Article Per Year (5 Year)
p-Index From 2021 - 2026
17.547
P-Index
This Author published in this journals
All Journal JURNAL INFORMATIKA Conference on Innovation and Application of Science and Technology (CIASTECH) JSI (Jurnal sistem Informasi) Universitas Suryadarma Scientific Journal of Informatics G-Tech : Jurnal Teknologi Terapan Community Development Journal: Jurnal Pengabdian Masyarakat GANDRUNG: Jurnal Pengabdian Kepada Masyarakat Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Journal of Students‘ Research in Computer Science (JSRCS) As-Sidanah : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Al-Khidmah Jurnal Pengabdian Masyarakat JUSTIFY : Jurnal Sistem Informasi Ibrahimy Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS JEECS (Journal of Electrical Engineering and Computer Sciences) Journal Of Computer Science And Technology JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Jurnal Ilmiah Multidisiplin Nusantara Jurnal Cendekia Mengabdi Berinovasi dan Berkarya Jurnal Pengabdian Sosial GEMBIRA (Pengabdian Kepada Masyarakat) NGARSA: Journal of Dedication Based on Local Wisdom JUAN: Jurnal Pengabdian Nusantara Jurnal Riset Teknik Komputer Jurnal Pengabdian Masyarakat Ekonomi dan Bisnis Digital Jurnal Padamu Negeri Jurnal Sistem Informasi Karya Anak Bangsa Journal Educational Research and Development Journal Dekstop Application (JDA) Jurnal Teras Pengabdian Masyarakat (JISCO) Journal of Information System and Computing NJCOM: Community Service Journal Jurnal Pengabdian Masyarakat Multidisiplin Journal Of Global Computer Science
Fatah, Zaehol
Fakultas Sains Dan Teknologi Universitas Ibrahimy
Religion Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Physics Public Health Social Sciences Other

Published : 157 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 157 Documents
Search

 12   13   14   15   16 
Sistem Informasi Pelayanan (SKTM) Berbasis Web di Desa Banyuputih Tilawatus Syarqiyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4676

Abstract

Penyediaan Layanan penerbitan Surat Keterangan Warga Tidak Mampu (SKTM) di Desa Banyuputih masih bersifat manual, sehingga sering mengalami keterlambatan dan kurang efisien. Penelitian ini Membangun Sistem Informasi Berbasis Web dalam rangka meningkatkan efisiensi pendataan warga tidak mampu memberikan kemudahan warga dalam mengajukan SKTM secara online. Pengembangan sistem menggunakan kombinasi PHP dan MySQL sebagai teknologi back-end utama, dan dirancang untuk meningkatkan kecepatan, efesiensi, serta akurasi dalam pelayanan administrasi desa. Hasil implementasi menunjukkan sistem mampu mempercepat proses layanan, mengurangi beban kerja Aparatur desa, serta mempercepat proses akses untuk warga. Kata Kunci: SKTM, Sistem layanan masyarakat desa, Website,PHP. MySQL   "The provision of services for issuing the Certificate of Indigence (Surat Keterangan Tidak Mampu / SKTM) in Banyuputih Village is still manual, which often leads to delays and inefficiency. This research aims to develop a Web-Based Information System to enhance the efficiency of data collection for indigent residents and provide convenience for citizens to submit their SKTM applications online. The system development utilizes a combination of PHP and MySQL as the primary back-end technologies, and is designed to improve the speed, efficiency, and accuracy of village administrative services. The results of the implementation demonstrate that the system is capable of accelerating the service process, reducing the workload of village officials (Aparatur Desa), and speeding up the access process for citizens."  Keywords: SKTM, Village Community Service System, Website,PHP,MySQL
Analisis Sentimen Komentar Youtube Terkait Vidio Demo DPR Menggunakan Algoritma Naïve Bayes Khoiriyah Agustin Ulumiyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4677

