Article Per Year (5 Year)
p-Index From 2020 - 2025
6.22
P-Index
This Author published in this journals
All Journal ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika E-Dimas: Jurnal Pengabdian kepada Masyarakat Jurnal Inovasi Bisnis (Inovbiz) JMM (Jurnal Masyarakat Mandiri) Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Abdimasa Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Telecommunication, Electronics and Control Engineering (JTECE) eProceedings of Engineering Ranah Research : Journal of Multidisciplinary Research and Development Jurnal Rekayasa elektrika Jurnal INFOTEL al Kimiya : Jurnal Ilmu Kimia dan Terapan Emitor: Jurnal Teknik Elektro
Jangkung Raharjo
Universitas Telkom
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry 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 Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Transportation Other

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4   5 
Penginderaan Kompresif Berbasis Sparsity Averaging Reweighted Analysis Untuk Kompresi Sinyal Audio Dan Speech Rahmawan Ilham Al Fatha; Jangkung Raharjo; Jaspar Hasudungan
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Data audio di era digital ini sangat umum digunakan baik untuk kebutuhan personal maupun industri. Namun, ukuran data dalam proses transmisi dan penyimpanan adalah bagian yang penting karena masalah ukuran datanya yang sering kali memiliki ukuran yang besar. Kompresi data audio yang efisien menyelesaikan masalah ukuran data untuk kebutuhan penyimpanan dan transmisi ini. Compressed sensing (CS) memperkenalkan teknik akuisisi sinyal yang melampaui efisiensi teori Nyquist pada umumnya dalam pengambilan sampel. Salah satu metode CS adalah sparsity averaging reweighted analysis (SARA) yang diusulkan untuk meningkatkan kinerja dari metode basis pursuit denoise (BPDN). Kemudian, terdapat metode source separation via reweighted analysis (SSRA) diusulkan untuk data sinyal satu dimensi. Metode SSRA tidak melakukan rata-rata basis sparsity seperti yang dilakukan pada metode SARA, sehingga jurnal ini melakukan analisis untuk kinerja SARA yang dimodifikasi mengikuti prinsip SSRA pada sinyal satu dimensi. Jurnal ini menganalisis kinerja SARA pada data sinyal senandung suara dan sinyal musik hasil segmentasi yang terdiri dari reff/chorus dan verse dari musik bergenre jazz dan reggae dengan jenis file wav. Dimana nantinya akan dilakukan pengujian terhadap 4 file audi yaitu jazz.wav dan reggae.wav yang mewakili data music, kemudian ep2.wav dan ep3.wav untuk jenis file senandung suara. SARA terdiri dari 2 tahap, yaitu tahap awal untuk penentuan basis sparsity dengan mengusulkan basis baru dari hasil rata-rata dari beberapa basis dan proses reweighted dari metode rekonstruksi BPDN. Hasil data audio yang paling bagus diperoleh file audio Jazz dengan nilai Signal to Noise Ratio (SNR) sebesar 56.75 dB, nilai Object Different Grade ODG yang dihasilkan sebesar -1.643 dan nilai Structural Similary Index Measure (SSIM) sebesar 0.9997. Sedangkan, performansi data speech terbaik diperoleh file Ep2 dengan nilai SNR sebesar 45.10 dB, nilai ODG sebesar -3.948 dan SSIM sebesar 0.9981. Keywords: Compressed sensing , sparsity averaging, reweighted analysis, basis pursuit denoise , spread spectrum, wavelet
Implementasi Sistem Pengusir Hama Burung Berbasis ComputerVision Menggunakan Jetson Nano Dan Arduino Uno Rendi Bagus Oklanri; Jangkung Raharjo; Syamsul Rizal
eProceedings of Engineering Vol 9, No 6 (2022): Desember 2022
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Pertanian adalah sektor dengan peran besar bagi perekonomian Indonesia. Tujuan untuk meningkatkan produktivitas dibidang pertanian dalam penerapannya menemui banyak sekali masalah, salah satu masalah umum yang terjadi diberbagai jenis tanaman padi adalah hama burung pipit. Metode yang digunakan petani untuk mengatasi masalah hama masih menggunakan cara manual, yaitu dengan menggunakan orang-orangan sawah yang diletakkan di tengah sawah atau dengan langsung terjun ke lapangan. Dunia sekarang berada di era digital dimana bidang teknologi sudah merambah di semua aspek kehidupan dan salah satunya adalah computer vision. Dalam Tugas Akhir ini dikembangkan sistem pengusir hama burung berbasis compter vision dengan Jetson Nano dan Arduino UNO. Sistem ini bekerja dengan mendeteksi hama burung pipit yang di ambil secara real time dengan kamera, ketika sistem mendeteksi alat menyalakan buzzer dan servo yang diikatkan dengan tali untuk mengusir hama burung pipit. Sistem yang digunakan meliputi kamera modul, Jetson Nano, Arduino UNO, servo, buzzer dan tali. Hasil dari pengujian kinerja dari alat dapat berjalan sesuai dengan yang direncanakan. Pada pengujian kamera didapatkan jarak ideal yaitu kurang dari 30 meter untuk cuaca cerah dan kurang dari 20 meter untuk cuaca mendung, FPS tertinggi yang diperoleh 18 FPS, penggunaan RAM 1,4 Gib dari total kapasitas maksimal RAM 1,9 Gib, serta Intensitas cahaya ideal yaitu pada tingkat kecerahan di bawah 1,7. Kata kunci — Computer vision, Jetson Nano, Hama burung pipit
