Hasil Pencarian  ::  Simpan CSV :: Kembali

"[, ]"

"[, ]"

"ABSTRAK Penelitian ini bertujuan untuk mengetahui komposisi pohon hutan pamahdan struktur tegakannya di Hutan Adat Imbo Mengkadai (HAIM). Penelitiandilakukan dengan menggunakan metode jalur yang dikombinasikan denganmetode petak. Pengamatan dilakukan pada cuplikan yang berjumlah 100 petakmasing-masing berukuran 10 m x 10 m sehingga luas total petak 1 hektare, yangdisebar secara sistematis pada beberapa jalur. Berdasarkan hasil penelititandidapat pohon sejumlah 96 spesies 34 famili dari 681 individu pohon. Familiyang mempunyai keanekaragaman jenis terbanyak adalah Euphorbiaceae,Moraceae, Annonaceae , Lauraceae , Dipterocarpacea dan Myrtaceae denganNilai Kepentingan (NK) yang paling tinggi yaitu Sloetia elongata. Hutan Adatimbo Mengkadai termasuk kawasan hutan pamah yang di dalamnya terdapatsebaran pohon Artocarpus. Genus Artocarpus merupakan pohon yang banyakmenghasilkan buah dan mempunyai berbagai manfaat. Hasil inventaris genusArtocarpus di HAIM didapat tujuh spesies Artocarpus yaitu A. integer, A.rigidus, A. nitidus, A. anisophyllus, A. odoratissimus. A. elasticus dan A. cf.vrieseanus. Jumlah spesies yang kerapatannya tinggi yaitu A. rigidus (15 pohon),dan yang terendah A. cf. vriseanus (2 pohon). Untuk melihat pola sebaranArtocarpus menggunakan Indeks Morista, hasil analisis menunjukkan setiapspesies berbeda. Pola sebaran berkelompok terdapat pada A. rigidus, pola sebaranacak terdapat pada A. integer dan A. anisophyllus, pola sebaran teratur terdapatpada A. odoratissima, A. elasticus, A. nitidus dan A. cf vriseanus. Hasilperhitungan Nilai Kepentingan (NK) tertinggi terdapat pada A. rigidus tingkatpohon (NK=84,9) belta (NK=84,4) yang terendah A. cf vrieseanus tingkat pohon(NK=13,6) tingkat belta (NK=13,5). Regenerasi yang bagus terdapat pada A.nitidus dan A. rigidus di mana kerapatan tingkat belta dan pohon perbandingannyatidak jauh berbeda. Pada masa akan datang spesies A. nitidus dan A. rigidusmempunyai peluang terbesar untuk dapat bertahan di tegakan HAIM.

---

ABSTRACT This study aims to determine the composition of tree lowland forest and structureof the its standing in Hutan Adat Imbo Mengkadai (HAIM). The study wasconducted by using the transect method combined with the plot method.Observations were made on samples totaling 100 plots each measuring 10 m x 10m constituting total area of 1 hectare, which were distributed systematically. Thetree inventory recorded 96 species of 34 families and 681individuals. Familiesthat have the highest species diversity are Euphorbiaceae, Moraceae,Annonaceae, Lauraceae, Dipterocarpacea and Myrtaceae. Sloetiea elongata hasthe highest Important Value (IV). Hutan Adat Imbo Mengkadai is a lowlandforest area. Containing Artocarpus species are trees that produce a lot of fruits andmany other benefits. Inventory results obtained Seven species. Artocarpus wererecorded namely A. integer, A. rigidus, A. nitidus, A. anisophyllus, A.odoratissimus. A. elasticus and A. cf vriseanus. The species with highest densityis, A. rigidus (15 trees), and the lowest A. cf vrieseanus (2 trees). The distributionpattern of Artocarpus using Morista index, showed. Clustered distribution patternin A. rigidus, random distribution pattern in A. integer and A. anisophyllus,regular distribution pattern in A. odoratissima, A. elasticus, A. nitidus and A. cfvrieseanus. Species with highest Importance Value (IV) was A. rigidus at treelevel (IV = 84.9) sapling (IV = 84.4) is the lowest tree level was A. cf vrieseanus(IV = 13.6) and at sapling level (IV = 13.5). Good regeneration occurred in A.nitidus and A. rigidus where sapling and tree densities were comparably not muchdifferent. In the future A. nitidus and A. rigidus will survive in the HAIM."

"Permasalahan pangan yang dialami Indonesia ialah sulitnya petani pangan dalam melakukan ekspansi produksi dan mendapatkan modal kerja dari lembaga keuangan, karena komoditas pertanian dinilai sebagai komoditas yang tinggi risiko. Penelitian ini bertujuan untuk menganalisis pengaruh pinjaman modal kerja dan faktor-faktorlainnya terhadap produksi pada sub-sektor tanaman pangan. Studi penelitian menggunakan data sekunder per kuartal dari publikasi Badan Pusat Statistik dan Bank Indonesia untuk menganalisa pertumbuhan sub-sektor tanaman pangan pada periode tahun 2002 hingga tahun 2016. Dengan menggunakan metode regresi linear berganda (OLS), ditemukan bahwa pinjaman modal kerja, pertumbuhan sub-sektor perkebunan, tenaga kerja sector pertanian, dan inflasi memiliki pengaruh terhadap produksi sub-sektor tanaman pangan secara signifikan.

---

Indonesia is currently dealing with problems in food and agricultural sector, such as product expansion for farmers and capital loan from financial institutions, because agricultural sector considered as the risky commodity. The objective of this study is to exercise the influence of capital loan and other factors of food crop production sector. Data was collected from Indonesian Statistics Agency (BPS) and Indonesian Central Bank (BI) to analyze food crops production in 2002-2016 periods. Using Ordinary Least Square regression, the main result shows that capital loan, plantation production sector, agricultural sector labor, and inflation significantly affect the food crops production in Indonesia."

"Klasifikasi adalah proses menugaskan satu set data ke dalam kelas yang ada berdasarkan nilai setiap atribut. Pengklasifikasi pohon keputusan diklaim lebih cepat dan berproduksi akurasi yang lebih baik. Namun, ia memiliki beberapa kelemahan di mana pengklasifikasi rentan untuk overfitting. Overfitting adalah suatu kondisi di mana model tidak mampu menarik kesimpulan data baru dengan cara yang benar. Overfitting di pohon keputusan dapat dihindari dengan memotong subtree pengaruh kecil dalam melakukan klasifikasi ketika pohon ditanam, disebut post-pruning, yang bertujuan untuk meningkatkan kinerja model dalam memprediksi data. Tesis ini mengusulkan metode pasca pemangkasan dengan menerapkan Risiko Bayes, di mana estimasi risiko setiap simpul induk dibandingkan dengan simpul daunnya. Sebagai perbandingan, pemangkasan pasca lainnya Metode yang diterapkan, yaitu Reduced Error Pruning (REP). Kedua metode tersebut diterapkan untuk tiga dataset klasifikasi churn pelanggan dari situs Kaggle dan IBM Datasets. Untuk hasilnya, Bayes Risk Post-Pruning dapat meningkatkan kinerja Decision Tree lebih baik dari Reduced Error Pruning dengan meningkatkan nilai akurasi, presisi, dan daya ingat. Kedua metode juga diterapkan pada tiga proporsi berbeda untuk data pelatihan (60%, 70% dan 80%). Hasilnya menunjukkan bahwa semakin besar ukuran dataset pelatihan dikaitkan akurasi, presisi, dan daya ingat model yang lebih tinggi.

---

Classification is the process of assigning a set of data to an existing class based on the value of each attribute. Decision tree classifiers are claimed to be faster and produce better accuracy. However, it has several disadvantages where the classifier is prone to overfitting. Overfitting is a condition in which the model is unable to draw new data conclusions in the right way. Overfitting in the decision tree can be avoided by cutting the subtree of small influence in classifying when the tree is planted, called post-pruning, which aims to improve the performance of the model in predicting data.

This thesis propose a post-pruning method by applying Bayes Risk, where the estimated risk of each parent node is compared to the leaf node. As a comparison, other post pruning methods are applied, namely Reduced Error Pruning (REP). Both methods are applied for three customer churn classification datasets from the Kaggle site and IBM Datasets. For the results, Bayes Risk Post-Pruning can improve Decision Tree performance better than Reduced Error Pruning by increasing the value of accuracy, precision, and memory. Both methods are also applied to three different proportions for training data (60%, 70% and 80%). The results show that the greater the size of the training dataset is associated with higher model accuracy, precision, and recall."

"Resolusi koreferensi merupakan suatu proses yang dilakukan untuk mengetahui hubungan antara suatu entitas bernama atau kata ganti dengan entitas bernama lainnya dalam suatu teks. Hubungan tersebut dapat diketahui berdasarkan informasi kelas kata, kelas nama, kesamaan karakter penyusun kata, dan letak entitas bernama atau kata ganti tersebut dalam suatu teks. Penelitian ini membandingkan penerapan resolusi koreferensi menggunakan pendekatan machine learning dengan metode decision tree, maximum entropy, dan association rules. Penelitian dilakukan untuk mengetahui metode mana yang lebih baik untuk diaplikasikan pada tugas resolusi koreferensi untuk Bahasa Indonesia. Selain itu penelitian ini dilaksanakan untuk mengetahui efektifitas penggunaan fitur pada resolusi koreferensi untuk Bahasa Indonesia. Tujuan lainnya adalah mengetahui berapakah jumlah dokumen pelatihan yang diperlukan untuk masing-masing metode sehingga sistem memberikan hasil yang optimal. Uji coba dilakukan menggunakan 500 dokumen yang dikumpulkan dari Kompas Online (www.kompas.com). Secara umum, nilai recall metode decision tree lebih tinggi dari metode yang lain. Hasil uji coba memperlihatkan bahwa association rules menghasilkan kinerja yang paling baik dengan F-measure sebesar 81,36% yang diamati pada jumlah dokumen pelatihan 300 dan menggunakan semua fitur. Metode decision tree mencapai kestabilan pada jumlah dokumen 50. Metode maximum entropy mencapai kestabilan pada jumlah dokumen 70, sedangkan metode association rules mencapai kestabilan saat jumlah dokumen 90. Pada metode decision tree dan maximum entropy, kombinasi fitur minimum yang memberikan hasil terbaik adalah kombinasi fitur yang berhubungan dengan kesamaan karakter penyusun frase. Sedangkan untuk metode association rules, kombinasi fitur yang berhubungan dengan kesamaan karakter penyusun frase dan kombinasi fitur kelas nama merupakan kombinasi yang memberikan hasil terbaik."