Abstract

mengekspresikan pandangan dan reaksi mereka terhadap berbagai isu, termasuk peristiwa sosial dan politik seperti demonstrasi DPR. Dalam studi ini, metode Naïve Bayes digunakan untuk mengategorikan komentar teks berbahasa Indonesia pada video terkait dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasilnya menunjukan bahwa mayoritas komentar bersifat netral (88,1%), dengan 9,3% negatif dan hanya 2,4% positif, yang menunjukan bahwa pengguna umumnya mengekspresikan reaksi non-emosional atau umum tanpa dukungan atau kritik eksplisit. Selain itu, efektivitas algoritma dalam mengklasifikasikan sentimen teks Bahasa Indonesia telah dibuktikan, terutama setelah Langkah-langkah pra proses yang tepat diterapkan. Studi ini berkontribusi pada literatur dengan mengkaji opini public terhadap isu-isu demonstrasi publik, menawarkan temuan yang dapat digunakan oleh pemangku kepentingan dalam memahami reaksi public yang cepat. Kata Kunci: Analisis Sentimen, Naïve Bayes, Demo DPR, Youtube   YouTube has grown in popularityas a social networking site for the public to express their views and reactions toward various issues, including social and political events such as the DPR demonstrations. In this study, the Nave Bayes algorithm was used to classify Indonesian-language text comments on DPR-related videos devided positive, negative, and neutral. The findings indicate that the majority of comments are neutral (88.1%), with 9.3% negative and only 2.4% positive, indicating that users generally expressed non-emotional or general reactions without explicit support or criticism. Moreover, the effectiveness of the algorithm in classifying Indonesian text sentiment has been demonstrated, especially after proper preprocessing steps are applied. This research of literature looking into public opinions toward political demonstration issues, offering conclusions that might be used as a guide for stakeholders in understanding rapid public reactions  Keywords: Sentiment Analysis, Naïve Bayes, DPR Demo, YouTube.
Implementasi Algoritma C4.5 untuk Mendiagnosis Penyakit Jantung Koroner pada RapidMiner Mayla Dini Zakkia; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4678

Abstract

Penyakit kardoivaskular, khususnya penyakit jantung koroner, menjadi alasan utama terjadinya kematian di seluruh dunia dan menduduki posisi kedua di Indonesia setelah stroke. Tingginya angka kematian akibat penyakit ini menuntut inovasi dalam proses diagnosis yang lebih cepat dan akurat. Studi ini mengaplikasikan metode penggalian data untuk menemukan faktor risiko utama yang terkait dengan penyakit jantung koroner, dengan menerapkan metode klasifikasi Decision Tree menggunakan algoritma C4.5. Algoritma C4.5 dipilih karena kemampuannya untuk memproses data berkelanjutan dengan efisiensi tinggi dan dapat menghasilkan model prediksi yang mudah dipahami. Proses analisis dilakukan dengan memanfaatkan perangkat lunak RapidMiner, yang menawarkan visualisasi terstruktur untuk membantu memahami hasil. Temuan dari penelitian ini diharapkan bisa menjadi pedoman dalam pengembangan sistem yang mendukung keputusan untuk tenaga medis, baik dalam meningkatkan mutu diagnosis maupun penanganan penyakit jantung. Kata Kunci: Algritma C4.5, Data Mining, Penyakit Jantung, Klasifikasi   Cardiovascular disease, particularly coronary heart disease, is the leading cause of death worldwide and ranks second in Indonesia after stroke. The high mortality rate from this disease demands innovation in faster and more accurate diagnostic processes. This study applies data mining methods to identify key risk factors associated with coronary heart disease, using the Decision Tree classification method using the C4.5 algorithm. The C4.5 algorithm was chosen for its ability to process continuous data with high efficiency and can produce easy-to-understand predictive models. The analysis process was carried out using RapidMiner software, which offers structured visualizations to aid in understanding the results. The findings of this study are expected to guide the development of decision-support systems for medical personnel, both in improving the quality of diagnosis and treatment of heart disease.  Keywords: C4.5 Algorithm, Data Mining, Heart Disease, Classification
Mendeteksi Curah Hujan Ekstrem sebagai Upaya Mitigasi Banjir Menggunakan Algoritma K-Means Rendi Aldiansyah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4683

