Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKIndonesia merupakan negara agraris yang sebagian besar wilayahnya terdapat lahan sawah. Daerah sawah yang luas mengakibatkan susahnya melakukan monitoring untuk pemetaan luas dan kondisi sawah. Melalui foto udara, waktu pengambilan citra dapat dilakukan lebih cepat dan sesuai dengan perencanaan. Dalam penelitian ini pesawat LSA LAPAN Surveillance Aircraft milik LAPAN digunakan sebagai wahana untuk melakukan monitoring lahan sawah dengan muatan kamera multispektral. Kamera multispektral yang digunakan mempunyai 3 band yaitu merah, hijau dan inframerah. Hasil citra dari kamera multispektral kemudian diolah untuk membedakan lahan persawahan atau bukan. Uji akurasi dilakukan untuk memvalidasi hasil citra yang telah diproses. Selanjutnya didapatkan hasil pengolahan citra berupa identifikasi lahan pertanian aktif. Dengan memanfaatkan band merah dan inframerah dekat didapatkan Normalized Difference Vegetation Index NDVI yang dapat digunakan untuk mengetahui kualitas dan kesehatan tanaman. Dengan NDVI hasil dari identifikasi lahan pertanian dapat diklasifikasikan lagi berdasarkan nilai kehijauan tanaman. Hasil penelitian ini berupa identifikasi lahan pertanian aktif dengan tingkat kehijauan tanaman untuk mengetahui kualitas tanaman padi dari persawahan.

---

ABSTRACTIndonesia is an agricultural country where most of its area is paddy field. Large paddy field areas resulted in the difficulty of monitoring for extensive mapping and paddy field conditions. Using aerial photographs, image acquisition can be completed more quickly and according with the plan. In this study, LSA aircraft LAPAN Surveillance Aircraft belongs to LAPAN used as a vehicle for monitoring agricultural land with a multispectral camera payload. Multispectral cameras used to have three bands of red, green and near infrared. The results of the multispectral images from the camera are then processed to distinguish the rice fields or not. Accuracy test performed to validate the results of the image that has been processed. Furthermore, the image processing results obtained in the form of active agricultural land identification. By utilizing the red and near infrared bands obtained Normalized Difference Vegetation Index NDVI , which can be used to determine the quality and plant health. With NDVI result of the identification of agricultural land can be classified again based on the value of the green plants. The results of this study in the form of identification of active agricultural land with crop greenness levels to determine the quality of paddy rice crops."

"Identifikasi jenis material atap bangunan sangat dilakukan untuk bermacam pemanfaatan dari pemodelan cuaca mikro hingga analisis resiko bencana. Penelitian identifikasi jenis material atap bangunan telah dilakukan dengan menggunakan data hiperspektral, data lapangan, laboratorium serta data satelit penginderaan jauh masih memerlukan peningkatan akurasi. Penelitian ini bertujuan untuk mengembangkan metode spektroskopi reflektansi menggunakan kombinasi kanal spektral pada fusi data satelit penginderaan jauh resolusi resolusi spasial sangat tinggi (50 cm) dengan menerapkan koreksi spekular, masking vegetasi serta machine learning Random Forest untuk meningkatkan akurasi identifikasi jenis material atap bangunan. Metode yang dikembangkan menghasilkan akurasi untuk material aluminium, asbes, keramik, beton, genteng pasir besi dengan akurasi total 97.48% dengan nilai Kappa 0,958. Fusi data Pleiades dan Landsat-8 dilakukan untuk memperoleh data SWIR dengan panjang gelombang 2107–2294 nm dan resolusi spasial 50 cm untuk analisis spektral, sehingga identifikasi jenis material atap bangunan asbes dapat diidentifikasi dengan akurasi 95%. Koreksi spekular dan masking vegetasi meningkatkan akurasi identifikasi jenis material atap bangunan 8-12% sebagai perbaikan koreksi radiometrik dalam pengolahan data resolusi sangat tinggi.

