Tomat adalah salah satu buah yang banyak dikonsumsi oleh masyarakat Indonesia. Akan tetapi, produksi tomat tidak diimbangi dengan budidaya yang baik sehingga daun tomat terserang penyakit. Di Indonesia, penyakit utama yang menyerang daun tomat yaitu busuk daun dan bercak bakteri. Busuk daun mengakibatkan pertumbuhan tanaman tomat terhambat dan bercak bakteri mengakibatkan kualitas tanaman tomat kurang baik. Saat ini, identifikasi penyakit masih dilakukan secara manual dengan penglihatan manusia. Cara ini membuat petani menggunakan obat yang salah dalam menyembuhkan penyakit daun tomat. Teknologi pengolahan citra digital dapat digunakan untuk mengetahui kondisi daun tomat yang terserang penyakit dengan mudah. Penelitian ini bertujuan untuk merancang sistem identifikasi penyakit pada daun tomat dengan menggunakan RGB sebagai fitur ekstraksi warna dan Gray Level Co-Occurance Matrix (GLCM) sebagai fitur ekstraksi tekstur. Hasil dari sistem identifikasi penyakit pada daun tomat adalah penentuan label Sehat, Bercak Bakteri, dan Busuk Daun. Tingkat akurasi penelitian ini adalah 92,89% pada nilai k = 1 dengan menggunakan metode K-Nearest Neighbor (KNN).
Perkembangan bisnis di dunia industri mengalami perkembangan yang sangat pesat, salah satunya adalah perusahaan pupuk yang bergerak di jasa penyedia pupuk untuk memenuhi kebutuhan petani. Masa pemupukan tanaman yang dilakukan oleh para petani sangat dipengaruhi oleh faktor musim. Hal tersebut mempengaruhi jumlah permintaan produk pupuk yang berbeda setiap periodenya pada perusahaan. Perusahaan perlu memperhatikan aspek produksi pupuk akibat penumpukan dan kurangnya kebutuhan bahan baku pupuk pada gudang pada saat produksi pupuk berlangsung. Forecasting merupakan kegiatan untuk memprediksi nilai-nilai atau kejadian pada masa mendatang. Metode forecasting yang tepat dapat membantu perencanaan bisnis yang baik dalam perusahaan. Pengolahan dan analisis data penjualan masa lampau dapat digunakan untuk proses forecasting, sehingga didapatkan gambaran dan infomasi mengenai kebutuhan bahan baku yang di butuhkan selama proses produksi. Dalam penelitian kali ini, dilakukan Pengembangan Sistem Informasi Peramalan Penjualan Guna Menentukan Kebutuhan Bahan Baku Pupuk Menggunakan Metode Triple Exponential Smoothing. Sistem ini dapat membantu peramalan penjualan yang kemudian dapat di breakdown ke kebutuhan bahan baku yang dibutuhkan oleh perusahaan dengan menggunakan metode Triple Exponential Smoothing. Metode Triple Exponential Smoothing dapat diimplementasikan pada data penjualan pupuk dari tahun 2013, 2014, dan 2015 yang mempunyai unsur time series musim dan trend. Sistem ini dapat digunakan untuk meramalkan penjualan pupuk guna menentukan kebutuhan bahan baku pupuk subsidi sampe hasil peramalan pupuk subsidi urea sebesar 29.966 ton sehingga breakdown bahan baku urea berupa amoniak sebesar 17.320 ton dan CO2 sebesar 22.175 ton dengan rata-rata hasil akurasi yang bagus yaitu sebesar 14,63%. Tetapi sistem tidak dapat digunakan sebagai sistem peramalan penjualan guna menentukan kebutuhan bahan baku pupuk non subsidi karena hasil akurasi yang kurang bagus yaitu sebesar 34,42%.
Document summarization is needed to get the information effectively and efficiently. One method used to obtain the document summarization by applying machine learning techniques. This paper proposes the application of regression models to query-focused multi-document summarization based on the significance of the sentence position. The method used is the Support Vector Regression (SVR) which estimates the weight of the sentence on a set of documents to be made as a summary based on sentence feature which has been defined previously. A series of evaluations performed on a data set of DUC 2005. From the test results obtained summary which has an average precision and recall values of 0.0580 and 0.0590 for measurements using ROUGE-2, ROUGE 0.0997 and 0.1019 for measurements using the proposed regression-SU4. Model can perform measurements of the significance of the position of the sentence in the document well.
Antrian merupakan fenomena yang tak terelakkan dan pasti ditemui pada setiap pelayanan publik. Dimana terlihat jelas bahwa antrian menimbulkan pemborosan waktu dan ketidaknyamanan bagi pelanggan seperti antrian yang panjang sehingga menyebabkan waktu tunggu yang lama. Oleh karena itu, maka dikembangkanlah teknologi berbasis mobile yang akan menggantikan sistem antrian yang ada, sehingga diharapkan dapat memberikan kepuasan kepada pelanggan dalam berbagai pelayanan publik. Selain itu, aplikasi ini diharapkan pula dapat mengorganisir sistem antrian berbagai pelayanan publik (multi vendor) sehingga lebih tertata, rapi dan mudah diakses.
Tempat atau lokasi yang tepat merupakan salah satu faktor peningkatan strategi bisnis, maka dari itu suatu perusahaan haruslah mengelompakkan mana saja lokasi yang berpotensi bisnis bagi penjualannya. Dan jika harus dikelompokkan secara manual membutuhkan waktu yang sangat lama. Oleh sebab itu, Clustering menjadi solusi untuk mengatasi masalah tersebut. Clustering akan mengelompokkan lokasi yang menguntungkan, cukup, dan kurang. Clustering memiliki dua metode, yaitu partisi dan hierarki. Dua metode ini memiliki kelebihan dan kekurangan masing-masing, dan dengan menggabungkan keduanya dapat diperoleh hasil cluster yang lebih baik. Dari hasil cluster dengan menggunakan data penjualan LINKAJA di PT Telekomunikasi, maka diperoleh hasil bahwa gabungan metode Hierarchical Clustering dan K-means memberikan hasil cluster yang lebih baik dalam pengelompokan lokasi penjualan LINKAJA dengan parameter saldo penjaualan dan umur.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.