ThesisOpen AccessMetadata saja
2026•
.Rumput laut Eucheuma cottonii merupakan komoditas perikanan bernilai ekonomi tinggi yang kualitas pascapanennya sangat dipengaruhi oleh tingkat kekeringan. Penentuan tingkat kekeringan oleh petani masih dilakukan secara manual melalui pengamatan visual terhadap warna dan tekstur sehingga bersifat subjektif dan berpotensi menghasilkan penilaian mutu yang tidak konsisten. Penelitian ini bertujuan membangun sistem klasifikasi otomatis jenis kekeringan rumput laut berbasis pengolahan citra digital menggunakan algoritma YOLOv8 untuk menghasilkan identifikasi yang lebih objektif dan konsisten. Dataset yang digunakan berupa 750 citra primer yang dikelompokkan ke dalam tiga kelas, yaitu 250 citra untuk RL_Basah, 250 citra untuk RL_Kering_Oven, dan 250 citra untuk RL_Kering_Jemur_Langsung. Pengelolaan dataset dilakukan menggunakan Roboflow melalui proses pelabelan, preprocessing (auto-orient dan resize citra menjadi 640 × 640 piksel), serta augmentasi berupa flip horizontal dan vertikal sehingga jumlah dataset meningkat menjadi 1.533 citra. Model YOLOv8n dipilih karena efisiensi komputasinya dan dilatih selama 50 epoch. Model terbaik kemudian diintegrasikan ke dalam aplikasi desktop berbasis PyQt5 yang dilengkapi fitur penyimpanan riwayat hasil deteksi ke basis data MySQL. Hasil evaluasi pada data validasi menunjukkan performa model yang sangat baik dengan nilai mAP50 sebesar 0,995 dan mAP50-95 sebesar 0,969. Pengujian fungsional menggunakan metode Black-Box Testing memperoleh tingkat keberhasilan 100% pada seluruh fungsi sistem. Selain itu, pengujian menggunakan 90 citra baru di luar dataset yang mencakup skenario objek tunggal, multiobjek, dan multikelas. Perhitungan akurasi hanya dilakukan pada skenario pengujian objek tunggal dan menghasilkan nilai akurasi sebesar 0,97. Sementara itu, hasil pengujian yang menggabungkan seluruh skenario pengujian menghasilkan nilai rata-rata Precision sebesar 0,92, Recall sebesar 0,90, dan F-Measure sebesar 0,90. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu mengklasifikasikan jenis kekeringan rumput laut secara otomatis dan konsisten berdasarkan karakteristik visual citra.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Keterampilan berpikir kritis merupakan aktivitas mental yang digunakan untuk membuat keputusan dalam kegiatan masalah yang dilakukan melalui kegiatan atau metode ilmiah. Penelitian ini bertujuan untuk mengetahui bagaimana keterampilan berpikir kritis siswa kelas V B di SDN 006 Tarakan dalam materi pengolahan data matematika. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kualitatif dengan metode deskriptif, dan subjek penelitian dipilih berdasarkan kategori tinggi, sedang, dan rendah berdasarkan tes berpikir kritis. Teknik pengumpulan data dilakukan melalui tes tertulis dan wawancara terstruktur untuk menggali kemampuan berpikir siswa secara mendalam. Instrumen penelitian terdiri dari tiga soal pengolahan data matematika yang dirancang berdasarkan indikator berpikir kritis, yaitu interpretasi, analisis, evaluasi, kesimpulan, penjelasan, dan pengaturan diri. Hasil penelitian menunjukkan bahwa siswa dengan kategori tinggi mampu menunjukkan keenam indikator berpikir kritis. Siswa dengan kategori sedang hanya mampu menunjukan empat indikator berpikir kritis yaitu interpretasi, analisis, evaluasi, dan pengaturan diri. Sementara itu, siswa dengan kategori rendah tidak dapat memunculkan semua indikator berpikir kritis. Temuan ini menunjukan bahwa keterampilan berpikir kritis siswa pada materi pengolahan data masih bervariasi dan dipengaruhi oleh tingkat kemampuan masing-masing.