Article Per Year (5 Year)
p-Index From 2020 - 2025
1.94
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri Indonesian Journal of Data and Science Society : Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Minfo Polgan (JMP) Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Ilmu Komputer untuk Masyarakat Jurnal Pendidikan Indonesia (Japendi) Financial Management Studies Jurnal Ekonomi dan Pembangunan Indonesia The Indonesian Journal of Computer Science LINGUISTS : JOURNAL OF LINGUISTICS AND LANGUAGE TEACHING
Widyawati, Dewi
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Klasifikasi Daun Herbal Menggunakan Metode CNN dan Naïve Bayes dengan Fitur GLCM Adela Regita Azzahra; Purnawansyah; Darwis, Herdianti; Widyawati, Dewi
The Indonesian Journal of Computer Science Vol. 12 No. 4 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i4.3362

Abstract

Tanaman herbal menunjukkan variasi berbagai ukuran dan bentuk yang berbeda untuk setiap jenis. Penelitian ini bertujuan untuk mengklasifikasikan citra daun dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa). Dalam penelitian ini digunakan Gray Level Co-Occurrence Matrix (GLCM) untuk mengektraksi fitur contrast, correlation, homogeneity, dissimilarity, dan Angular Second Moment (ASM). Adapun pada klasifikasi diterapkan metode Convolutional Neural Network (CNN) dan Naïve Bayes dengan kernel Gaussian, multinomial, dan Bernoulli. Jumlah citra yang digunakan dalam riset ini adalah 480 citra, dengan perincian 80% untuk data training dan 20% sebagai data testing. Berdasarkan hasil pengujian dan perbandingan yang telah dilakukan didapatkan kesimpulan bahwa penerapan metode CNN tanpa ekstraksi fitur terbukti lebih efisien dalam proses klasifikasi citra daun herbal, dengan nilai precision, recall, f1-score dan accuracy mencapai 98% pada situasi cahaya terang.
Co-Authors A.R Tuasamu, Fatimah Adela Regita Azzahra Darwis, Herdianti Fahmi Fahmi Faradibah, Amaliah Fatahillah, Furqon Gaffar, Andi Widya Mufila Hamid, Abdul Waris Haris, Najwan Firdaus Huzain Azis jabir, sitti rahmah Lasmini, Rizki Sri lilis nurhayati Lokapitasari Belluano, Poetri Lestari Ma’Tang, Hariani Muchlisoh, Siti Mumtaazah, Jihaan Na'imah, Na'imah Purnawansyah Rahmawati, Huzdaeni Sarastiti, Indah Savitri, Avin Syafruddin, Muhammad Andi Syahar, A Ulfah Tenripada Tenripada, A Ulfah Tenripada, A. Ulfah Tenripada, Andi Ulfa Ulfiani, Sri Ulum, Fira Miftahul Utami, Aulia Putri