Rhizome plants are often used as ingredients or traditional ingredients such as temuireng, temulawak and temumangga. Such rhizomes have the same color, shape, and smell characteristics. In this study, the types of rhizomes were classified based on their color into three classes, namely temuireng, temulawak, and temumangga. The color of the rhizome was captured using the camera. The image feature extraction process was carried out to obtain the color characteristics of the image by calculating the RGB value of the image. The obtained values were classified using several machine learning methods, namely Decision Tree, Naive Bayes, and KNN. This study used 120 data for all classes with the ratio of training data and test data was 70% and 30% respectively. In the initial stages of classification, data cleaning was carried out, before training and test data were used to create a classification model. From the classification results, the accuracy value of each method was obtained and then the method with the best accuracy can be selected. Result showed that the optimal method for classifying three types of temulawak (temuireng, temulawak and temumangga) based on RGB color features was using the KNN method with an accuracy of 87.5% that similar to previous researcher who used SVM method.

merupakan daerah aliran sungai yang memiliki peranan penting dalam menyimpan atau menerima air hujan serta mengalirkannya ke sungai. Sungai Krueng Keureuto yang merupakan sungai utama DAS Krueng Keureuto memiliki potensi sumber air yang dapat dimanfaatkan untuk memenuhi berbagai keperluan, diantaranya seperti pengendali banjir dengan melakukan pembangunan Bendungan Krueng Keureuto. Sebagai bangunan pengairan, bendungan berfungsi menampung air sungai dalam suatu waduk (reservoir). Konsekuensi dari penampungan air sungai tersebut akan ikut tertampung juga sedimen yang terbawa oleh aliran air. Oleh sebab itu perlu dilakukan analisis erosi dan sedimentasi lahan yang memberi pengaruh terhadap Bendungan Keureuto, mengingat begitu besarnya peran bendungan tersebut di DAS Keureuto. Metode yang digunakan dalam memprediksi laju erosi adalah Model Revised Universal Soil Loss Equation (RUSLE). Faktor-faktor yang diperhitungkan dengan menggunakan model RUSLE ini diantaranya adalah erodibilitas, erosivitas, cover management, serta panjang dan kemiringan lereng. Untuk menduga hasil sedimen dari Sub-DAS Krueng Keureuto digunakan metode MUSLE (Modified Universal Soil Loss Equation). MUSLE tidak menggunakan faktor energi hujan sebagai penyebab terjadinya erosi melainkan menggunakan faktor limpasan permukaan yang mewakili energi yang digunakan untuk penghancuran dan pengangkutan sedimen. Penggunaan Geographical Information

No abstract

Kecelakaan menjadi salah satu penyebab utama kerugian terbesar yang dialami oleh masyarakat di seluruh dunia. Kecelakaan yang dialami seluruh lapisan masyarakat dapat menyebabkan kematian atau cidera permanen jika tidak segera diatasi dengan tepat. Pemberian pengetahuan P3K bagi pelajar dan masyarakat awam di Era Millenial dapat dilakukan melalui aplikasi android yang edukatif yaitu Smart P3K. Hal ini dikarenakan, pengembangan dan pengunaan aplikasi berbasis system operasi android di era sekarang sudah menjadi kebutuhan global, maka perlu adanya aplikasi android yang edukatif. Smart P3K adalah aplikasi android berbasis gamification atau permainan. Metode Gamification adalah menciptakan interaksi dengan pengguna melalui suatu mekanisme yang menyerupai game dimana pengguna akan merasakan pengalaman yang serupa dengan pengalaman yang muncul saat ia memainkan suatu game. Aplikasi ini berbasis story mode yang dikombinasikan dengan alur P3K sebagai alternatif edukasi dan literasi penangan medis yang terstruktur bagi pelajar dan masyarakat awam.