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Udang windu merupakan salah satu komoditas ekspor unggulan Indonesia yang memiliki nilai ekonomi tinggi. Namun, proses identifikasi kesegaran udang secara manual sering kali memerlukan waktu yang cukup lama serta membutuhkan keahlian khusus. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kesegaran udang windu berbasis citra digital dengan metode Gray Level Co-occurrence Matrix (GLCM) dan Artificial Neural Network (ANN). Sistem tersebut diintegrasikan ke dalam interface desktop menggunakan PyQt5 sehingga dapat mempermudah pengguna dalam menilai kualitas udang secara efektif. Total dataset yang digunakan sebanyak 400 dataset dengan rincian 200 untuk udang segar dan 200 untuk udang tidak segar. Dari dataset tersebut kemudian dibagi proporsi 85% (340 data) untuk data latih dan 15% (60 data) untuk data uji. Proses pelatihan dilakukan dengan epoch sebanyak 200 dan batch size 35 dengan latar belakang putih pada setiap pengambilan dataset. Hasil terbaik diperoleh pada epoch ke-199 dengan nilai loss sebesar 0,0199 dan accuracy sebesar 0,9971. Hasil pengujian terhadap 60 data uji menunjukkan bahwa sistem mampu mengidentifikasi kesegaran udang dengan nilai precision 1,00, recall 1,00, dan F-measure 1,00 pada kelas udang segar. Sedangkan pada kelas udang tidak segar diperoleh nilai precision 1,00, recall 0,90, dan F-measure 0,95. Hal ini menandakan bahwa sistem berhasil mendeteksi kedua kelas udang windu dengan tingkat keakuratan yang tinggi. Hanya saja perlu ada perbaikan pada pengambilan dataset citra udang tidak segar .Dengan adanya aplikasi ini, proses identifikasi kesegaran udang dapat dilakukan dengan lebih baik sehingga membantu dalam pemilihan udang segar dan tidak segar secara lebih efektif.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Kabupaten Nunukan, yang terletak di Provinsi Kalimantan Utara, khususnya di Pulau Sebatik, memiliki potensi besar dalam produksi kelapa sawit. Proses manual dalam menentukan jenis kelamin bunga kelapa sawit seringkali menyebabkan kesalahan dan ketidakefisienan. Oleh karena itu, penelitian ini mengusulkan untuk mengembangkan sistem klasifikasi jenis kelamin bunga kelapa sawit secara otomatis berbasis citra dengan menggunakan salah satu arsitektur CNN (Convolutional Neural Network) yaitu VGG19. Dataset dalam penelitian ini menggunakan data primer yang terdiri dari 800 citra bunga kelapa sawit, masing-masing 400 citra untuk bunga jantan dan betina. Dataset kemudian diproses melalui tahapan preprocessing hingga menghasilkan total 1.164 citra baru yang digunakan untuk pelatihan model dengan pembagian proporsi 80% untuk data pelatihan, 10% untuk data validasi, dan 10% untuk data uji. Hasil pelatihan model CNN dengan arsitektur VGG19 terhadap 80% data pelatihan menunjukkan rata-rata nilai precision, recall, dan f1-score keseluruhan sebesar 100%. Begitu pula hasil evaluasi model pelatihan terhadap 10% data validasi dan 10% data uji menunjukkan nilai precision, recall, dan f1-score mencapai 100%. Namun pada saat sistem diimplementasikan menggunakan