Garuda - Garba Rujukan Digital

Pengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet Musyaffa, Fathoni Arief; Kustiyo, Aziz
Jurnal Ilmu Komputer dan Agri-Informatika Vol 1, No 1 (2012)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (288.219 KB)

Tanda tangan merupakan salah satu objek biometrik yang mudah diperoleh, baik melalui kertas maupun peralatan elektronik. Meskipun demikian, biometrik tanda tangan masih menjadi topik riset yang menantang. Tantangan dalam biometrik tanda tangan ini ialah antara lain karena variasi dalam kelas yang besar, tingkat universality dan permanence yang rendah, serta adanya kemungkinan serangan pemalsuan tanda tangan. Penelitian ini menggunakan metode pengenalan tanda tangan secara offline. Pengenalan tanda tangan dilakukan dengan menggunakan algoritme klasifikasi Voting Feature Interval 5. Sebelum dilakukan klasifikasi pada citra tanda tangan yang berdimensi 40 x 60 piksel, dilakukan praproses untuk mereduksi ukuran citra. Reduksi yang digunakan adalah reduksi dimensi melalui transformasi wavelet dengan lima level dekomposisi. Hasil yang diperoleh dari penelitian ini ialah bahwa sampai dengan level dekomposisi ketiga, dengan dimensi fitur sekitar 1.5% dari seluruh fitur, diperoleh akurasi minimum 90%.

Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan Agmalaro, Muhammad Asyhar; Kustiyo, Aziz; Akbar, Auriza Rahmad
Jurnal Ilmu Komputer dan Agri-Informatika Vol 2, No 2 (2013)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (683.921 KB)

Indonesia merupakan salah satu negara dengan keanekaragaman tanaman buah tropika yang cukup tinggi. Keanekaragaman tanaman buah tropika tersebut merupakan satu tantangan dalam melakukan identifikasi. Identifikasi tanaman dapat dilakukan berdasarkan buah, bunga, maupun daun. Identifikasi berdasarkan daun merupakan identifikasi yang lebih mudah dilakukan karena daun akan ada sepanjang masa, sedangkan bunga dan buah mungkin hanya ada pada waktu tertentu. Identifikasi tanaman menggunakan daun dapat dilakukan berdasarkan bentuk, tekstur, maupun warna citra daun tersebut. Pada penelitian ini, ekstraksi fitur gray level co-occurrence matrix (GLCM) dari tekstur citra permukaan daun buah tropika digunakan sebagai input dari pelatihan Jaringan syaraf tiruan untuk proses identifikasi. Secara keseluruhan, pengujian dengan menggunakan hidden neuron sebanyak 7 menghasilkan hasil akurasi terbaik, yaitu 90%.Kata kunci: buah tropika, daun, GLCM, jaringan syaraf tiruan, tekstur.

Identifikasi Daun Shorea menggunakan KNN dengan Ekstraksi Fitur 2DPCA Yusniar, Erni; Kustiyo, Aziz
Jurnal Ilmu Komputer dan Agri-Informatika Vol 3, No 1 (2014)
Publisher : Departemen Ilmu Komputer IPB

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (609.587 KB)

Shorea adalah jenis meranti yang memiliki nilai ekonomis yang tinggi. Shorea tergolong dalam famili Dipterocarpaceae yang memiliki 194 spesies yang tumbuh di daerah tropis. Shorea merupakan jenis yang sulit untuk diidentifikasi karena memiliki banyak kemiripan. Untuk mengatasi kesulitan tersebut, penelitian ini mengidentifikasi Shorea berdasarkan citra daun. Jumlah spesies yang digunakan penelitian ini adalah 10 jenis Shorea. Metode ekstraksi fitur yang digunakan adalah 2 dimensional principal component analysis (2D-PCA) dengan metode klasifikasi KNN. Penelitian ini memiliki 4 percobaan yang dibagi menjadi komponen R, G, B, dan grayscale. Hasil rata-rata akurasi terbaik sebesar 75% pada komponen G dengan kontribusi nilai eigen 85%.Kata kunci: 2 Dimensional Principal Component Analysis, K-Nearest Neighbour, Shorea

