Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JURNAL REKAYASA TEKNOLOGI INFORMASI Jurnal Kecerdasan Buatan dan Teknologi Informasi
Muh. Nasirudin Karim
Universitas Teknologi Mataram
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PEARLVISION AI: AN AUTOMATED PEARL QUALITY GRADING SYSTEM BASED ON MORPHOLOGICAL FEATURES AND ENSEMBLE LEARNING Muh. Nasirudin Karim; Muhammad Masjun Efendi; Bahtiar Imran
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 4 No. 3 (2025): September 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v4i3.472

Abstract

Conventional pearl quality assessment remains heavily reliant on manual visual inspection, which is subjective and inconsistent. This study develops PearlVision AI, an automated system for grading Lombok pearls using morphological feature extraction and ensemble learning. The dataset comprises 361 South Sea pearl images (Pinctada maxima) labeled into three commercial grades: A (n=120), AA (n=120), and AAA (n=120). The proposed pipeline integrates hybrid segmentation (Hough Circle Transform + Convex Hull) for robust object isolation, extraction of four geometric descriptors (circularity, eccentricity, area, perimeter), and comparative evaluation of four classification algorithms: Random Forest, Gradient Boosting, K-Nearest Neighbor, and SVM (RBF). Results demonstrate that Random Forest achieved optimal performance with a test accuracy of 97.22% and a 5-fold cross-validation score of 91.68%, consistently maintaining precision, recall, and F1-score >0.95 across all grade classes. Feature importance analysis revealed that size-related features (area and perimeter) contributed more significantly to class discrimination than shape-based metrics (circularity), reflecting the natural correlation between pearl diameter and commercial value in this dataset. With an inference time of <0.5 seconds per image, PearlVision AI offers an objective, efficient, and reproducible solution for reducing manual grading bias and enhancing quality control consistency in the pearl industry
Model Infrastruktur Edge Adaptif untuk Smart City dan IoT Berbasis Software Defined Networking Lalu Delsi Samsumar; Zaenudin Zaenudin; Supardianto Supardianto; Muh. Nasirudin Karim; Zumratul Muahidin
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 2 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i2.27474

Abstract

 Perkembangan Smart City dan Internet of Things (IoT) menuntut ketersediaan infrastruktur jaringan yang mampu merespons dinamika trafik secara cepat, efisien, dan adaptif. Arsitektur edge konvensional memiliki keterbatasan dalam fleksibilitas, skalabilitas, serta kemampuan pengelolaan sumber daya pada kondisi trafik yang berubah-ubah. Penelitian ini mengusulkan model infrastruktur edge adaptif berbasis Software Defined Networking (SDN) untuk meningkatkan kinerja jaringan pada lingkungan Smart City dan IoT. Model dirancang dengan memanfaatkan pemisahan control plane dan data plane guna memungkinkan orkestrasi jaringan yang dinamis melalui pengaturan jalur, alokasi bandwidth, dan manajemen beban secara real-time. Metode penelitian meliputi perancangan arsitektur, implementasi prototipe menggunakan controller SDN, serta pengujian performa melalui simulasi pada Mininet dengan lima skenario trafik IoT. Evaluasi dilakukan berdasarkan parameter Quality of Service (QoS), yaitu delay, throughput, packet loss, dan jitter. Hasil pengujian menunjukkan bahwa model adaptif berbasis SDN memberikan peningkatan performa signifikan dibandingkan arsitektur edge konvensional, dengan peningkatan throughput sebesar 51,1%, penurunan delay sebesar 35,2%, pengurangan packet loss sebesar 47,4%, serta stabilitas jitter yang lebih baik pada seluruh skenario. Temuan ini menunjukkan bahwa integrasi SDN pada infrastruktur edge merupakan pendekatan efektif untuk mendukung layanan Smart City dan IoT yang bersifat real-time, masif, dan heterogen.
Co-Authors Imran, Bahtiar Lalu Delsi Samsumar, M.Eng. Muhammad Masjun Efendi Supardianto Supardianto Zaenudin Zaenudin Zumratul Muahidin