Analisa Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Klasifikasi Naive Bayes Andi Zahra Bunga Zana; Jangkung Raharjo; Hilman Fauzi TSP
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada penelitian tugas akhir ini dilakukan perancangan sistem untuk dapat mengklasifikasikan jenis kelamin berdasarkan citra wajah pada manusia. Dengan melakukan ekstraksi ciri menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan proses klasifikasi menggunakan metode Naive Bayes yang bertujuan untuk dapat membedakan jenis kelamin laki-laki dan wanita pada manusia. Citra wajah tersebut dikelompokkan berdasarkan kelas laki-laki dan wanita. Tujuan dari penelitian tugas akhir ini untuk mengetahui jenis kelamin pada manusia dan manfaat dari perancangan sistem ini salah satunya dapat digunakan dalam bidang kesehatan untuk mendeteksi perbedaan jenis kelamin laki-laki atau wanita dan sebagai salah satu teknologi awal untuk aplikasi kesehatan cerdas lanjutan dalam pengukuran Body Mass Index (BMI). H
Analisis Sinyal Alpha Dan Beta Eeg Brainwave Terhadap Perbandingan Konsentrasi Seseorang Pada Kondisi Begadang, Merokok Dan Tidak Begadang, Tidak Merokok Mohamad Iqbal; Jangkung Raharjo; Gelar Budiman
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Konsentrasi adalah pemutusan perhatian, pikiran, jiwa, dan fisik pada sebuah objek, kemampuan seseorang dalam berkonsetrasi biasanya di pengaruhi oleh situasi sekitarnya. Konsentrasi bukan suatu sifat bawaan yang dimiki seseorang dan selalu ada setiap waktu. Oleh sebab itu dibutuhkan rangsangan dari luar untuk meningkatkan serta memaksimalkan tingkat konsentrasi otak di kondisi bergadang dan merokok. Penelitian ini dilakukan untuk mengetahui pemaksimalan rangsangan otak saat responden diberi stimulus merokok dan bergadang. Otak manusia sendiri memiliki beberapa jenis sinyal diantaranya alpha, beta, gamma, teta dan delta. Dari sinyal otak tersebut, kita bisa menganalisa bagaimana respon otak manusia terhadap suatu stimulus dari luar hingga manusia bisa merasakan dan dapat berkonsentrasi. Kondisi otak seseorang saat merokok yang memiliki kandungan nikotin dan tar dapat di analisa melalui Electroencepalograph (EEG). Metode yang di gunakan dalam penelitian ini adalah Principal Component Analysis (PCA) sebagai metode Ekstraksi ciri dengan mengekstrasi sinyal terhadap gelombang alpha dan beta untuk mendapatkan suatu ciri yang dibutuhkan pada tahap selanjutnya dalam menjalankan proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN). Pada penelitian ini digunakan alat perekam yang memiliki 1 saluran kanal, dan menggunakan 10 responden dalam stimulasi yang berbeda. Pada tipe K-NN Chebychev didapatkan akurasi terbaik sebesar 100%, sedangkan pada tipe K-NN Minkowski dan Euclidean hanya didapatkan akurasi sebesar 83%, dengan fs, jenisciri PCA, dan nilah K yang sama
Identifikasi Batik Pekalongan Menggunakan Metode Gray Level Co-occurrence Matrix Dan Probabilistic Neutral Network Frisnanda Aditya; Jangkung Raharjo; Nur Ibrahim
eProceedings of Engineering Vol 6, No 3 (2019): Desember 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Batik adalah kesenian menggambar diatas kain yang dalam pembuatannya dilakukan secara khusus. Kerajinan batik setiap daerah memiliki ciri khas tertentu salah satunya batik Pekalongan. Perkembangan dan jenis yang membedakan batik dari negara lain masih belum banyak yang mengetahui, dikarenakan belum adanya pendataan secara komputerisasi yang baik dan belum adanya aplikasi untuk menganalisis batik Pekalongan guna membantu pengetahuan masyarakat Indonesia. Berdasarkan permasalahan diatas penulis membuat sistem yang dapat mengidentifikasi motif batik Pekalongan. Pada Tugas Akhir ini telah dilakukan penelitian Identifikasi batik Pekalongan menggunakan metode Gray Level Co-occurrence Matrix sebagai metode ekstraksi ciri dan metode Probabilistic Neural Network sebagai klasifikasi. Metode Gray Level Co-occurrence Matrix merupakan matriks yang mengandung informasi mengenai posisi ketetanggaan piksel yang memiliki tingkat keabuan tertentu. Jaringan Probabilistic Neural Network jauh lebih relatif tidak sensitif terhadap outlier dan menghasilkan prediksi probabilitas target yang akurat. Dari hasil pengujian pengklasifikasian ini diperoleh akurasi terbaik 98,33%. Akurasi diperoleh dari pengujian 150 citra menggunakan parameter Gray Level CoOccurrence Matrix kontras-korelasi-energy-homogenitas, dengan nilai sudut 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, dan radius = 1 dan Probabilistic Neural Network yaitu, ukuran gambar 256 × 256, dan nilai spread 0.1.Kata Kunci: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neutral Network Abstract Batik is the art of drawing on fabric which is specially made in its making. Batik crafts in each region have certain characteristics, one of which is Pekalongan batik. Not many people know about the development and types that distinguish batik from other countries, due to the lack of a good computerized data collection and the absence of applications to analyze Pekalongan batik to help the knowledge of the Indonesian people. Based on the above problems the writer makes a system that can identify Pekalongan batik motifs. In this Final Project a research on Pekalongan batik identification has been carried out using the Gray Level Co-occurrence Matrix method as a feature extraction method and the Probabilistic Neural Network method as a classification method. The Gray Level Co-Occurrence Matrix method is a matrix that contains information about the neighboring pixel positions that have a certain gray level. Probabilistic Neural Networks are far more relatively insensitive to outliers and produce accurate target probability predictions. From the test results obtained the best accuracy of 98,33%. Accuracy was obtained from testing 150 images using the parameter Gray Level Co-Occurrence Matrix contrast-correlation-energy-homogeneity, with angular values 𝟎°, 𝟒𝟓°, 𝟗𝟎°𝟏𝟑𝟓°, and radius = 1. While Probabilistic Neural Network uses the 256×256 image size parameter and the Spread value 0.1. Keywords: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neural Network
Analisis Kompresi Nada Seruling Menggunakan Compressive Sensing Dengan Metode Discrete Fourier Transform Dan Stationary Wavelet Transform Ridho Nurbagja Gumelar; Jangkung Raharjo; Irma Safitri
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Alat musik di Indonesia sangat beragam dan menjadi media untuk menghasilkan berbagai macam nada – nada untuk didengarkan. Salah satunya adalah seruling. Seruling sering kali dipakai untuk mengiringi sebuah lagu dan dapat dimainkan oleh semua orang. Ukuran dari hasil data rekamannya pun sering kali memakan tempat/space yang cukup besar.Kompresi data menjadi cara untuk mengatasi masalah tersebut. Solusi untuk mengurangi kapasitas audio data sekaligus tanpa mengurangi kualitas audionya adalah kompresi dengan teknik compressive sensing. Penelitian ini bertujuan untuk menganalisis perbandingan sebuah kompresi pada nada seruling menggunakan CS (Compressive sensing). CS (Compressive sensing) terdiri dari dua langkah yaitu proses kompresi dan rekontruksi. Audio dalam bentuk format .WAV akan dikompresi menggunakan metode DFT (Discrete Fourier Transform) dan SWT (Stationary Wavelete Transform) dan di rekontruksi menggunakan metode IRLS (Iteratively Reweighted Least Square). Performa yang didapatkan pada pengkompresian dengan menggunakan Perbandingan compressing ratio 10%, 30% dan 50%, dihasilkan hasil yang terbaik dengan compressing ratio 50%. Perbandingan kualitas metode pengkompresian pada rasio kompresi 50 % dengan parameter pengujian SNR, MSE dan MOS diperoleh untuk parameter SNR pada metode SWT 77,80dB, sedangkan metode DFT 77,73dB, untuk parameter MSE pada metode SWT dan metode DFT memiliki nilai yang sama yaitu 0.03, dan hasil Analisa MOS yang dilakukan oleh 5 orang koresponden adalah untuk hasil kompresi SWT bernilai 3,9 (baik), kompresi DFT 3,9 (baik), rekontruksi SWT 3.5 (cukup baik), dan rekontruksi DFT 3,6 (baik).Kata kunci :Compressive Sensing, Discrete Fourier Transform, Stationary Wavelet Transform, Iteratively Reweighted Least Square.
Deteksi Klasifikasi Ruangan Berdasarkan Reverberation Time Dengan Metode Mel- Frequency Cepstral Coefficients (Mfcc) Dan Learning Vector Quantization (Lvq) Ariza Rizky Pratama; Jangkung Raharjo; Bambang Hidayat
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Rekaman suara berupa file percakapan menjadisalah satu alat bantu dalam berbagai keperluan salah satunyabagi pihak kepolisian. Mengidentifikasikan suatu kelas ruanganmenjadi salah satu petunjuk dalam mengolah tempat kejadianperkara. Membuat sistem deteksi kelas ruangan adalah salahsatu cara pihak kepolisian untuk mengindentifikasi kelasruangan. Untuk menentukan suatu kelas ruangan dapat diukurmelalui reverberation time menggunakan algoritma MFCCuntuk mengekstraksi ciri data latih rekaman suara. Setelahdidapat ekstraksi cirinya, ciri data akan di masukan sebagaidataset yang selanjutkan akan dilakukan proses pengujian.Kemudian data uji yang belum diketahui kelas ruangannyaakan dilakukan proses pengujian. Data uji yang di proses akandi klasifikasikan menggunakan LVQ berdasarkan ciri datayang sudah ada di dataset. Hasil akhir pada sistem ini yaituuntuk memunculkan nilai akurasi dan waktu komputasi.Penelitian ini akan memproses data rekaman suaramenggunakan aplikasi MATLAB, lalu diekstraksi cirimenggunakan MFCC dan mencari klasifikasi menggunakanLVQ. Menggunakan 48 data latih dan 18 data uji sebagai prosesperhitungan dan simulasi. Hasil nilai akurasi yang didapat darisistem deteksi kelas berdasakan reverberation time denganmetode MFCC dan LVQ bernilai 94,44 % dan waktu komputasiselama 32,969474 detik dengan parameter Koef MFCC 40,Frame Size 0,05, Node Layer 5 dan Epoch 10.Kata kunci— Reverberation Time, Mel FrequencyCoefficients Cepstral, Learning Vector Quantization.
Klasifikasi Jenis Gulma Invasif Di Gunung Merbabu Jawa Tengah Menggunakan Metode Cnn Putri Marhamah Yunita; Jangkung Raharjo; Sutomo Sutomo
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Taman Nasional Gunung Merbabu ialah tamannasional yang mancakup kawasan hutan, ada banyak sekalitumbuhan pengganggu ataupun gulma dimana tumbuhan iniialah salah satu tumbuhan yang ada dikawasan tersebut. Gulmaialah tumbuhan yang keberadaannya tidak diharapkanmanusia, karena dapat mengganggu keseimbangan alami danberkompetisi dengan tanaman yang lain, untuk itu perluditanggulangi. Terlebih dahulu kita harus mengatahui jenis dankebutuhan biologisnya agar gulma dapat di eradikasikan.Berdasarkan penelitian ini, dilakukan pengklasifikasian citradaun gulma. Penulis menggunakan 2 kelas jenis tumbuhangulma, yaitu Ageratina riparia sebanyak 1200 citra danAustroeupatorium inulifolium sebanyak 1000 citra. CNNmemiliki langkah-langkah dalam pengklasifikasikan citra,seperti langkah akuisisi data, langkah pre-processing, langkahpembelajaran arsitektur mobile net, dan langkah klasifikasiCNN. Penelitian ini, menghasilkan model terbaik dalampengklasifikasian gulma yaitu dengan arsitektur mobile net,ukuran batch size 16, optimizer RMSprop, dan learning ratesebesar 0.00001 memiliki accuracy 100% dan loss 9.9%. Selainparameter diatas terdapat juga parameter lain untukmengetahui performa model yaitu: Precision, recall, dan F1-scoreKata kunci— Convolutional Neural Network, klasifikasitumbuhan invasif, gulma.
Sistem Deteksi Tingkat Kebisingan Kendaraan Bermotor Dengan Metode Mel Frequency Cepstrum Coefficients Dan K Nearest Neighbour Fairoez Nauval Reformatio; Jangkung Raharjo; Gelar Budiman
eProceedings of Engineering Vol 10, No 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam menentukan tingkat kebisingan sepedamotor sering kali terjadi kekeliruan karena di deteksi dengancara manual. Maka penulis ingin merancang metodeklasifikasi untuk mendeteksi kebisingan sepeda motor. padapenelitian ini dilakukan perancangan sistem yang dapatmendeteksi tingkat kebisingan kendaraan berdasarkanperaturan yang sudah diputuskan oleh Menteri NegaraLingkungan Hidup nomor 7 tahun 2009. Penelitian inimenggunakan inputan data audio yang diambil dengansmarthphone kemudian data diolah menggunakan simulatorMatLab. Dengan menggunakan metode MFCC sebagai vectoruntuk mempresentasikan suara sepeda motor dan K-NN yangdapat mengklasifikasi untuk mendeteksi kebisingan kendaraanbermotor. Pengujian sitem dengan MFCC dan K-NNdilakukan dengan cara mengubah beberapa parameter,diantaranya jumlah sampel, jumlah nilai K dan jumlahpersentase data. Tujuan pengujian dan analisis untukmengetahui pengaruh jumlah sampel, nilai K dan persentasedata latih terhadap kinerja sistem. Hasil pengujian sistemdengan parameter diatas didapatkan untuk jumlah akhirsampel terbaik yaitu 75000, untuk jumlah persentase data80%, dan untuk jumlah nilai K yaitu K=5.Kata kunci— Kebisingan, Klasifikasi, MatLab, MelFrequency Cepstrum Coefficients (MFCC), K-NearestNeighbor (K-NN).
Deteksi Kualitas Tembakau Melalui Pengolahan Citra Digital Dengan Metode Adaptive Region Growing Dan Klasifikasi Decision Tree Mahendra, Dio; Raharjo, Jangkung; Magdalena, Rita
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Budidaya tembakau merupakan kegiatan padat karya. Meskipun daerah Perkebunan tembakau di Indonesia diperkirakan hanya sekitar 207.020 hektar, namun dibandingkan dengan menanam padi, menanam tembakau membutuhkan banyak tenaga hampir tiga kali. Tembakau merupakan tanaman yang ditanam sebagai bahan baku industri untuk rokok. Tembakau memiliki nilai ekonomi yang sangat menjanjikan. Hal ini sejalan dengan tarif cukai yang meningkat rata-rata 12% sejak awal tahun. Kementerian Keuangan (Kemenkeu) melaporkan penerimaan CHT mencapai Rp. 118 triliun pada tahun ini. Namun cara tradisional dalam menentukan nilai mutu daun tembakau mempunyai kelemahan, antara lain standar mutlak daun tembakau hanya bersifat prediksi dan tidak mempunyai nilai dalam menentukan tingkat mutu. Metode langkah-langkah prosesnya adalah mengambil sampel daun tembakau berukuran 400-600 mm, kemudian memotret dengan kamera Handphone 1 beresolusi 12 MP dan kamera Handphone 2 beresolusi 8 MP dengan kamera Handphone 1 beresolusi 12 MP. merek yang berbeda. Citra diolah dengan software simulasi menggunakan Adaptive Area Development (ARG) dan klasifikasi Decision Tree. Program dirancang menggunakan software MATLAB dan ditampilkan dengan bentuk GraphicUserInterface (GUI). Dari hasil pengujian, tingkat akurasi yang diperoleh dengan menggunakan metode Adaptive Region Growing 93% berdasarkan 6 ciri statistik. Penelitian ini menggunakan seleksi fitur GINI Index dengan metode klasifikasi Decision Tree. Menggunakan dataset perbandingan data latih dan data uji sebesar 70:30. Hasil penggunaan seleksi fitur GINI index 3rd Rita Magdalena Fakultas Teknik Elektro Universitas Telkom Bandung, Indonesia ritamagdalena@telkomuniversity.ac.id pertama tahun lalu [1]. Namun semenjak tahun 2023 petani mengalami masalah yaitu persaingan harga dengan tembakau impor, padahal kualitas tembakau Indonesia tidak kalah saing dengan tembakau impor [2]. Maka kualitas tembakau perlu diperhatikan agar nilai ekonomi evaluasi kebutuhan tembakau menaik. Dalam penentuan kualitas tembakau, para grader melakukan pengecekan seperti bercak pada daun tembakau sebagai penentu dengan memperoleh hasil sebesar 85%. Kata Kunci : Daun Tembakau, image processing, Adaptive area Development, Decision Tree.