Pengenalan Tanda Tangan Menggunakan Algoritme VFI5 Melalui Praproses Wavelet Fathoni Arief Musyaffa; Aziz Kustiyo
Jurnal Ilmu Komputer dan Agri-Informatika Vol 1 No 1 (2012)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Tanda tangan merupakan salah satu objek biometrik yang mudah diperoleh, baik melalui kertas maupun peralatan elektronik. Meskipun demikian, biometrik tanda tangan masih menjadi topik riset yang menantang. Tantangan dalam biometrik tanda tangan ini ialah antara lain karena variasi dalam kelas yang besar, tingkat universality dan permanence yang rendah, serta adanya kemungkinan serangan pemalsuan tanda tangan. Penelitian ini menggunakan metode pengenalan tanda tangan secara offline. Pengenalan tanda tangan dilakukan dengan menggunakan algoritme klasifikasi Voting Feature Interval 5. Sebelum dilakukan klasifikasi pada citra tanda tangan yang berdimensi 40 x 60 piksel, dilakukan praproses untuk mereduksi ukuran citra. Reduksi yang digunakan adalah reduksi dimensi melalui transformasi wavelet dengan lima level dekomposisi. Hasil yang diperoleh dari penelitian ini ialah bahwa sampai dengan level dekomposisi ketiga, dengan dimensi fitur sekitar 1.5% dari seluruh fitur, diperoleh akurasi minimum 90%.

Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan Muhammad Asyhar Agmalaro; Aziz Kustiyo; Auriza Rahmad Akbar
Jurnal Ilmu Komputer & Agri-Informatika Vol. 2 No. 2 (2013)
Publisher : Departemen Ilmu Komputer - IPB University

Indonesia merupakan salah satu negara dengan keanekaragaman tanaman buah tropika yang cukup tinggi. Keanekaragaman tanaman buah tropika tersebut merupakan satu tantangan dalam melakukan identifikasi. Identifikasi tanaman dapat dilakukan berdasarkan buah, bunga, maupun daun. Identifikasi berdasarkan daun merupakan identifikasi yang lebih mudah dilakukan karena daun akan ada sepanjang masa, sedangkan bunga dan buah mungkin hanya ada pada waktu tertentu. Identifikasi tanaman menggunakan daun dapat dilakukan berdasarkan bentuk, tekstur, maupun warna citra daun tersebut. Pada penelitian ini, ekstraksi fitur gray level co-occurrence matrix (GLCM) dari tekstur citra permukaan daun buah tropika digunakan sebagai input dari pelatihan Jaringan syaraf tiruan untuk proses identifikasi. Secara keseluruhan, pengujian dengan menggunakan hidden neuron sebanyak 7 menghasilkan hasil akurasi terbaik, yaitu 90%. Kata kunci: buah tropika, daun, GLCM, jaringan syaraf tiruan, tekstur.

Identifikasi Daun Shorea menggunakan KNN dengan Ekstraksi Fitur 2DPCA Erni Yusniar; Aziz Kustiyo
Jurnal Ilmu Komputer & Agri-Informatika Vol. 3 No. 1 (2014)
Publisher : Departemen Ilmu Komputer - IPB University

Shorea adalah jenis meranti yang memiliki nilai ekonomis yang tinggi. Shorea tergolong dalam famili Dipterocarpaceae yang memiliki 194 spesies yang tumbuh di daerah tropis. Shorea merupakan jenis yang sulit untuk diidentifikasi karena memiliki banyak kemiripan. Untuk mengatasi kesulitan tersebut, penelitian ini mengidentifikasi Shorea berdasarkan citra daun. Jumlah spesies yang digunakan penelitian ini adalah 10 jenis Shorea. Metode ekstraksi fitur yang digunakan adalah 2 dimensional principal component analysis (2D-PCA) dengan metode klasifikasi KNN. Penelitian ini memiliki 4 percobaan yang dibagi menjadi komponen R, G, B, dan grayscale. Hasil rata-rata akurasi terbaik sebesar 75% pada komponen G dengan kontribusi nilai eigen 85%.Kata kunci: 2 Dimensional Principal Component Analysis, K-Nearest Neighbour, Shorea

Prediksi Kandungan Lignin pada Dedak Padi Bercampur Sekam Menggunakan Tekstur Statistik dan KNN Eylen Desy Novita; Aziz Kustiyo; Anuraga Jayanegara; Toto Haryanto; Hari Agung Adrianto
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 1 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.1.58-69