---

Identification of the type of building roof material is widely used for various application from micro weather modeling to disaster risk analysis. Research on the identification of the type of building roof material has been carried out using hyperspectral data, field data, laboratories and remote sensing satellite data still requires increased accuracy. This study aims to develop method spectroscopy reflectance using a spectral channel combination on remote sensing satellite data fusion with very high spatial resolution (50 cm) by applying specular correction, vegetation masking and Random Forest machine learning to improve the accuracy of identifying the type of building roof material. The developed method produces accuracy for aluminum, asbestos, ceramic, concrete, iron sand tiles with a total accuracy of 97.48% with a Kappa value of 0.958. Pleiades and Landsat-8 data fusion was carried out to obtain SWIR data with a wavelength of 2107–2294 nm and a spatial resolution of 50 cm for spectral analysis, so that the identification of the type of asbestos roof material can be identified with an accuracy of 95%. Specular correction and vegetation masking increase the accuracy of identifying the type of building roof material by 8-12% as an improvement in radiometric correction in very high spatial resolution (50 cm) data processing."

"Kopi telah menjadi komoditas ekspor non migas yang memberikan kontribusi terhadap devisa negara dalam jumlah yang tidak sedikit. Nilai ekspor kopi sendiri pada kancah internasional bergantung kepada 2 faktor utama, yaitu jenis atau varietas biji kopi dan tingkat kelayakan atau kualitas dari biji kopi. Upaya untuk mengklasifikasikan kedua faktor tersebut masih cenderung dilakukan secara manual oleh para petani kopi. Atas pertimbangan inilah, penulis hendak menggunakan metode lain, yakni penggunaan model CNN (Convolutional Neural Network) dengan basis masukan berupa citra normal (spektrum RGB) dan citra multispektral (spektrum OCN). Selain itu, penulis juga hendak membandingkan performa dari 2 arsitektur model CNN yang berbeda, yakni ResNet18 terhadap SqueezeNet. Input dari kedua arsitektur ini berupa kombinasi dari citra normal, citra multispektral, atau citra yang telah diregistrasikan (1 citra dengan 6 channel berbeda). Hasil akurasi tertinggi dicapai oleh arsitektur ResNet18 dengan input citra normal (RGB) yang memberikan akurasi sebesar 89% untuk klasifikasi varietas biji kopi hijau, serta 97% untuk klasifikasi tingkatan kualitas biji kopi. Meski demikian, arsitektur ini mampu untuk melakukan klasifikasi multi-output secara bersamaan walaupun terdapat sedikit pengurangan pada tingkat akurasi yang didapatkan.

---

Coffee has become one of the non-oil and gas export commodity, providing numerous amount of Indonesia’s foreign income. Within the international market, the export value of coffee beans rely on 2 aspects, its variety and its quality. The attempts to classify coffee beans are done manually by the farmers. Therefore, the writer attempts to design a new method, using convolutional neural networks with normal (RGB spectrum image) and multispectral images (OCN spectrum image) as its inputs. The writer also wishes to analyze and compare 2 different CNN architectures performance in this case; ResNet18 towards SqueezeNet. Considering the combination of the inputs; normal images, multispectral images, or the registered images (images with 6 different channels). The highest accuracy acquired from the ResNet18 CNN model architecture using normal images (RGB) is as following: 86% for green coffee beans varieties classification, and 96% for green coffee beans. These architectures are also capable of performing multi-class output classification despite the trade-off in accuracy gained."