Abstract

Pengelompokan informasi cuaca berdasarkan variasi suhu dan curah hujan melalui pendekatan K-Means Clustering merupakan suatu langkah krusial untuk memahami perubahan iklim di daerah Bogor. Dalam konteks perubahan iklim dan peningkatan risiko bencana hidro-meteorologi, identifikasi pola iklim menjadi sangat diperlukan untuk mendukung perencanaan mitigasi dan adaptasi. Dataset yang digunakan dalam penelitian ini mencakup atribut-atribut seperti suhu maksimum, suhu minimum, curah hujan harian, jumlah hari hujan, serta parameter temporal seperti bulan dan tahun pengamatan. Data tersebut melalui proses pembersihan, normalisasi, dan transformasi agar siap dianalisis menggunakan algoritma K-Means. Hasil pengelompokan menunjukkan adanya dua kelompok utama kondisi iklim dengan karakteristik yang berbeda. Kelompok pertama menggambarkan periode dengan curah hujan tinggi dan suhu relatif rendah, sedangkan kelompok kedua menunjukkan pola curah hujan lebih rendah disertai suhu udara yang lebih hangat. Temuan ini memberikan wawasan penting mengenai variasi iklim lokal, serta dapat dimanfaatkan oleh pihak terkait untuk menyusun strategi mitigasi bencana, pengelolaan ruang terbuka hijau. Dengan adanya pengelompokan ini, diharapkan pemerintah daerah maupun lembaga terkait dapat memahami struktur pola iklim secara lebih komprehensif dan meningkatkan kesiapsiagaan terhadap potensi kejadian iklim ekstrem. Kata Kunci: Algoritma K-Means Clustering, RapidMiner, Curah Hujan, Pembelajaran Mesin.   Clustering climate data based on air temperature and rainfall variation patterns using the K-Means Clustering method is a crucial step in understanding climate dynamics in the Bogor region. Regarding climate change and the increasing risk of hydro-meteorological disasters, identifying climate patterns is crucial to support mitigation and adaptation planning. The dataset used in this study includes attributes such as maximum temperature, minimum temperature, daily rainfall, number of rainy days, and temporal parameters such as month and year of observation. The data underwent a cleaning, normalization, and transformation process to prepare it for analysis using the K-Means algorithm. The clustering results indicate two main clusters of climate conditions with distinct characteristics. The first cluster describes periods with high rainfall and relatively low temperatures, while the second cluster shows a pattern of lower rainfall accompanied by warmer air temperatures. These findings provide important insights into local climate variations and can be utilized by relevant parties to develop disaster mitigation strategies, manage green open spaces, and develop More climate-adaptive spatial planning. With this clustering, it is hoped that local governments and related institutions can understand the structure of climate patterns more comprehensively and improve preparedness for potential extreme climate events.  Keywords: K-Means Algorithm, RapidMiner, rainfall, Machine learning.
Analisis Kinerja dan Akurasi Algoritma K-Nearest Neighbor Pada Dataset Heart Disease Mohammad Hadi Sujatmiko; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4684

Abstract

Since heart disease is the world's largest cause of mortality, early identification is crucial.  This research assesses how effectively the KNN algorithm classifies data on heart disease.  With k = 3 and an 80:20 split between training and test data, supervised learning was employed. The target function served as the classification label for the Heart Disease Dataset, which includes characteristics associated with heart disease.  RapidMiner software was used for the analytical procedure, which included data splitting, normalization, application of the KNN model, and making use of a confusion matrix to assess the model's performance.  According to the findings, the KNN algorithm produced a weighted mean recall of 95.00%, a weighted mean precision of 96.15%, a classification error of 4.55%, and an accuracy of 95.45%.  These findings support the notion that the KNN algorithm is highly accurate and dependable in identifying possible cardiac problems.   Keywords: heart disease, K-Nearest Neighbor, data mining, accuracy, classification.   Penyakit jantung, penyebab kematian tertinggi di dunia, memerlukan diagnosis cepatTujuan dari studi ini adalah untuk mengevaluasi tingkat akurasi algoritma KNN.  dalam mengklasifikasikan data yang berkaitan dengan penyakit jantung.  Metode pengajaran supervisi digunakan, dengan parameter k = 3, dan rasio pembagian data pengajaran dan pengujian sebesar 80:20.  Dataset yang digunakan berasal dari Dataset Penyakit Jantung, yang mengandung atribut terkait diagnosis penyakit jantung dengan label klasifikasi target.  Proses analisis dilakukan melalui perangkat lunak RapidMiner. Ini mencakup proses split data, normalisasi fase, penerapan model KNN, dan evaluasi kinerja model confusion matriks kekacauan.  Menurut hasil penelitian, algoritma KNN memiliki nilai akurasi 95,45%.  kesalahan klasifikasi sebesar 4,55%, keakuratan rata-rata rata-rata sebesar 95,00%, dan keakuratan rata-rata rata-rata sebesar 96,15%. Hasil ini menunjukkan algoritma KNN memiliki tingkat akurasi hampir sempurna dan cukup andal untuk deteksi potensi dari dataset yang digunakan.  Kata Kunci: klasifikasi, penyakit jantung, data mining, K-Nearest Neighbor, akurasi.
Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma KNN Asvic Baid Anbala; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4685

Abstract

Penyakit diabetes mellitus merupakan salah satu  Deabetes lronis meningkat setiap tahun di banyak negara, termasuk Indonesia.   Sangat penting untuk mendeteksi diabetes dini untuk mencegah komplikasi serius dan meningkatkan kualitas hidup pasien. Berdasarkan data medis pasien diabetes, penelitian ini menggunakan algoritma K-NN untuk mengklasifikasikan pasien diabetes. kumpulan data csv. Penelitian meliputi tahapan preprocessing data seperti penanganan nilai hilang, normalisasi, pembagian data (split data), serta implementasi algoritma K-NN pada RapidMiner Studio. Berdasarkan hasil pengujian dengan nilai k tertentu, diperoleh akurasi sebesar 71,43%, weighted mean recall sebesar 66,50%, dan weighted mean precision sebesar 68,41%. Hasil Ini menunjukkan bahwa algoritma K-NN dapat mengklasifikasikan dengan baik. data penderita diabetes, meskipun masih terdapat ruang untuk peningkatan performa melalui pengaturan parameter k dan metode optimasi jarak. Kata Kunci: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner   Diabetes mellitus is a long-term condition that is becoming prevalent across the world, especially in Indonesia.  To avoid serious problems and enhance patients' quality of life, early identification of possible diabetes is essential.  The K-Nearest Neighbor (K-NN) method was used in this investigation. was used to classify diabetes patients based on medical data obtained from the diabetes.csv dataset. The research process included data preprocessing steps such as handling missing values, normalization, data splitting, and implementing the K-NN algorithm using RapidMiner Studio. Based on the test results with a specific k value, the obtained accuracy was 71.43%, weighted mean recall 66.50%, and weighted mean precision 68.41%. These findings show that the K-NN algorithm does a respectable job at identifying diabetic data; however, there is still an opportunity for improvement: parameter tuning and distance optimization methods.  Keywords: Klasifikasi, Diabetes Mellitus, K-Nearest Neighbor, Data Mining, RapidMiner
Penerapan Algoritma Apriori untuk menghasilkan pola penjualan produk bangunan Angga Saputra; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4691