citra baru diluar dataset sebanyak 18 citra, masih terdapat kesalahan dalam mengidentifikasi bunga betina sebagai bunga jantan, sehingga menghasilkan rata-rata presisi sebesar 95%, recall 95%, dan F1-score 94%. Hasil pengujian ini menunjukkan, sistem berhasil mengklasifikasikan bunga kelamin kelapa sawit, meskipun masih terdapat kesalahan dalam implementasi sistem. Faktor kesalahan tersebut disebabkan oleh keterbatasan jumlah citra ataupun kurangnya variasi data latih. Sistem ini diharapkan dapat berkontribusi dalam bidang pertanian kelapa sawit, terutama dalam mengklasifikasikan bunga kelapa sawit.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penyerapan tenaga kerja menjadi indikator penting dalam menilai kinerja ekonomi suatu daerah. Kalimantan Utara dengan potensi sektor pertanian, sektor industri pengolahan, dan perdagangan menghadapi tantangan dalam mengoptimalkan kontribusi tiap sektor terhadap penyerapan tenaga kerja. Penelitian ini bertujuan untuk menganalisis pengaruh sektor pertanian, sektor industri pengolahan, dan sektor perdagangan terhadap penyerapan tenaga kerja secara parsial dan simultan di provinsi kalimantan utara tahun 2017-2023. Metode analisis yang digunakan dalam penelitian ini adalah regresi data panel menggunakan data sekunder dari Kabupaten/Kota di Provinsi Kalimantan Utara tahun 2017-2023. Hasil dari penelitian ini menunjukkan bahwa: 1) Sektor Pertanian secara parsial tidak berpengaruh signifikan terhadap penyerapan tenaga kerja di Provinsi Kalimantan Utara tahun 2017-2023. 2) Sektor Industri Pengolahan secara parsial tidak berpengaruh signifikan terhadap penyerapan tenaga kerja di Provinsi Kalimantan Utara tahun 2017-2023. 3) Sektor Perdagangan secara parsial berpengaruh signifikan terhadap penyerapan tenaga kerja di Provinsi Kalimantan Utara tahun 2017-2023. 4) Secara simultan sektor pertanian, sektor industri, dan sektor perdagangan berpengaruh signifikan terhadap penyerapan tenaga kerja di Provinsi Kalimantan Utara 2017-2023. Sektor pertanian, sektor industri, dan sektor perdagangan mampu menjelaskan pengaruh pada variabel penyerapan tenaga kerja di Provinsi Kalimantan Utara sebesar 57.88%. Sementara sisanya sebesar 42.12% mendapat pengaruh dari faktor lainnya yang tidak ditemukan pada kajian ini.
ThesisOpen AccessMetadata saja
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penelitian ini bertujuan untuk mengetahui Pengaruh Investasi PMA, PMDN, Net Ekspor dan Tenaga Kerja Secara Parsial dan Simultan Terhadap PDRB Sektor Industri Pengolahan di Kalimantan. Instrumen yang digunakan dalam penelitian ini merupakan data sekunder yang bersumber dari DPMPTSP, Kementerian Ketenagakerjaan dan BPS dengan Jumlah sampel dalam penelitian ini diambil dari tahun 2017-2024 dengan menggunakan data sebanyak 40 data. Penelitian ini menggunakan analisis regresi data panel dan diolah menggunakan Eviews 12, dimana data panel merupakan kombinasi antar data time series dan data cross section. Hasil Penelitian Secara Parsial Variabel PMA, Net Ekspor dan Tenaga Kerja tidak berpengaruh signifikan dan PMDN berpengaruh signifikan terhadap PDRB Sektor Industri Pengolahan di Kalimantan tahun 2017-2024. Sedangkan secara simultan menunjukkan Variabel PMA, PMDN, Net Ekspor dan Tenaga Kerja berpengaruh signifikan terhadap PDRB Sektor Industri Pengolahan di Kalimantan tahun 2017-2024.
ThesisOpen AccessMetadata saja
2025•
Penelitian ini bertujuan untuk mengetahui dan menganalisis efisiensi relatif produksi, penyerapan kredit, efektivitas kredit, pola keterkaitan, serta kebutuhan kapital terhadap industri pengolahan di Indonesia. Penelitian ini dilakukan dengan menggunakan metode pendekatan kuantitatif deskriptif dengan data sekunder hasil publikasi Bank Indonesia (BI) dan Badan Pusat Statistik (BPS). Penelitian ini menggunakan data dari tahun 2018-2023. Penelitian ini menggunakan alat analisis Locatient Quantient (LQ) yang di transformasikan ke dalam rumus efisiensi relatif produksi, penyerapan kredit, Incremental Capital Output Ratio (ICOR), pola pemetaan, dan perencanaan kebutuhan kapital. Hasil penelitian ini menunjukkan bahwa efisiensi relatif produksi sektor industri pengolahan periode 2018-2023 yang basis yakni Jawa dengan nilai rata-rata 1,13, sedangkan Bali dan Nusa Tenggara adalah non basis dengan nilai rata-rata 0,13. Hasil penelitian penyerapan kredit sektor industri pengolahan Jawa tertinggi dengan nilai rata-rata 1,26 dan yang terendah Bali dan Nusa Tenggara dengan nilai rata-rata 0,18. Efektivitas kredit dengan nilai terendah adalah Jawa dengan rata-rata nilai Rp 4,1 sedangkan Bali dan Nusa Tenggara nilai efektivitas tinggi dengan nilai rata-rata Rp 39,83. Pola keterkaitan efisiensi relatif produksi dan penyerapan kredit menunjukkan provinsi yang terklasifikasi sebagai progresif inovatif adalah Kepulauan Riau dan Riau berturut-turut selama tahun 2019, 2021, dan 2023. Sedangkan provinsi yang terklasifikasi gagal adalah Sumatera Utara dan Sumatera Selatan. Kemudian kebutuhan kapital dengan target pertumbuhan sebesar 4,6% dibutuhkan kapital sebesar 8.39 ribu triliun. Selanjutnya proyeksi kebutuhan kapital sebesar 7% membutuhkan tambahan kapital kredit secara keseluruhan sebesar 13.73 ribu triliun. Kemudian proyeksi kebutuhan kapital sebesar 9% mampu menghasilkan kebutuhan kapital hingga sebesar 18.77 ribu triliun.
ThesisOpen AccessMetadata saja
2024•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Salah satu teknologi yang sudah teruji untuk meningkatkan tingkat produksi tambak, yaitu dengan pemberian probiotik dan fermentasi di tambak tradisional. Tujuan penelitian ini untuk membandingkan produktivitas tambak yang menggunakan probiotik dan yang tidak menggunakan probiotik pada tambak tradisional di Pulau Tibi. Jenis data yang dikumpulkan adalah data primer dan sekunder. Pengumpulan data primer dilakukan dengan metode survei dan wawancara secara langsung dengan petambak di Pulau Tibi. Penelitian ini dilaksanakan selama tiga bulan, dimulai dari bulan Februari sampai April 2024 di tambak Pulau Tibi. Data dianalisis secara deskriptif dengan membandingkan hasil produksi udang windu dan manajemen pengolahan tanah tambak di Pulau Tibi. Hasil penelitian menunjukkan bahwa manajemen pengolahan tambak tradisional secara umum sama yang membedakan hanya penggunaan probiotik dan tanpa probiotik sehingga berpengaruh terhadap produksi tambak. Produksi udang windu tertinggi ada di tambak yang menggunakan probiotik rata-rata sebesar 383 kg, sedangkan rata-rata produksi terendah ada di tambak yang tidak menggunakan probiotik sebesar 276 kg. Dimana hasil ini menunjukkan bahwa penggunaan probiotik dalam tambak tradisional memberikan dampak positif terhadap hasil produksi.
ThesisOpen AccessMetadata saja
2024•Skripsi, Thesis, Disertasi, dan Tugas Akhir
RESPON PERTUMBUHAN DAN HASIL PRODUKSI TANAMAN KACANG HIJAU (Vigna radiata L.) PADA VARIASI PENGOLAHAN TANAH DAN JUMLAH BENIH ABSTRAK Kacang hijau (Vigna radiata L.) atau sering di sebut juga mung bean, green gram, atau golden gram merupakan tanaman legum yang umumnya banyak di konsumsi oleh masyarakat Indonesia yang merupakan tanaman semusim yang berupa semak yang tumbuh tegak dengan umur pendek. Akan tetapi produktifitas kacang hijau di Kalimantan utara masih rendah. Penelitian ini bertujuan untuk mengetahui respon pertumbuhan tanaman kacang hijau (Vigna radiata L.) terhadap pengolahan tanah dan jumlah benih yang berbeda. Rancangan yang digunakan dalam penelitian ini adalah rancangan acak kelompok factorial dengan tiga ulangan. Faktor pertama pengolahan tanah (P) terdiri dari 3 taraf yaitu, P0 = tanpa olah tanah, P1 = olah tanah minimum, P2 :olah tanah maksimum dan faktor kedua yaitu jumlah benih (K) yang terdiri dari tiga taraf yaitu K1 = 1 benih, K2 = 2 benih, K3 = 3 benih. Parameter yang di amati meliputi tinggi tanaman, diameter batang, jumlah daun, jumlah polong, jumlah biji, berat biji dan Panjang akar. Hasil penelitian menunjukkan bahwa perlakuan olah tanah maksimum (P2) dan perlakuan 3 benih perlubang tanam (K3) merupakan perlakuan terbaik dan kombinasi kedua perlakuan terbaik yaitu olah tanah maksimum dengan 3 benih (P2K3).
ThesisOpen AccessMetadata saja
2022•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Salah satu teknologi yang sedang berkembang pesat pada era modern revolusi 4.0 yakni kamera. Pixel (piksel) merupakan elemen terkecil yang diberikan oleh kamera citra digital yang bisa dilihat mata, piksel ini tersusun seperti matriks berisi angka 0 hingga 255. Piksel inilah yang dijadikan sumber data dalam proses pengolahan citra digital. Dalam penelitian ini dilakukan 2 proses pengambilan data yakni pengambilan data tinggi sebenarnya menggunakan alat ukur baku stature meter dan pengambilan foto sampel menggunakan kamera yang diletakkan pada jarak 160 cm dan tinggi 100cm dari sampel. Foto sampel yang diperoleh selanjutnya diproses untuk segmentasi/pemisahan tubuh sampel terhadap lingkungan sekitarnya menggunakan beberapa teknik pengolahan citra digital seperti grayscale, blur, deteksi tepi, dan bounding box sehingga didapatkan nilai piksel yang mewakili tinggi sampel. Tahapan selanjutnya ialah proses analisis regresi dengan menghubungkan nilai tinggi badan sebenarnya dengan nilai tinggi piksel dengan menggunakan 5 metode analisis regresi yakni metode persamaan kuadrat terkecil, metode persamaan berpangkat logaritmik, metode persamaan eksponensial, metode persamaan polinomial kuadrat, serta metode persamaan polinomial kubik. Penelitian ini melakukan analisis perbedaan nilai koefisien korelasi, Root Mean Squared Error (RMSE), error rata-rata dan akurasi yang diberikan antara kelima jenis analisis regresi tersebut dalam sistem perhitungan tinggi badan berbasis pengolahan citra digital terhadap nilai hasil pengukuran tinggi sebenarnya. Adapun hasil yang didapatkan ialah metode-metode ini memiliki perbedaan hasil nilai analisis yang tidak terlalu jauh/signifikan, metode berpangkat logaritmik dengan persamaan y=0.4825x^0.947 menghasilkan nilai analisis yang terbaik yakni nilai koefisien korelasi 0,.976, RMSE 1.3, error rata-rata 0.58%, dan akurasi 99.42%, Sedangkan metode polinomial kubik berada diposisi terakhir dengan nilai koefisien korelasi 0.978, RMSE 1.41, error rata-rata 0.64%, dan akurasi 99.36%.
ThesisOpen AccessMetadata saja
2022•
Limbah cair yang dihasilkan oleh pabrik kelapa sawit jika tidak dilakukan pengolahan akan menjadi masalah bagi lingkungan sekitarnya, karena limbah cair pabrik kelapa sawit mengandung bahan organik yang tinggi sehingga berpotensi mencemari air tanah dan badan air. Penanganan dan pengolahan limbah cair yang diterapkan di pabrik kelapa sawit menggunakan proses anaerob dan aerob. Penelitian ini bertujuan untuk mengetahui proses IPAL, karakteristik air limbah, serta efektifitas sistem IPAL pabrik kelapa sawit PT. Nunukan Sawit Mas. Penelitian ini dilaksanakan pada bulan Maret hingga April Tahun 2021. Metode penelitian yang digunakan metode deskriptif kuantitatif dan kualitatif. Hasil penelitian untuk pengujian kualitas air limbah kelapa sawit diperoleh nilai parameter BOD 36,1 mg/l, COD 13760 mg/l, TSS 0,206 mg/l, Minyak dan Lemak 696 mg/l dan Nitrogen Total 0,23 mg/l. Efektifitas IPAL kelapa sawit berdasarkan nilai efektifitas diperoleh hasil penelitian untuk parameter COD, TSS, Minyak dan Lemak menunjukan hasil sangat efektif. Sedangkan untuk parameter BOD dan Nitrogen Total menunjukan tidak efektif untuk pengolahan air limbah.
ThesisOpen AccessMetadata saja
2022•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Pelaku bisnis rumput laut di Indonesia rata-rata mengalami masalah tingkat kekeringan rumput laut yang dibeli dari Petani. Produk yang dibeli dari Petani tingkat kekeringannya masih jauh dibawah standar yang dibutuhkan oleh Industri pengolahan rumput laut. Pengumpul local biasanya membeli rumput laut dengan kadar air masih berada pada level 38% ke atas sehingga ketika rumput laut akan dijual baik untuk keperluan industry local maupun export harus dilakukan penjemuran dan proses pembersihan ulang. Kekeringan ideal yang dikehendaki oleh Industri pengolahan rumput laut maksimal adalah 35%. Pada kasus di Tarakan petani melakukan pengeringan rumput laut sebelum dijual ke pengepul. Indikator yang digunakan oleh petani untuk mengetahui suatu kekeringan dari rumput laut adalah warnanya. Berdasarkan hasil wawancara salah satu petani mengatakan bahwa tingkat kekeringan rumput laut yang baik jika warnanya berubah menjadi putih tulang. Indikator inilah yang digunakan petani untuk menentukan tingkat kekeringan rumput laut. Kelemahan dari indikator tersebut adalah petani tidak mengetahui standar kandungan kadar air pada rumput laut tersebut. Maka dari itu peneliti membuat alat agar Pengepul rumput laut dapat mengetahui tingkat kekeringan rumput laut dengan menggunakan alat. Dimana tingkat kering rumput laut yang dimiliki pengepul rumput laut kota Tarakan sudah memenuhi SNI bernilai kisaran 41%. Dengan menggunakan alat pengepul dapat mengkategorikan rumput laut dikategori kering dengan nilai pembaca sensor dengan rentang nilai warna R dari 195 – 170, G dari 213 – 200, dan nilai B dari 168 – 152. Rumput laut dikategori sedang dengan nilai pembaca sensor dengan rentang nilai warna R dari 152 – 115, G dari 170 – 122, dan nilai B dari 111 – 150. Rumput laut dikategori basah dengan nilai pembaca sensor dengan rentang nilai warna R dari 163 – 148, G dari 190 – 178, dan nilai B dari 150 – 130
