Muhammad Idris
Universitas Putra Indonesia YPTK Padang

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

Found 2 Documents
Search

IMPLEMENTASI METODE K-MEANS UNTUK MENGKLASTERISASI JENIS BUAH NAGA DENGAN TEKNIK PENGOLAHAN CITRA Muhammad Idris; Agung Ramadhanu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3091

Abstract

Abstract: This research aims to implement the K-Means method for clustering red and yellow dragon fruit types using image processing techniques. Image processing is carried out by utilizing features such as color, texture, and shape from dragon fruit images obtained using a digital camera. The captured images are then processed through preprocessing stages such as conversion to a specific color space  and feature extraction to describe the visual characteristics of the dragon fruit. Afterward, the K-Means algorithm is applied to cluster the images based on the similarity of their features. The clustering results show that the K-Means method is effective in distinguishing between red and yellow dragon fruit types, with a satisfactory accuracy rate. This study contributes to the development of an automated classification system for dragon fruit type identification based on images, which can be applied in agriculture, especially in the processing and distribution of products. Keyword: K-Means Method; Red Dragon Fruit Clustering; Yellow Dragon Fruit; Image Processing. Abstrak: Penelitian ini bertujuan untuk mengimplementasikan metode K-Means dalam mengklasterisasi jenis buah naga merah dan buah naga kuning menggunakan teknik pengolahan citra. Pengolahan citra dilakukan dengan memanfaatkan fitur-fitur warna, tekstur, dan bentuk dari citra buah naga yang diperoleh menggunakan kamera digital. Citra yang diambil kemudian diproses melalui tahap pra-pemrosesan seperti konversi ke ruang warna tertentu dan ekstraksi fitur untuk mendeskripsikan karakteristik visual dari buah naga. Setelah itu, algoritma K-Means diterapkan untuk mengelompokkan citra berdasarkan kemiripan fitur yang dimilikinya. Hasil pengklasteran menunjukkan bahwa metode K-Means efektif dalam memisahkan jenis buah naga merah dan kuning, dengan tingkat akurasi yang memadai. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis untuk identifikasi jenis buah naga berdasarkan citra, yang dapat diterapkan dalam bidang pertanian, terutama dalam proses pengolahan dan distribusi produk. Kata kunci:  Metode K-Means; Pengklasteran buah naga merah; Buah naga kuning; Pengolahan citra.
PENERAPAN LOGIKA FUZZY MAMDANI DENGAN TIGA VARIABEL INPUT UNTUK PREDIKSI GRADE AKADEMIK SISWA SMA Dzil Hidayati; Muhammad Idris; Yuliana Pertiwi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4913

Abstract

Abstract: This research aims to design and implement a Fuzzy Inference System (FIS) using the Mamdani method as an efficient machine learning solution for predicting Estimated GPA (4.0 Scale) for Senior High School students. The model addresses the inherent uncertainty in academic assessment by utilizing three crucial input variables from the Students Performance Dataset (Kaggle): Weekly Study Time (x), Number of Absences (y), and Parental Support (z). The parameters for the membership functions (Trimf) and the Rule Base (27 rules) were determined through descriptive analysis of the secondary dataset and academic heuristic knowledge, ensuring the validity and objectivity of the design. The system integrates fuzzification, inference, and defuzzification (Centroid of Area) to yield a continuous GPA value (0.00–4.00). Simulation results demonstrate that the model is effective in mapping qualitative factors to precise quantitative outputs, providing a practical contribution as an efficient and reliable diagnostic tool for educational institutions. Keyword: Fuzzy Mamdani; GPA Prediction; Academic Grade Prediction Abstrak: Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Inferensi Fuzzy (FIS) Mamdani sebagai solusi machine learning untuk memprediksi Perkiraan GPA (Skala 4.0) siswa Sekolah Menengah Atas. Model ini mengatasi ketidakpastian dalam penilaian akademik dengan menggunakan tiga variabel input krusial dari Students Performance Dataset (Kaggle): Waktu Belajar Mingguan (x), Jumlah Absensi (y), dan Dukungan Orang Tua (z). Parameter fungsi keanggotaan (Trimf) dan Basis Aturan (27 aturan) didapatkan melalui analisis deskriptif terhadap dataset sekunder dan pengetahuan heuristik akademik, yang menegaskan validitas dan objektivitas perancangan. Sistem ini menggabungkan fuzzifikasi, inferensi, dan defuzzifikasi (Centroid of Area) untuk menghasilkan nilai GPA kontinu (0.00-4.00) yang lebih realistis. Hasil simulasi kasus menunjukkan bahwa model ini efektif dalam memetakan faktor kualitatif ke output kuantitatif yang presisi, memberikan kontribusi praktis sebagai alat diagnostik yang efisien dan dapat diandalkan bagi lembaga pendidikan. Kata kunci: Fuzzy Mamdani; Prediksi GPA; Prediksi Grade Akademik