Abstract

Tujuan dari penelitian ini adalah menganalisis kecenderungan konsumen dalam melakukan pembelian material bangunan dengan memanfaatkan algoritma Apriori, yang diterapkan pada proses analisis asosiasi dalam data mining. Dalam dunia toko bahan bangunan, pengertian tentang perilaku belanja konsumen sangat krusial untuk memperbaiki strategi penjualan dan penataan barang. Penelitian ini menggunakan 500 transaksi penjualan yang telah melewati proses prapengolahan dan kemudian diubah ke dalam format biner melalui teknik one-hot encoding. Pada tahap analisis, algoritma Apriori diterapkan dengan menentukan batas minimum dukungan sebesar 10% dan batas minimum kepercayaan sebesar 50%. Temuan dari analisis ini mengindikasikan bahwa kombinasi produk seperti Semen dan Pasir serta Batu Bata dan Semen menunjukkan nilai dukungan dan kepercayaan yang signifikan. Temuan pola tersebut menyediakan informasi berharga yang dapat digunakan oleh pemilik toko material bangunan untuk menata ulang posisi produk secara lebih efektif, mengelola persediaan dengan lebih terencana, serta merancang strategi promosi yang lebih tepat sasaran. Representasi visual dari pola asosiasi juga digunakan untuk memberikan gambaran visual tentang interaksi antar produk. Hasil penelitian ini menunjukkan bahwa algoritma Apriori dapat berfungsi sebagai sarana yang efisien dalam mendukung proses pengambilan keputusan di dunia bisnis yang berlandaskan pada catatan data penjualan. Kata kunci: Apriori, Penambangan Data, Pola Belanja, Bahan Konstruksi, Aturan Asosiasi.   This study seeks to identify trends in how building materials are bought, using the Apriori algorithm within association-based data mining techniques. Grasping how customers buy things at building supply stores is really important for making better sales plans and arranging products in a smart way. This study looks at 500 sales records that have been cleaned up and changed into a one-hot encoded format. The Apriori method was implemented utilizing a support threshold of at least 10% and a confidence threshold of at least 50%. The study revealed that certain sets of products, like Cement with Sand and Bricks with Cement, showed strong support and confidence levels. These relationships give helpful information that can help building supply store owners create better product placement strategies, handle inventory better, and make more focused sales offers. Visual representations of these patterns are also used to visually show the links between different products. This study indicates that the Apriori approach serves as a valuable tool for informing business decisions by utilizing patterns derived from past sales data.  Keywords: Apriori Algorithm, Data Mining, Sales Patterns, Building Products, Association Rules
Klasifikasi Kemiskinan Menggunakan Metode Decision Tree Pada Rapidminer Muhammad Nur Alif Haqiqi; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4695

