Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Media Informatika Jurnal Informatika Teknologi dan Sains (Jinteks)
Charistian Hia
Universitas Satya Terra Bhinneka
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
PENINGKATAN CITRA CCTV MALAM MENGGUNAKAN METODE GAMMA CORRECTION ADAPTIF DAN BILATERAL FILTER Charistian Hia; Enjelina Megawati; Ahmad Fauzi Matondang; Michael Ananda
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 7 No 4 (2025): EDISI 26
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v7i4.7071

Abstract

Kualitas citra CCTV pada kondisi pencahayaan rendah cenderung mengalami penurunan kecerahan, peningkatan noise, serta hilangnya detail sehingga menyulitkan proses identifikasi objek. Penelitian ini bertujuan untuk meningkatkan kualitas citra CCTV malam menggunakan kombinasi metode gamma correction adaptif dan bilateral filter. Gamma correction adaptif diterapkan untuk meningkatkan kecerahan citra secara proporsional, sedangkan bilateral filter digunakan untuk mereduksi noise tanpa menghilangkan detail tepi. Evaluasi kualitas citra dilakukan menggunakan metrik PSNR, SSIM, dan MSE serta didukung analisis histogram dan heatmap SSIM. Hasil penelitian menunjukkan bahwa metode yang diusulkan mampu meningkatkan kecerahan citra secara lebih merata, mempertahankan struktur tepi, dan menurunkan kesalahan rekonstruksi dibandingkan citra asli. Dengan kompleksitas komputasi yang ringan, metode ini efektif diterapkan pada sistem CCTV dengan sumber daya komputasi terbatas. Kata kunci disusun berdasarkan alfabetis.
DETEKSI PENYAKIT BLAS, TUNGRO & BERCAK COKLAT PADA TANAMAN PADI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Mustika Tiara; Charistian Hia; Dicky Ramadhan Hutasuhut; Enjelina Megawati Hutauruk
Jurnal Media Informatika Vol. 6 No. 3 (2025): Jurnal Media Informatika
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i3.6462

Abstract

Produksi padi di Indonesia terus menghadapi tantangan serius akibat serangan penyakit tanaman seperti blas, tungro, dan bercak coklat. Penyakit ini dapat menurunkan hasil panen secara signifikan jika tidak dideteksi secara dini. Penelitian ini dilakukan untuk mengembangkan sistem deteksi otomatis menggunakan metode Convolutional Neural Network (CNN) yang mampu mengklasifikasikan jenis penyakit padi berdasarkan citra daun. Dataset yang digunakan terdiri dari citra daun padi yang diambil langsung dari lapangan (primer) dan juga dataset publik RiceLeafs (sekunder). Data citra diproses melalui tahapan preprocessing dan augmentasi untuk meningkatkan kualitas pelatihan model. Arsitektur CNN dibangun dengan beberapa lapisan konvolusi, pooling, dan fully connected yang dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Hasil pelatihan menunjukkan akurasi validasi mencapai 100%, dengan loss yang sangat rendah, menandakan kinerja model yang sangat baik. Model juga mampu memprediksi kelas penyakit dari citra baru secara akurat. Penelitian ini menunjukkan bahwa penerapan CNN berpotensi besar sebagai alat bantu diagnosis awal penyakit tanaman padi, sehingga dapat memberikan solusi nyata dalam meningkatkan produktivitas pertanian melalui pendekatan teknologi kecerdasan buatan.
Co-Authors Ahmad Fauzi Matondang Dicky Ramadhan Hutasuhut Enjelina Megawati Enjelina Megawati Hutauruk Michael Ananda Mustika Tiara