Co-Authors Adi Soeprijanto Aditya Pratama Ahmad Zaky Rafif Muthafa Aisy, Naura Safina Rahadatul Andhika Yoga Andi Zahra Bunga Zana Andre Danika Angga Rusdinar Annisa Puji Lestari Arafah, M. Ilmil Madya Noor Ardio Pratama Putra ARIS HARTAMAN Ariza Rizky Pratama Arizsatrio Anggawijaya Atina Nur Azizah Augustina Asih Rumanti Bambang Hidayat Bandiyah Sri Aprilia Bandiyah Sri Aprillia Basuki Rahmat Masdi Siduppa Burhanuddin Dirgantoro Dega Pradipta Ramadhan Denny Darlis Desri Kristina Silalahi Dwi Bayu Leksono Efri Suhartono Eka Sugiarto Ekki Kurniawan Elia Kurniawati Fadlil Azimi Syafli Fairoez Nauval Reformatio Fajar Dwi Septria Fajar Kurniawan Alhamal Farhan, Mhd Althalif Firman Ag. Roni Fitria, Ismaulida Nur Fityanul Aditya Frisnanda Aditya Gelar Budiman Haidy Anazmar Hanifah, Dyatisa Hasbiya Ghifari Alfarizi Hermagasantos Zein Hernawan Kurniansyah Hilman Fauzi, Hilman I Gede Putu Oka Indra Wijaya I Nyoman Apraz R I Nyoman Apraz Ramatyana Ilma Mufidah Inung Wijayanto Irma Safitri Irwan Purnama Isnaeny Rahmawanthi Iwa Swandana Iwan Iwut Tritoasmoro Jaspar Hasudungan Kahfi Fadhlan Maulana Khalisa Sasikirana Athaya Kharisma Bani Adam Koredianto Usman Kristi, Meilinda Santa Ledya Novamizanti Lilis Setiono Maharani, Nabila Sri Mahendra, Dio Manfaati, Rintis Mohamad Iqbal Muayyadi, Achmad Aly MUFLIKHAH, INTAN LAILY Muh Hisyam Siddiq Muh Zidni Makarim Muh, Ipnu Udjie Hasiru Muhammad Alif Rizqi Hatmadiansyah Muhammad Samsul Muarif Muhammad Zakiyullah Romdlony Nabila Hatami Putri Nachwan Mufti Adriansyah Nadya Ainun Avrilya Nizhar Arya Hamitha Nor Kumalasari Caecar Pratiwi Novi Prihatiningrum Nur Andini Nur Ibrahim Putri Marhamah Yunita Putri Marito Putri, Aquila Anandya R. Yunendah Nur Fu’adah Rahmawan Ilham Al Fatha Rendi Bagus Oklanri Ridho Nurbagja Gumelar Rifki Rahman Nur Ikhsan Rifqy Assariy Victory Rissa Rahmania Rita Magdalena Rizqi Muhammad Rufus Ocsan Saiful Azis Salsabila, Siti Marwa Sambono, Oranda Aracelly Saputra, Muhamad Farid Yahya SASTROSUBROTO, ASHWIN SASONGKO Sayidina Ariq Farhan Silviana, Rena SOFIA SAIDAH Sudiana Sudiana Suryo Adhi Wibowo Sutomo Sutomo Suyatno Budiharjo Syamsul Rizal Syamsul Rizal Thoriq Bayu Aji Tita Haryanti Tri Siswanto Yogi Ghifari Sidik Yulinda yulinda Yustika, Lindiasari Martha Yusuf Nur Wijayanto