"Telah dilakukan penelitian terhadap empat spesies pohon yang berpotensi sebagai pohon penyerap polusi udara di dua lokasi berbeda yaitu Tempat Pengelolaan Sampah Terpadu (TPST) Bantargebang dan Kampus Universitas Indonesia (UI). Penelitian bertujuan untuk mengetahui dan menganalisis perbedaan anatomi daun Cerbera odollam, Polyalthia longifolia, Swietenia macrophylla, dan Terminalia mantaly di dua lokasi tersebut, sehingga dapat memberikan informasi spesies yang memiliki kemampuan yang paling baik dalam penyerapan polutan udara. Tiga individu dari masing-masing spesies pohon dipilih secara acak di kedua lokasi, dan dari tiap individu diambil dua helai daun untuk dibuat sampel sayatan anatomi. Sayatan melintang daun dibuat dengan hand sliding microtome, sedangkan sayatan paradermal dibuat dengan metode pengerikan (scraping). Berdasarkan pengukuran parameter lingkungan, TPST Bantargebang memiliki iklim mikro yang lebih panas, kering, dan terang serta cenderung memiliki polusi udara yang lebih tinggi dibandingkan di Kampus UI. Hasil pengamatan anatomi menunjukkan, T. mantaly memiliki ketebalan kutikula, kutikula, dan indeks stomata yang lebih rendah di TPST Bantargebang dibandingkan Kampus UI. Ketebalan lapisan kutikula dan epidermis mengindikasikan pertahanan terhadap polutan, kekeringan dan pembelokan sinar matahari berlebih agar tidak merusak jaringan internal daun. Oleh karena itu, diduga T. mantaly sensitif terhadap perubahan lingkungan. Spesies C. odollam dan S. macrophylla memiliki ketebalan dari lamina, epidermis adaksial dan abaksial, mesofil, tinggi parenkim palisade, dan kerapatan stomata yang lebih tinggi di TPST Bantargebang dibandingkan Kampus UI (P<0,05). Kerapatan stomata tertinggi terdapat pada S. macrophylla dan memiliki indeks stomata yang lebih tinggi di TPST Bantargebang. Kerapatan dan indeks stomata dapat menjadi parameter tumbuhan disebut sebagai penyerap polutan udara dan bioindikator. Semakin tinggi kerapatan dan indeks stomata di area terpolusi menunjukkan tumbuhan tersebut merupakan bioindikator yang baik. Spesies dengan kategori paling baik sampai kurang baik sebagai penyerap polutan dan bioindikator yaitu S. macrophylla, C. odollam, P. longifolia, dan T. mantaly.

---

Research has been conducted on four tree species that have the potential to absorb air pollution at two locations, namely Bantargebang integrated waste management site (landfill) and Universitas Indonesia (UI) campus. This study aims to determine and analyze the anatomical differences of the leaves of Cerbera odollam, Polyalthia longifolia, Swietenia macrophylla, and Terminalia mantaly in Bantargebang landfill and UI campus to provide information on species that have the best ability to absorb air pollutants. Three individuals were selected randomly from each species at each location, and two leaves were taken from each individual. Cross section of leaf anatomy was made using the hand sliding microtome, while paradermal section were made using the scraping method. Based on the measurement of environmental parameters, Bantargebang landfill has a microclimate that is hotter, drier, and brighter and tends to have higher air pollution than the UI campus. The results of anatomical observations showed that T. mantaly had a lower cuticle thickness, cuticle, and stomatal index in Bantargebang landfill compared to UI Campus. The thickness of cuticle and epidermis layer indicates a defense against pollutants, and also helps the plant to retain leaf moisture and deflect excess sunlight from damaging the leaf tissue. Therefore, it is suspected that T. mantaly is sensitive to environmental changes. Cerbera odollam and Swietenia macrophylla had a thickness of lamina, adaxial and abaxial epidermis, mesophyll, palisade parenchyma height, and higher stomatal density in Bantargebang landfill than UI Campus (P<0.05). The highest stomatal density was found in S. macrophylla and had a higher stomatal index in Bantargebang landfill. Stomatal density and stomatal index can be used as plant parameters, which are known as air pollutant absorbers and bioindicators. The higher the density and the stomatal index in the polluted area, the more suitable the plant are to be used as absorber of air pollution and biondicator. The results showed that species with good to poor categories as as pollutant absorbers and bioindicators were S. macrophylla, C. odollam, P. longifolia, and T. mantaly."