Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JSiI (Jurnal Sistem Informasi) Jurnal Garuda Pengabdian Kepada Masyarakat
Anggraini, Chintya
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
KLASIFIKASI DAUN KELENGKENG MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN) Anggraini, Chintya; Sriani
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9157

Abstract

Tanaman kelengkeng (Dimocarpus longan) termasuk dalam jenis tanaman buah dengan nilai ekonomi tinggi dan menjadi komoditas penting dalam sektor pertanian. Kelengkeng memiliki berbagai varietas yang beragam berdasarkan ciri-ciri khas dari masing-masing jenis yang cukup sulit dibedakan, terutama bagi orang awam. Berdasarkan permasalahan dalam menentukan jenis tanaman kelengkeng, maka perlu adanya sistem yang dapat mengklasifikasikan jenis tanaman kelengkeng. Penelitian ini mengusulkan ekstraksi fitur tekstur dari citra daun kelengkeng dengan memanfaatkan Gray Level Co-occurrence Matrix (GLCM), dengan fitur contrast, correlation, homogeneity, dan energy, yang selanjutnya diklasifikasikan dengan algoritma K-Nearest Neighbor (KNN). Metode ini diterapkan pada dataset citra daun dari berbagai varietas kelengkeng, yaitu aroma durian, diamond river, pingpong, dan kelengkeng merah. Metode ini diterapkan untuk meningkatkan akurasi dan efisiensi dalam klasifikasi jenis kelengkeng. Hasil penelitian menunjukkan bahwa penerapan GLCM dan KNN berhasil dilakukan dengan akurasi klasifikasi mencapai 87,5%. Dari 16 citra uji, 14 citra berhasil diklasifikasikan dengan benar. Kata Kunci: Daun, Kelengkeng, Gray Level Co-occurrence Matrix (GLCM), K-Nearest Neighbor (KNN)
KLASIFIKASI DAUN KELENGKENG MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN K-NEAREST NEIGHBOR (KNN) Anggraini, Chintya; Sriani
Jurnal Sistem Informasi Vol 11 No 2 (2024)
Publisher : Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jsii.v11i2.9157

Abstract

Tanaman kelengkeng (Dimocarpus longan) termasuk dalam jenis tanaman buah dengan nilai ekonomi tinggi dan menjadi komoditas penting dalam sektor pertanian. Kelengkeng memiliki berbagai varietas yang beragam berdasarkan ciri-ciri khas dari masing-masing jenis yang cukup sulit dibedakan, terutama bagi orang awam. Berdasarkan permasalahan dalam menentukan jenis tanaman kelengkeng, maka perlu adanya sistem yang dapat mengklasifikasikan jenis tanaman kelengkeng. Penelitian ini mengusulkan ekstraksi fitur tekstur dari citra daun kelengkeng dengan memanfaatkan Gray Level Co-occurrence Matrix (GLCM), dengan fitur contrast, correlation, homogeneity, dan energy, yang selanjutnya diklasifikasikan dengan algoritma K-Nearest Neighbor (KNN). Metode ini diterapkan pada dataset citra daun dari berbagai varietas kelengkeng, yaitu aroma durian, diamond river, pingpong, dan kelengkeng merah. Metode ini diterapkan untuk meningkatkan akurasi dan efisiensi dalam klasifikasi jenis kelengkeng. Hasil penelitian menunjukkan bahwa penerapan GLCM dan KNN berhasil dilakukan dengan akurasi klasifikasi mencapai 87,5%. Dari 16 citra uji, 14 citra berhasil diklasifikasikan dengan benar. Kata Kunci: Daun, Kelengkeng, Gray Level Co-occurrence Matrix (GLCM), K-Nearest Neighbor (KNN)
Pengembangan Aplikasi Keamanan Berbasis Web Pada Pabrik Minyak Kelapa Sawit Lonsum Dengan Pendekatan Human Computer Interaction Anggraini, Chintya; Syahputri, Cindy Novi; Rafiqah, Intan Nur
Jurnal Garuda Pengabdian Kepada Masyarakat Vol 1 No 2 (2023)
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/gabdimas.v1i2.826

Abstract

Dalam lingkungan industri seperti pabrik kelapa sawit, faktor keamanan data sangatlah penting untuk mengurangi risiko terjadinya bahaya atau ancaman dari luar. Untuk menjaga keamanan suatu data dari ancaman, maka diperlukan suatu aplikasi pengamanan data agar terhindar dari gangguan pelaku yang tidak bertanggung jawab. Penelitian ini bertujuan untuk mengembangkan aplikasi keamanan berbasis web yang mengintegrasikan pendekatan HCI pada pabrik kelapa sawit Lonsum. Dalam hal ini, HCI merupakan aspek penting dalam pengembangan aplikasi keamanan berbasis web agar bisa digunakan secara efektif oleh para karyawan di lingkungan kerja. Metode penelitian kualitatif dengan pendekatan HCI digunakan dalam pengembangan aplikasi ini. Tahapannya mencakup studi kasus, identifikasi kebutuhan pengguna, analisis HCI, pengembangan aplikasi, pengujian, evaluasi, implementasi, dan evaluasi akhir. Pendekatan HCI memastikan aplikasi dapat digunakan secara efektif oleh pengguna, dengan antarmuka yang intuitif dan mudah dipahami. Hasil pengembangan aplikasi menunjukkan bahwa aplikasi keamanan berbasis web ini mampu meningkatkan keamanan data di pabrik kelapa sawit Lonsum. Terdapat beberapa fitur pada aplikasi ini, seperti otentifikasi pengguna, manajemen pengguna, laporan TPP, absensi dan lainnya. Dengan mengikuti langkah-langkah pengembangan dan pendekatan HCI, aplikasi keamanan berbasis web pada pabrik minyak kelapa sawit Lonsum berhasil menciptakan sistem yang aman, efisien, dan mudah digunakan oleh para pengguna. Aplikasi ini memberikan kontribusi positif dalam menjaga keamanan data di pabrik kelapa sawit Lonsum.
Co-Authors Rafiqah, Intan Nur Sriani Syahputri, Cindy Novi