Abstract

Kemiskinan adalah salah satu isu sosial yang masih menjadi tantangan di Indonesia, khususnya dalam hal pembagian bantuan sosial yang seharusnya diterima dengan layak menjadi tidak tepat. Penelitian ini memiliki tujuan untuk mengategorikan kondisi kemiskinan isi rumah dengan metode Pohon Keputusan yang dihasilkan dari pengolahan data. Prosedur dilakukan melalui serangkaian langkah pengolahan data, pemilihan atribut dengan menggunakan algoritma genetika, pengembangan model klasifikasi, serta penilaian hasil menggunakan perangkat lunak Rapidminer Studio. Data yang digunakan dari berbagai atribut sosial ekonomi seperti pendidikan, jumlah tanggungan, kepemilikan aset, dan kondisi tempat tinggal. Hasil penelitian membuktikan bahwa algoritma Decision Tree mampu menghasilkan model klasifikasi yang sangat akurat serta mudah dipahami melalui representasi pohon keputusan. Atribut energocinar2 dan overcrowding memiliki kontribusi signifikan terhadap hasil klasifikasi, sementara itu klasifikasi atribut seperti hacapo menampakkan pengaruh yang lebih rendah. Temuan ini membuktikan bahwa metode Decision Tree sangat efektif dalam mengelompokkan data serta mengidentifikasi variabel-variabel penting. Model ini berguna diterapkan sebagai penolong dalam mengambil keputusan final saat penentuan penerima bantuan sosial agar lebih menguntungkan kepada khalayak umum yang memang berhak untuk menerima Kata Kunci: Klasifikasi , Kemiskinan , Data Mining , Decision Tree , Seleksi Atribut   Poverty is a social issue that remains a challenge in Indonesia, particularly in terms of the inaccurate distribution of social assistance. This study aims to categorize household poverty using the Decision Tree method, which is generated from data processing. The procedure involves a series of data processing steps, attribute selection using a genetic algorithm, classification model development, and evaluation of the results using Rapidminer Studio software. The data used were from various socioeconomic attributes such as education, number of dependents, asset ownership, and housing conditions. The results demonstrate that the Decision Tree algorithm is capable of producing a highly accurate and easily understood classification model through a decision tree representation. The energocinar2 and overcrowding attributes significantly contributed to the classification results, while classification attributes such as hacapo showed a lesser influence. These findings demonstrate that the Decision Tree method is highly effective in grouping data and identifying important variables. This model is useful for assisting in making final decisions when determining social assistance recipients to better benefit the general public who are truly entitled to receive it.  Kata Kunci: Classification, Poverty, Data Mining, Decision Tree, Attribute Selection
Klasifikasi Jenis Kulit Manusia (Terang, Sawo Matang, Gelap) Berdasarkan Citra Digital Menggunakan Teachable Machine Dwi Inayatul Fadila; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4696

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis kulit manusia meliputi kategori terang, sawo matang, dan gelap berdasarkan citra digital dengan memanfaatkan platform Teachable Machine. Pengumpulan data dilakukan melalui platform pencarian gambar di internet seperti Goggle Images, Pinterest, dan beberapa situs terbuka lainnya dengan bantuan teknik web scraping. Data yang diperoleh kemudian melalui proses pembersihan untuk menghilangkan duplikasi serta menyaring citra sesuai kategori warna kulit. Model dilatih menggunakan parameter pelatihan yang telah disesuaikan untuk memperoleh kinerja opyimal. Evaluasi model dilakukan menggunakan confusion matrix, grafik akurasi, dan nilai loss untuk menilai performa klasifikasi pada masing-masing kelas. Hasil penelitian menunjukkan bahwa model mampu mengenali kelas kulit terang dan gelap dengan tingkat akurasi yang sangat tinggi, namun masih mengalami kesulitan dalam membedakan kulit sawo matang karena kemiripan karakteristik visual dengan kelas lainnya. Pengujian dilakukan melalui dua metode input, yakni citra sederhana dan citra kompleks secara real-time. Secara keseluruhan, penelitian ini menunjukkan bahwa Teachable Machine dapat digunakan sebagai solusi cepat dan praktis dalam melakukan klasifikasi warna kulit berbasis citra digital. Kata kunci: klasifikasi citra, Teachable Machine, Web Scraping, Machine Learning    This study aims to classify human skin types into light, tan, and dark skin categories based on digital images using the Teachable Machine platform. Data collection was conducted through image search platforms on the internet such as Google Images, Pinterest, and several other open sites with the help of web scraping techniques. The obtained data then underwent a cleaning process to remove duplications and filter images according to skin color categories. The model was trained using adjusted training parameters to obtain optimal performance. Model evaluation was carried out using a confusion matrix, accuracy graphs, and loss values ​​to assess the classification performance of each class. The results showed that the model was able to recognize light and dark skin classes with a very high level of accuracy, but still had difficulty in distinguishing tan skin due to the similarity of visual characteristics with other classes. Testing was carried out using two input methods, namely simple images and complex images in real-time. Overall, this study shows that Teachable Machine can be used as a fast and practical solution for digital image-based skin color classification. Keywords: image classification, Teachable Machine, web scraping, machine learning
Klasifikasi Citra Tingkat Kematangan Buah Alpukat Berdasarkan Bentuk Warna Menggunakan Metode K-Nearest Neighbor Mas’udah masudah; Zaehol fatah
Jurnal Mahasiswa Teknik Informatika Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/jamastika.v5i1.4697

Abstract

Manually determining the ripeness level of avocados is often subjective and requires experience from the observer. Therefore, an automated system capable of accurately classifying the ripeness level of avocados is needed. This study aims to classify the ripeness level of avocados based on shape and color characteristics using the K-Nearest Neighbor (K-NN) method. The research process begins with capturing images of avocados at various ripeness levels, followed by image preprocessing in the form of resizing, segmentation, and extraction of color (mean, standard deviation, and skewness) and shape (area, perimeter, and shape ratio) features. The extracted features are used as input for the K-NN algorithm with varying k values ​​to achieve the best accuracy. Based on the test results, the K-NN method is able to classify the ripeness level of avocados with a good level of accuracy, indicating that the combination of color and shape features is effective in distinguishing ripeness categories. This system is expected to assist farmers and industry players in determining the quality of avocados quickly and objectively.   Keywords: Image classification, avocado, ripeness level, K-Nearest Neighbor, feature extraction.   Perkembangan teknologi informasi saat ini telah memungkinkan identifikasi buah berdasarkan ciri warna melalui pemrosesan citra digital. Proses ini memanfaatkan kamera untuk mengambil gambar buah, yang kemudian diolah menggunakan perangkat lunak komputer dengan teknik pengolahan citra digital untuk menentukan tingkat kematangan buah secara efisien. Penentuan tingkat kematangan buah alpukat secara manual sering kali bersifat subjektif dan memerlukan pengalaman dari pengamat. Oleh karena itu, diperlukan sistem otomatis yang mampu mengklasifikasikan tingkat kematangan buah secara akurat. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematang buah alpukat berdasarkan ciri bentuk dan warna menggunakan metode K-Nearest Neighbor (K-NN). Proses penelitian diawali dengan pengambilan citra buah alpukat pada berbagai tingkat kematangan, kemudian dilakukan pra-pemprosesan citra berupa resize, segmentasi, dan ekstraksi fitur warna (mean, standar deviasi, dan skewness) serta bentuk (luas, keliling, dan rasio bentuk). Hasil ekstraksi fitur tersebut digunakan sebagai masukan untuk algoritma K-Nearest Neighbor dengan variasi nilai k untuk memperoleh akurasi terbaik. Berdasarkan hasil pengujian, metode K-Nearest Neighbor mampu mengklasifikasikan tingkat kematangan buah alpukat dengan tingkat akurasi yang baik, menunjukkan bahwa kombinasi fitur warna dan bentuk efektif dalam membedakan kategori kematangan. Sistem ini diharapkan dapat membantu petani maupun pelaku industri dalam menentukan kualitas buah alpukat secara cepat dan objektif. Kata Kunci: klasifikasi citra, buah alpukat, tingkat kematangan, K-Nearest Neighbor, ekstraksi fitur.
Co-Authors Abd. Moeqshit Abdul Jalil Abu Dzarrin Al Ghifari Achmad Baijuri Achmad Nanung Fambriyadi Adinia Zulfa nurany Afdhaliyah Ramadhatul Fitriyah Agel Ahmad Maulana Agus Hamid Cholil Ahmad Afif Azmi Ahmad Efendi Ahmad Farissul Haq Ahmad Fauzan Ahmad Homaidi Ahmad Muflih Wafir Ahmad Wahyu Fernando Ahmad Yasin Ahmad Yogianto Ahmada Ilham Huzaini Ainur Yakin Aisyah Putri Sabrina Akhlis Munazilin Ali Muhajir Alifan Ibrohim Alvananta Farhan Maulana Alvina Jelita Firdaus Angga Saputra Anis Mukarromah Anisatul Rhodiah Ardila Dwi Putri Asvic Baid Anbala As’ad Alwi Shihab Auliya Auliya Bayu Ainur Rifki Cindy Nur Dina Alifia Daniel As’ad Amrullah dewi khoirunisak Dhiyaul Haq Hasan Dofiyanto Dwi Inayatul Fadila Dwi Norrepa Egi Gusnandi Pratama Endah Wahyu Rizki Eny Itsnainy Agustin Evvatun Nafiah Faqih Nur Rahman Farizal Maulana Sopyan Fikri Febrian Filsa Salsabila Fitra Lia Shofiah Hilma Aufini Ika Ayu Herlina Imam Nawawi Indra Hidayatullah Sofyan Intan Nayla Widad Hidayat Iqbal Saputra Irma Siftiana Irma Yunita Irma Yunita Jarot Dwi Prasetyo Jarot Dwi Prasetyo Karomah Nikmatul Maula Khoiriyah Agustin Ulumiyah Kiki Setiawan Heri Ananda Putra Lailatul Badriya Lailatur Romadhaniyah Lisa Muhfidha Lukman Aliyasin Lukman Fakih Lidimilah Lummatul Aisi aisi M. Fazlur Rahman Assauqi Madatahliya Mahattir Rahman Muhammad Mahmudi Mahmudi Manisa Sopia Mori mori Maridatul Husna Mas’udah masudah Maulidya Hanun Mayla Dini Zakkia Mita Abelia Moh Nailul Fahmi Moh. Aqil Mukhtar Alfarera Moh. Bahauddin Mohamad Afil Nadiq Nabil Mohammad Hadi Sujatmiko Mohammad Zainuddin Muhamad Iqbal Facruzi Muhammad Al Madany Muhammad Ilzam Asrori Muhammad Irsyad Syarif Muhammad Marizal Muhammad Muhajir Saddami Muhammad Nabil Dhiya’ul Haq Muhammad Nur Alif Haqiqi Muhammad Salman Al Farisy Muhammad Syafiq Muhammad Zakaria Muwasatil Muhtajin Nafilil Madani Al-Qur’ani Naila Ismi Fadila Nasywa Faiz Atillah Mifta Nauradhia Shofarianti Putri Nazwa Andita Neny Yuli Susanti Neny Yuli Susanti Nori Nur Fasratul Aini Nur Aini Nur Azizah Nur Kamila Nurul Lailiyah Putri Ghina Ardhika Putri Ilma Raudatuss Syifa Putri Navizah Qurrotul A'yun Rafi Jaabil Haqqi Rahmat Syarifuddin Chairil Anwar Rendi Aldiansyah Resti Aprilianingsih Riana Agustin Rifki Dwi Saputra Rinayatul Fadilah Riskiyatul Hasanah Risma Nur Kholishah Rofi Dian Andini Rofiatul Aulia Rohiqim Mahtum Rohiqim Mahtum Roy Hamdan Samsul Shinta Nuriyah Lailatul Iqrimah Siti Afiyah Suryadi Rahmah Siti Farhatus Shofiyyah Sitti Hafidzaturrafiah Sofiatuz Zamani Sri Wahyuni Supandi Syadza Najwatis Shaleha Syafiq Ilham Hakim Syamsul Arifin Syarif Hidayatullah Syariful Abrori Taufik Saleh Taufik Saleh Tawakal, Anzori Tilawatus Syarqiyah Tuti Alawiyah Ubay Dillah Mas’ud Ulfatun Najiyah Ummariyatul Fitriyah Ummul Karimah Uny Khafifah Uswatul Muftakiyah Wahyu Achmad Putra wardatun nafisa wardhatun khasanah Yaumil Farah Zainal Mu'en Zainul Arifin Alwi Al Qayyis Zainur Rohman Zeinurrahman Zeinurrahman