Adulteration in rice bran happens quite high due to the expensive price of rice bran. Mixing the rice bran with husk could decrease the rice bran quality because the content of crude fiber and lignin cointained in husk are anti-nutrients. Lignin content can be estimated by the texture of rice bran mixed with husk image. This study aimed to analyze the texture of rice bran mixed with husk image using run length feature extraction method with k-nearest neighbour (KNN) classification. The images of rice bran mixed with husk were taken using Dino Capture digital microscope with magnification 200 times. The images were generated with the spatial resolution of 640×480 pixels in a bitmap format. Those images were converted from RGB into grayscale in preprocessing phase, then the result of grayscale images were enhanced using histogram equalization as image enhancement method. The training and testing was determined using 5-fold cross validation with 3 repetition. The result of KNN classification with 7 features showed the highest accuracy of 74.55%.

Pengembangan Model Bayesian Regularization Backpropagation untuk Estimasi Nilai Nutrisi berdasarkan Komposisi Kimia Pakan Ternak Ruminansia Ulfa Nikmatya; Aziz Kustiyo; Anuraga Jayanegara
Jurnal Ilmu Komputer dan Agri-Informatika Vol 9 No 2 (2022)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.9.2.168-176

Perbedaan komponen kimia pakan ternak dapat memengaruhi nilai nutrisi hewan ternak ruminansia. Untuk menentukan komposisi kimia dan nutrisi yang dihasilkan oleh pakan ternak tersebut perlu dilakukan analisis di laboratorium. Sebagai alternatif, pada penelitian ini estimasi nutrisi pakan ruminansia berdasarkan komposisi kimia pakan dilakukan menggunakan bayesian regularization backpropagation menggunakan data sekunder. Data yang digunakan dalam penelitian ini diperoleh dari hasil penelitian Rowett Research Institute Prancis pada kategori main constituents dan ruminant nutritive values. Main constituents menunjukkan komposisi kimia pakan ruminansia sedangkan ruminant nutritive values menunjukkan nilai nutrisi pakan yang akan diprediksi. Model bayesian regularization backpropagation yang dibangun memiliki 12 neuron input yang berasal dari 12 komponen kimia pakan ruminansia. Jumlah maksimal output model tersebut adalah 8 neuron yang merupakan 8 nilai nutrisi pakan ruminansia. Proses pelatihan dilakukan dengan metode validasi silang dengan memvariasikan jumlah neuron lapisan tersembunyi dari 5 sampai dengan 50 dan jumlah neuron output sebanyak 8, 6 dan 3. Hasil percobaan menunjukkan model bayesian regularization backpropagation terbaik adalah model dengan 8 output dengan nilai root mean square error sebesar 3.47 dan nilai mean absolute percentage error sebesar 11.82%.

Identifikasi Kematangan Tomat dengan Principal Component Analysis dan K-Nearest Neighbour Berdasarkan Citra Warna Khairani; Sitanggang, Imas Sukaesih; Haryanto, Toto; Kustiyo, Aziz
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.122-132

Penentuan tingkat kematangan tomat secara manual memiliki kelemahan karena standar yang subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat berbasis representasi warna Hue Saturation Value (HSV) menggunakan Principal Component Analysis (PCA) sebagai ekstraksi ciri dan K-Nearest Neighbor (KNN) untuk klasifikasi. Penelitian ini menggunakan 400 citra dengan resolusi spasial 400x400 yang dikelompokkan dalam 5 tingkat kematangan yaitu green, turning, pink, light red dan red. Data terbagi menjadi data latih dan data uji dengan rasio 80:20. Skenario yang diberlakukan merupakan pembagian data ruang warna yaitu Hue (H), Saturation (S), Value (V), Hue-Saturation (HS), Hue-Value (HV), Saturation-Value (SV) dan HSV. Nilai k sebagai tetangga pada KNN yang dijadikan sebagai skenario adalah 1, 3, 5, 7, 9 dan 11. Adapun nilai principal componen yang diterapkan sebesar 5, 10, 15 dan 65 dengan varian rasio 95%. Hasil penelitian menunjukkan bahwa dengan K=7 dan nilai PC =5 menghasilkan nilai akurasi tertinggi dengan persentase 94% pada pengujian HV. Hasil penelitian ini menunjukkan bahwa dengan klasifikasi data uji sebanyak 80 data citra, didapatkan hasil sebanyak 75 data hasil akurat dan 5 data yang tidak akurat.

Title

Found 9 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 9 Documents Search Journal : Jurnal Ilmu Komputer dan Agri-Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 9 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika