Andaliman breeding and regeneration (Zanthoxylum acanthopodium DC.) in its natural habitat tends to be slow and difficult. The purpose of this research was to determine the distribution pattern, spatial character, and potential suitable habitat for andaliman growth with a suitability model approach in Samosir island, North Sumatera. Andaliman distribution pattern based on the calculation of the Standard Morisita Index (Ip) shows various patterns. There are three categories of distribution pattern, depends on the Standard Morisita Index The distribution patterns on each plot based on the calculation are: random (Location 1open area (Ip = 0.00)), uniform (Location 2plantation forest (Ip = -0.77); Location 3open field (Ip = -0.09)), and clump (Location 4plantation forest (Ip = 0.36)). Analysis of habitat suitability for andaliman used spatial modelling with the Principal Component Analysis (PCA) approach. This method utilized ecological variables, i.e.: Bare Soil Index (BSI), slope, Digital Elevation Model (DEM), rainfall, Normalized Difference Moisture Index (NDMI), and Normalized Difference Vegetation Index (NDVI). The result is 69.8% of Samosir Island is suitable for andaliman, while 26.4% of it is considered as highly suitable habitat. How to cite (CSE Style 8 th Edition):Siahaan L, Hilwan I, Setiawan Y. 2019. Spatial distribution of Andaliman potential habitat (Zanthoxylum Acanthopodium Dc.) in Samosir Island, North Sumatera. JPSL 9(4): 861-871. http://dx.
Secara geologis Kepulauan Indonesia berada pada jalur penumjaman lempeng bumi, seperti penunjaman Lempeng Samudra Indo-Australia dengan Lempeng Benua Eurasia yang memanjang dari pantai barat Sumatera hingga pantai selatan Jawa terus ke timur sampai Nusa Tenggara. Jalur penunjaman lempeng bumi di wilayah Kepulauan Indonesia merupakan jalur penyebab gempa tektonik yang mana bersifat regional dan umumnya kerusakan yang ditimbulkan sangat parah. Sebagian jalur gempa bumi tersebut berada di laut sehingga sangat berpotensi menimbulkan bencana tsunami . Di Indonesia sendiri, Daerah yang sangat rawan terjadinya gempa bumi dari dasar laut adalah Kepulauan Mentawai di Sumatera Barat. Pada tahun 2010 Mentawai mengalami sejumlah gempa, yaitu gempa berkekuatan 6,8 SR pada 5 Maret 2010, disusul 6.5 SR pada 5 Mei 2010 dan terakhir gempa berkekuatan 7,8 SR pada 25 oktober 2010 yang diikuti dengan bencana tsunami. United States Geological Survey (USGS) adalah sebuah agensi ilmiah pemerintah Amerika Serikat yang didirikan pada 3 Maret 1879. Organisasi ini memiliki empat disiplin ilmiah utama, yaitu biologi, geografi, geologi, dan air. Salah satu program dari USGS adalah memonitor aktivitas gempa bumi di seluruh dunia, tak terkecuali data gempa kepulauan mentawai yang disediakan dalam bentuk datasheet. Dengan adanya kemajuan teknologi saat ini, dibutuhkan suatu sistem yang dapat memberikan informasi mengenai pemetaan kelompok sebaran titik gempa bumi mentawai dengan clustering gempa bumi. Penelitian ini bertujuan untuk Membangun Sistem Informasi yang dapat melakukan pemetaan pola sebaran gempa bumi mentawai tahun 2010 – 2019 dan juga bertujuan untuk mengimplementasikan metode K-Medoid Clustering untuk menganalisis dan memetakan pola Sebaran gempa bumi mentawai tahun 2010 – 2019. Untuk memetakan pola sebaran gempa bumi tersebut digunakan dua (2) parameter yaitu kedalaman dan kekuatan gempa bumi dengan menggunakan metode K-Medoid Clustering. Luaran yang dihasilkan berupa layout peta hasil perhitungan dari metode K-Medoids Clustering selama sepuluh (10) tahun yaitu tahun 2010 – 2019 yang terdapat sebanyak 1356 data. Selain itu terdapat juga luaran yang dihasilkan berupa tampilan diagram batang dan diagram lingkaran.