"Adanya pertumbuhan penduduk menyebabkan permintaan terhadap lahan semakin tinggi. Ketersediaan lahan bersifat terbatas sehingga terjadi persaingan penggunaan lahan antara lahan pertanian dan non pertanian. Hal ini terjadi di Kecamatan Cugenang, di mana luas lahan pertanian sawah terus mengalami penurunan. Sehingga perlu dilakukan kajian penilaian ekonomi yang dihasilkan lahan pertanian sawah. Penelitian ini bertujuan untuk menganalisis variasi nilai ekonomi lahan pertanian sawah dan menganalisis keterkaitan nilai ekonomi lahan pertanian sawah dengan karakteristik lokasi di Kecamatan Cugenang. Metode yang digunakan yaitu metode kuantitatif dengan uji statistik analysis of variance (ANOVA) dan korelasi pearson. Analisis yang digunakan yaitu analisis keruangan dan deskriptif. Hasil penelitian menunjukkan bahwa nilai ekonomi lahan sawah berbeda pada wilayah ketinggian yang berbeda. Nilai ekonomi lahan pertanian sawah pada ketinggian < 600 m memiliki nilai yang lebih tinggi, yaitu sebesar Rp2.982/m². Karakteristik lokasi yang memiliki hubungan dengan nilai ekonomi lahan pertanian sawah yaitu jarak dari pusat kota dan jarak dari pasar. Jarak dari pasar memiliki hubungan linier, sementara jarak dari pusat kota memiliki hubungan berbanding terbalik. Secara keseluruhan, lokasi fisik dari lahan pertanian sawah memiliki hubungan yang lebih signifikan dibandingkan dengan lokasi ekonomi karena tingkat produktivitas pada lahan pertanian sawah lebih dipengaruhi oleh lokasi fisik daripada lokasi ekonomi.

---

The population growth causes the demand for land to increase. The availability of land is limited so that there is competition for land use between agricultural and non-agricultural land. This happened in Cugenang District, where the area of ​​paddy fields continued to decrease. So it is necessary to study the economic evaluation produced by paddy fields. This study aims to analyze the variation of the economic value of paddy fields and to analyze the relationship between the economic values ​​of paddy fields and the characteristics of the location in Cugenang District. The method used is a quantitative method with statistical analysis of variance (ANOVA) and Pearson correlation. The analysis used is spatial and descriptive analysis. The results showed that the economic value of paddy fields was different at different elevation areas. The economic value of paddy fields at an elevation of < 600 m has a higher value, which is IDR 2,982/m². Location characteristics that have a relationship with the economic value of paddy fields are the distance from the city center and the distance from the market. The distance from the market has a linear relationship, while the distance from the city center has an inverse relationship. Overall, the physical location of paddy fields has a more significant relationship than economic location because the level of productivity in paddy fields is more influenced by physical location than economic location."

"Indonesia memproduksi lebih dari 700 ribu ton biji kopi, menjadikannya negara keempat terbesar penghasil kopi di dunia. Di dalam biji kopi sendiri, terkandung berbagai zat kimia yang bermanfaat bagi kesehatan seperti kafein, chlorogenic  acid (CA), dan trigonelline. Kadar masing-masing zat kimia ini bergantung pada varietas biji kopi serta tingkat penyangraiannya. Sebuah metode terbaru untuk meninjau sifat dari suatu biji kopi secara efisien dan non-destruktif adalah menggunakan Convolutional Neural Network (CNN), yaitu metode pembelajaran mesin (Machine learning) yang meninjau citra dari target yang diberikan. Jenis citra yang diberikan pada suatu model CNN dapat berupa citra multispektral yang terdiri dari banyak panjang gelombang. Citra semacam ini memiliki lebih banyak informasi karena jumlah pita gelombang yang lebih banyak, serta terdapat panjang gelombang yang tidak kasat mata. Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi varietas dan tingkat penyangraian biji kopi berbasis citra multispektral dengan menggunakan pemodelan Convolutional Neural Network dengan input citra multispektral dan output majemuk. Citra multispektral yang dipakai menggunakan terdiri atas citra RGB (Red, Green, Blue), dan OCN (Orange, Cyan, NIR). Hasil akurasi pengujian tertinggi dicapai menggunakan arsitektur SqueezeNet, input citra RGB sajam dengan akurasi 95,49% untuk klasifikasi varietas, dan 99,02% untuk tingkat penyangraian. Melalui penelitian ini, perancangan sistem multi output berbasis citra multispektral mampu mengklasifikasikan tingkat penyangraian dan varietas secara bersamaan.

