yang terus menjadi pilihan yangmemberikan pengalaman dan membuka wacana sesuai dari pesan yang ingin disampaikan olehpembuat game tersebut. Secara implisit pesan tersebut secara tidak langsung memiliki pengaruhterhadap pemahaman pemain. Di dalam Game-Based Learning terdapat lingkungan pembelajaranberbasis permainan yang dapat menginspirasi siswa untuk belajar, dan memberikan para siswakesempatan belajar yang besar untuk meningkatkan pembelajaran mereka. Salah satu alasanbahwa game berbasis pembelajaran memiliki sejumlah karakteristik yang melibatkan siswa danmenawarkan pengalaman belajar yang menyenangkan. Dipadukan dengan formalitas dalampembuatan game agar membuat permainan semakin bagus.Formalitas Game Content Model merupakan ontologi permainan dari sudut pandangkonten interaktif. terdiri dari model yang mewakili aspek inti dari sebuah game yang seriustermasuk definisi objek, atribut, perilaku, hubungan dengan seni dan komponen pustaka game,peristiwa dan perkembangan, pembangunan situasi yang terdiri dari karakter, objek, tujuan,peristiwa dan masalah yang harus diselesaikan melalui gameplaying.Penelitian berfokus pada pengembangan media pembelajaran digital berupa game basedlearning dengan integrasi dengan game content model sebagai formalitas dalam pembuatan gameagar memiliki lingkup permainan yang serius..Kata Kunci—Game-Based Learning, Game Content Model.","PeriodicalId":200108,"journal":{"name":"Generation Journal","volume":"127 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2018-07-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122496047","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Umar Wirahadi Kusuma Penggunaan Analytical Hierarchy Process Untuk Sistem Pendukung Keputusan Bantuan Siswa Miskin","authors":"Umar Wirahadi Kusuma","doi":"10.29407/gj.v2i2.12250","DOIUrl":"https://doi.org/10.29407/gj.v2i2.12250","url":null,"abstract":"Dalam kehidupan saat ini teknologi semakin canggih dan berkembang pesatdibidang Teknologi Informasi. Komputer saat ini bukanlah suatu hal yang asing lagi, tapi sudahmenjadi kebutuhan bagi banyak orang. Adanya computer bisa membantu atau mempermudahsegala bentuk kebutuhan manusia akan informasi dan teknologi. Sekolah saat ini hamper semuaadministrasi dan keuangan dibantu oleh computer. Bahkan juga untuk pemberian Bantuan KhususSiswa Miskin (BKSM) saat ini banyak yang sudah menggunakan computer. Hanya saja pengelolaanBKSM saat ini yang belum terakumulasi menggunakan database secara optimal, menyebabkankesulitan dalam pemrosesan data yang menyebabkan lamanya proses penentuan penerimaanBKSM.Hasil dari system pendukung keputusan atau prediksi diambil dari factor- factor yangmempengaruhi prestasi belajar siswa, yaitu keadaan keluarga, keadaan kesehatan orang tua,penghasilan orang tua, Jumlah keluarga yang ditanggung yang masih sekolah, dan prestasi yangdimiliki siswa. Kriteria- kriteria tersebut akan digunakan sebagai pertimbangan, bobot penilaiantertinggi yang didapat diasumsikan sebagai alternative terbaik, sehingga akan muncul dalambentuk data prioritas (rangking).Sistem Pendukung Keputusan ini menggunakan metode Analytical Hierarchy Process(AHP) untuk menyelesaikan permasalahan tersebut. Dengan adanya system SPK BKSM akanmempermudah dan mempercepat pengambilan keputusan. Dengan system yang dapat mempercepatpengambilan keputusan ini juga akan meningkatkan kualitas keputusan dalam menentukan siswayang berhak menerima BKSM. Sistem ini hanya bersifat sebuah rekomendasi sebuah keputusankepada pihak sekolah, untuk proses selanjutnya tetap tergantung pada sekolah yang bersangkutan.Kata Kunci— SPK, BKSM, AHP","PeriodicalId":200108,"journal":{"name":"Generation Journal","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2018-07-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125466835","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"Perbandingan Algoritma SVM dan SVM Berbasis Particle Swarm Optimization Pada Klasifikasi Beras Mekongga","authors":"Emilia Ayu Wijayanti, T. Rahmadanti, Ultach Enri","doi":"10.29407/gj.v5i2.16075","DOIUrl":"https://doi.org/10.29407/gj.v5i2.16075","url":null,"abstract":"Rice is the most important staple food in Indonesia. There are various types of varieties available, one of them is Inpari Mekongga variety. In Karawang, Mekongga rice type is the most popular and superior compared to others. However, this type of rice is often mixed with the other types because there are too many varieties and various other problems. Classifying varieties of rice types can be done to identify the types of rice. The classification of rice varieties in this research is divided into 2 classes, Mekongga and not Mekongga. The method that used in this reserach is Support Vector Machine (SVM) and Particle Swarm Optimatizon (PSO). SVM method was chosen because it basically handles the classification of two classes. Meanwhile, PSO method used to optimize the accuracy level of the SVM method. Combination from the two methods is very well used in classification data because it can increase the level of accuracy better. The purpose of this reserach is compare the accuracy of the 2 methods that used. The results from research is mekongga rice classification with Support Vector Machine has accuracy value 46.67% and AUC value 0.475. Meanwhile, using Support Vector Machine based on Particle Swarm Optimization (PSO) can help improve the classification of this mekongga rice with accuracy value 70.83% and AUC value 0.671.","PeriodicalId":200108,"journal":{"name":"Generation Journal","volume":"2014 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114443519","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
