Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Permintaan daging sapi di Indonesia selalu meningkat dari tahun ke tahun. Tetapi sayangnya persediaan di dalam negeri tidak mencukupi, sehingga impor daging dalam jumlah besar terus dilakukan. Pemerintah telah melakukan berabagai usaha untuk mengurangi impor dan mencapai swa sembada. Saat ini, permerintah sedang menyelenggarakan program Swasembada Daging Sapi (PSDS) 2014. Tetapi, beberapa ketidakakuratan data masih tetap muncul, misalnya antara data yang digunakan di dalam blueprint PSDS 2014 dan data yang dirilis dalam Basis Data Statistik Pertanian (BDSP). Ketidakakuratan data dapat menyebabkan ketidakakuratan kebijakan di sektor peternakan. Oleh karena itu, di dalam disertasi ini, diusulkan suatu konsep e-Livestock untuk mengatasi ketidakakuratan data tersebut. Disertasi ini dilakukan berdasarkan Definition, Framework, Methodology, and Area of concern (DFMA) model of reserach. Ada lima langkah penelitian yang dilakukan di dalam disertasi ini. Pertama, definisi (D) dari e-Livestock diformulasikan. Kedua, definisi tersebut divalidasi dan diperbaiki dengan cara mewawancarai beberapa pakar dan stakeholder, dan hasil wawancara tersebut diinterpretasi menggunakan hermeneutika. Definisi yang sudah divalidasi kemudian digunakan pada langkahlangkah berikutnya. Ketiga, 36 faktor sukses untuk inisiatif e-Government di sintesis menggunakan Meta-Ethnography. Semua faktor sukses tersebut kemudian digunakan di dalam langkah keempat untuk memformulasikan 62 faktor sukses yang spesifik untuk e-Livestock di Indonesia. Semua 62 faktor sukses, multivew framework, dan soft system thinking kemudian digunakan sebagai framework (F) di dalam langkah berikutnya. Di dalam langkah kelima, metodologi (M) bernama Soft Systems Metodology (SSM) digunakan di dalam area (A) yang menjadi perhatian untuk menghasilkan model-model yang terkait untuk e-Livestock di Indonesia. Hasil dari semua langkah penelitian telah menjawab semua research questions dari disertasi ini. Berbagai kontribusi teoritis dan praktis juga telah dihasilkan dan dapat memperkaya ilmu pengetahuan di dalam penelitian e-Government dan dapat membantu pemerintah Indonesia.

---

The demand for beef resources in Indonesia is always increasing from year to year. Unfortunately, the national beef supply usually did not able to meet those needs. The import of beef in large numbers likely to remain performed. The government has made various efforts to reduce imports and achieve self-sufficiency in beef. Currently, the government has launched the new Beef Self-Sufficiency Program (PSDS), i.e. PSDS 2014. However, some concerns about the data inaccuracies was actually reflected in the difference about beef production data released by Agricultural Statistics Data Base (BDSP) and the data stated in the blueprint of PSDS 2014. Inaccuracy of data can lead to the inappropriate policy making in the livestock sector. Therefore, it is proposed in this dissertation that e-Livestock can help to solve the problem This dissertation are based on Definition, Framework, Methodology, and Area of concern (DFMA) model of reserach. Five main research steps have been conducted in this dissertation. First, the definition (D) of e-Livestock in Indonesia is formulated. Second, the definition then be validated and adjusted by interviewing some stakeholders and experts, and the results of interviews are interpreted using hermeneutic. The resulted definition than used in all other subsequent steps. Third, 36 success factors for e-Government initiative are synthesized using Meta-Ethnography. Those success factors then used in the fourth research steps to formulates the 62 success factors that specific for e-Livestock in Indonesia. These 62 success factors, multivew framework and soft systems thinking then used as the framework (F) of idea in the next research step. In the fifth research step, the Soft Systems Metodology (SSM) is used and combined with some other methods to model the e-Livestock in Indonesia. The results from all research steps have answered all the research questions of this dissertation. Several theoretical and practical contributions have emerged and can enrich the body of knowledge in e-Government research and can take into consideration in practice.

Abstrak :
Salah satu aplikasi yang akan diterapkan pada sistem e-Livestock di Indonesia adalah aplikasi untuk mengenali rumpun ternak sapi berdasarkan data citra ternak sapi. Permasalahan yang dihadapi pada proses pengenalan rumpun ternak tersebut adalah pada saat proses segmentasi objek ternak sapi, karena pada umumnya data citra ternak sapi memiliki background yang cukup kompleks dan beragam. Sehingga sangat sulit untuk mengenali objek ternak sapi secara otomatis menggunakan mesin. Beberapa penelitian yang telah dilakukan mengungkapkan bahwa metode segmentasi secara interaktif yang berbasiskan graf cukup ampuh untuk melakukan segmentasi pada citra yang kompleks. Pada penelitian ini dilakukan proses segmentasi secara interaktif berbasiskan graf yang merupakan pengembangan dari metode Graph Cuts. Metode ini dapat memberikan hasil yang lebih akurat pada citra dengan background yang beragam dan komples dengan rata-rata nilai akurasi sebesar 90%, walaupun masih membutuhkan interaksi dari pengguna. Citra ternak sapi yang telah dilakukan proses segmentasi dapat diklasifikasikan jenis rumpunnya dengan akurat dengan rata-rata nilai akurasi sebesar 97,5%. ......One of the applications that will be applied to the e-Livestock system in Indonesia is an application to recognize the race of cattle beef from cattle beef image data. Problems faced in the process of recognizing cattle race is in the process of cattle object segmentation, because the cattle beef data image have a complex and diverse
background. So it is very difficult to recognize the cattle object fully automatic using the machine. Previous research and studies revealed that the interactive segmentation method which is based on graph was powerful enough to perform image segmentation with complex background. In this research, we develop the process of graph-based interactive segmentation which is the development of Graph Cuts methods. This method can provide more accurate results in imagery with complex and diverse background with 90% accuracy, although still requiring interaction from the user. Cattle image segmentation process that has been done can be accurately classified its race with an average accuracy of 97,5%.