---

Indonesia produces more than 700 thousand tons of coffee beans, making it the fourth largest coffee producing country in the world. Coffee beans themselves contain various chemicals that are beneficial for health, such as caffeine, chlorogenic acid (CA), and trigonelline. The levels of each of these chemicals depend on the coffee bean variety and the level of roasting. A new method for reviewing the properties of a coffee bean efficiently and non-destructively is using a Convolutional Neural Network (CNN), which is a machine learning method that reviews the image of a given target. The type of image given to a CNN model can be a multispectral image consisting of many wavelengths. This kind of image has more information because there are more wave bands, and there are wavelengths that are not visible to the eye. This research aims to design and build a classification system of varieties and roasting levels of multispectral image-based coffee beans using Convolutional Neural Network modeling with multispectral image input and compound output. The multispectral images used consist of RGB (Red, Green, Blue), and OCN (Orange, Cyan, NIR) images. The highest test accuracy results were achieved using SqueezeNet architecture, input RGB sharp image with 95.49% accuracy for variety classification, and 99.02% for roasting rate. Through this research, the design of a multispectral image-based multi-output system is able to classify roasting level and variety simultaneously."

"Ketahanan pangan berkaitan dengan produktivitas tanaman padi. Permasalahan utama yang dihadapi pada saat ini adalah masih rendahnya produktivitas padi. Tesis ini bertujuan untuk mengkaji peranan subsidi benih padi dan subsidi pupuk dalam meningkatkan produksi dan produktivitas tanaman padi dan mengkaji faktor-faktor yang mempengaruhi luas panen padi, produktivitas padi, harga beras, dan konsumsi beras dan impor beras di Indonesia tahun 1985 - 2012. Analisis data dilakukan dengan menggunakan persamaan simultan. Hasilnya menunjukkan bahwa luas panen padi secara signifikan dipengaruhi oleh curah hujan (+) dan kredit usaha tani (+), produktivitas padi secara signifikan dipengaruhi oleh harga beras (+), subsidi pupuk urea (+), dan produktivitas padi tahun sebelumnya (+), konsumsi beras secara signifikan dipengaruhi oleh konsumsi beras tahun sebelumnya (+), harga beras secara signifikan dipengaruhi oleh produksi padi (+) dan harga beras tahun sebelumnya (+), dan impor beras secara signifikan dipengaruhi oleh harga beras (+).

---

Food Security is a condition related to paddy productivity. Recently, one of major issues faced by Indonesian Farmers is low paddy productivity. Hence, the main objective of this thesis is to examine the impact of seed and fertilizer subsidies to paddy productivity. Moreover, this thesis also try to analyze some factors that affect harvest area, paddy productivity, the price of rice, and rice consumption as well as imported rice in Indonesia during 1985-2012. Data analyzed by using simultaneous equations. The results showed that the rice harvested area is significantly influenced by precipitation (+ and farm credit (+), paddy productivity is significantly influenced by the rice price (+) , fertilizer subsidy (urea), and the paddy productivity in previous year (+), rice consumption is significantly influenced by the rice consumption in previous year (+), the price of riceis significantly influenced by the production of paddy (+) and rice prices in previous year (+), and rice imports are significantly influenced by the price of rice (+)."

"This paper describes the development of experimental testing system and performance measurement of small turbojet engine:Olympus" manufactured by AMT Netherlands...."

"Menentukan dosis serap dengan menggunakan metode yang sering digunakan yaitu fixed dose dapat menghasilkan nilai error yang cukup tinggi yang dapat berakibat fatal kepada pasien. Sementara metode dosimetri dapat meminimalkan error tersebut dan juga dapat meningkatkan efektivitas dan efisiensi terapi. Namun, dosimetri pada kedokteran nuklir belum banyak diterapkan di Indonesia karena minimnya peralatan dan pengetahuan akan protokol. Kuantifikasi nilai cacahan menjadi aktivitas merupakan tahap awal dari perhitungan dosimetri. Dikarenakan keterbatasan dari fasilitas, perangkat pencitraan gamma camera masih sering digunakan. Oleh sebab itu, pada penelitian ini dikembangkanlah sebuah perangkat lunak yang dapat menguantifikasi nilai cacahan dari citra planar menjadi nilai aktivitas. Perangkat lunak yang dirancang menggunakan bahasa pemrograman MATLAB. Citra yang digunakan sebagai input dari perangkat lunak merupakan citra dari penelitian IAEA CRP E23005 dengan judul Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments (Hidayati et al., 2021). Dilakukan penggambaran region of interest (ROI) untuk beberapa organ yaitu left kidney, right kidney, liver, dan spleen dengan 1, 24,48, 72 jam setelah diinjeksikannya radiofarmaka. Validasi perangkat lunak dilakukan dengan membandingkan hasil kuantifikasi cacahan menjadi aktivitas oleh perangkat lunak dengan nilai hasil kuantifikasi dari referensi yang menggunakan data citra yang sama melalui nilai relative deviation (RD). Adapun nilai relative deviation (RD) yang didapatkan paling tinggi bernilai sekitar 8% apabila diamati berdasarkan variasi organ dan juga berdasarkan variasi time-point. Uji statistik dengan korelasi Pearson dilakukan untuk mengetahui lebih lanjut hubungan antara kedua data aktivitas. Didapatkan nilai koefisien korelasi untuk organ left kidney, right kidney, liver, dan spleen secara berurutan adalah 0,99739, 0,99687, 0,99687, 0,99687. Hal ini berarti bahwa terdapat korelasi kuat positif antara aktivitas yang didapatkan melalui perangkat lunak yang dirancang dengan data aktivitas pada referensi dan perangkat lunak ini dapat digunakan sebagai alternatif untuk kebutuhan kuantifikasi nilai cacahan menjadi aktivitas pada citra planar.

---

Determining the value of absorbed dose using the method that is often used, namely fixed dose can produce a fairly high error that can be fatal to the patient. Dosimetry method can minimize these errors and can also increase the effectiveness and efficiency of the therapy itself. However, dosimetry has not been implemented many times in Indonesia due to the lack of adequate equipment and knowledge of the protocol. Quantification of count rates into activity values is the first step of dosimetry calculations. Due to the limitations of facilities, the imaging device gamma cameras are still often used. Therefore, in this study a software was developed in which the software can quantify the count rates of planar images into activity values. The software was designed using MATLAB programming language. The images used as input of the software are  planar images from the IAEA CRP E23005 research with the title “Dosimetry in Molecular Radiotherapy for Personalized Patient Treatments” (Hidayati et al., 2021). Region of interests (ROI) were drawn for several organs, namely the left kidney, right kidney, liver, and spleen at 1, 24,48, 72 hours after the injection of the radiopharmaceutical. Validation of the software was done by comparing the results of count rates quantification into activities by the designed software with the value of the quantification results from the reference using the same images in the form of relative deviation (RD) values. The highest relative deviation (RD) value is around 8% when observed based on organ variations and also for time-point variations. Statistical test with Pearson correlation was conducted to find out more about the relationship between the two activity data results. The Pearson correlation coefficient values ​​for the left kidney, right kidney, liver, and spleen organs respectively were 0.99739, 0.99687, 0.99687, 0.99687. This means that there is a strong positive correlation between the activities obtained through the designed software and the activity data on the reference and the designed software can be used as an alternative for quantifying count rates of planar images ​​into activity values. "