Proses pelaksanaan kegiatan pembelajaran di tahun ajaran 2020 telah mengalami perubahan, sejak terjadinya Pandemi Covid-19 yang telah masuk ke Indonesia sejak Bulan Maret 2020. Perubahan model pembelajaran yang terjadi berupa kegiatan pembelajaran tatap muka menjadi model pembelajaran daring (dalam jaringan), guna mencegah penyebaran Covid-19. Universitas Bengkulu dalam kegiatan pembelajaran memiliki ruang kuliah resource sharing yang memiliki perutuntukkan ruangan dan kapasitas yang berbeda-beda, sehingga pada kondisi new normal saat ini diperlukan adanya penataan penggunaan, dan sirkulasi ruangan yang menerapkan protokol Covid-19, agar proses kegiatan pembelajaraan dapat dilakukan tanpa mengurangi efektivitas dan tidak menjadi sarana penyebaran Covid-19. Penelitian dilakukan berupa; (1) mengimplementasikan Algoritma Simple Additive Weighting (SAW) pada optimasi distribusi ruang pembelajaran; (2) melakukan analisis distribusi dan sirkulasi ruang pembelajaran dengan penerapan protokol Covid-19. Adapun hasil distribusi penggunaan resource sharing ruang perkuliahan pada penelitian ini diharapkan dapat menjadi contoh penerapan Protokol Covid di kondisi new normal di lingkungan institusi pendidikan Perguruan Tinggi dan dapat menjadi kebijakan khususnya di Universitas Bengkulu tentang kebutuhan sarana prasarana penunjang kegiatan pembelajaran
Kartu nama memiliki data yang dapat disimpan ke dalam database kontak smartphone, seperti nama, jabatan, instansi, nomor ponsel, nomor telepon, nomor fax, alamat pertama, alamat kedua dan e-mail. Penelitian ini bertujuan membangun aplikasi yang dapat memindahkan data kartu nama dari foto ke database kontak smartphone dengan konversi citra kartu nama ke teks dengan melakukan ekstraksi teks dan pengelompokan data. Algoritma yang digunakan untuk ekstraksi teks adalah Optical Character Recognition (OCR). Teks yang sudah diekstraksi kemudian akan dikelompokan menggunakan algoritma Jaro-Winkler Distance. Pengujian sistem yang dilakukan dengan menggunakan data kartu nama yang beralamat di Provinsi Bengkulu sebanyak 50 buah dengan berbagai jenis tulisan dan background. Aplikasi dirancang dengan Bahasa pemrograman Java dengan IDE Android Studio dan library Tesseract. Hasil akhir dari sistem adalah data kontak yang tersimpan di database smartphone. Hasil uji coba sistem yang dilakukan didapatkan nilai akurasi rata-rata dari lima kali percobaan adalah 76% untuk data nama, 74% untuk data jabatan, 56% untuk data instansi, 82% untuk data nomor ponsel, 86% untuk data nomor telepon, 78% untuk data alamat, dan 88% untuk data e-mail.Kata Kunci : Konversi Citra, Ekstraksi Teks, Kartu Nama, Optical Character Recognition (OCR), JaroWinkler Distance
<p>Perkembangan teknologi media sosial tidak hanya memberikan kemudahan dalam berkomunikasi antar individu, akan tetapi juga dapat mengancam kehidupan sosial individu seperti tidakan cyberbullying. Bervariasinya pola dan karakteritik cyberbullying mengakibatkan sulitnya proses deteksi cyberbullying, yang dilakukan oleh pelaku cyberbullying. Penelitian deteksi pola dan karakteristik cyberbullying banyak dilakukan dengan berbagai metode, seperti dengan mengimplementasikan Machine Learning, Natural Language Processing (NLP), dan Sentiment Analysis yang memiliki variasi akurasi yang berbeda, dengan keunggulan dan kelemahan dari masing-masing metode. Implementasi Machine Learning untuk deteksi cyberbullying dapat dilakukan dengan berbagai algoritma, seperti algoritma probabilistik (Naïve Bayes) maupun supervised learning (Support Vector Machine, k-Nearest Neighbour, Decission Tree), dan metode lainnya yang hingga saat ini terus dikembangkan dengan berbagai pendekatan untuk meningkatkan akurasi deteksi cyberbullying atau non-cyberbullying. Adapun peluang dan tantangan penelitian deteksi cyberbullying seperti penerapan pada variasi domain bahasa, dan bentuk ekspresi yang dilakukan pada suatu lingkungan atau budaya, yang masih terdapat ruang untuk dikembangkan dan dijelajah secara luas. Pada artikel ini menjabarkan penelitian berikutnya berupa mengimplementasikan metode pembelajaran klasifikasi (Supervised Learning) dengan modifikasi tahapan untuk meningkatkan akurasi klasifikasi.</p>
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.