Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : DEVICE

ANALISIS ALGORITMA ADAPTIVE NEURO FUZZY INFERENCE SYSTEM PADA PENGENALAN POLA IKAN KOI MENGGUNAKAN RED, GREEN, BLUE, DAN HUE, SATURATION, VALUE IQBAL GIFFARI RITONGA; Rika Rosnelly; Pius Deski Manalu; Teresa Tamba; Kristine Wau
Device Vol 12 No 2 (2022): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v12i2.3998

Abstract

ANFIS adalah algoritma yang menggabungkan sistem fuzzy dengan sistem jaringan syaraf tiruan. ANFIS dapat membuat nilai masukan menjadi keluaran berdasarkan nilai yang sudah dilatihkan dalam bentuk fuzzy. ANFIS dapat digunakan dalam klasifikasi jenis ikan koi dengan melatih nilai red, green, blue, serta hue, saturation, value, dan biner untuk menghapus nilai background citra ikan koi. Pada penelitian ini digunakan 3 jenis dari ikan koi yaitu kohaku, sanke, dan showa. Data latih pada algoritma ini menggunakan 10 citra ikan koi kohaku, 10 citra ikan koi sanke, dan 10 citra ikan koi showa serta 6 data uji yang diambil dari 2 data latih dari setiap jenis ikan koi tersebut. Hasil Akurasi dari data latih menghasilkan 100% dan hasil Akurasi dari data uji menghasilkan 100%.
KLASIFIKASI FITUR WARNA LEVEL ROASTING BIJI KOPI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Tri Andre Anu; Rika Rosnelly; Dedi Irawan; Ubaidullah Hasibuan; Progresif Bulolo5
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4094

Abstract

Abstract align="justify"Small and Medium Enterprises (SMEs) are using a manual method to notice the roasting level classification of coffee beans. However, the weaknesses in this technique are that the coffee roaster staff consumes time sorting the roasting level of the coffee beans. As a result, the coffee roaster focuses less because they take too long to sort the coffee beans—consequently, the mixed coffee beans in packages that should be elsewhere. Therefore a system is needed to help coffee roaster officers classify coffee beans using an artificial neural network. The data used are 60 coffee beans with three roasting levels: light roasted, medium roasted, and dark roasted. The classification process consists of a training stage and a testing stage. At the testing stage, using a sample of 30 coffee beans and based on the results of this study, the best results were obtained with a training value of 90%. In contrast, the testing accuracy was 66.67%.
Klasifikasi Kematangan Buah Mangga Madani Berdasarkan Bentuk Dengan Jaringan Syaraf Tiruan Metode Perceptron Finis Hermanto Laia; Rika Rosnelly; Karuniaman Buulolo; Mega Christin Lase; Alvinur Naswar
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4095

Abstract

Proses pendeteksian gambar secara otomatis merupakan bentuk dari kecerdasan buatan sehingga sistem dapat mengidentifikasi jenis gambar tertentu yang dikenal sebagai visi komputer. Mangga merupakan buah sesekali musiman yang memiliki banyak varietas namun beberapa jenis mangga memiliki bentuk yang hampir sama. Parameter pengenal yang diperoleh dari hasil ekstraksi ciri dapat dipadukan dengan teknik pengolahan citra digital sehingga terbentuk suatu sistem yang dapat mengklasifikasikan jenis mangga berdasarkan kematangan dari buah tersebut. Hal ini menyebabkan masyarakat keliru dalam memilih jenis kematangan buah mangga. Penentuan penamaman klasifikasi buah mangga madani dengan jaringan syaraf tiruan metode perceptron menggunakan software matlab. Pada penelitian ini data latih dan data uji yang digunakan masing-masing 40 citra buah mangga madani diantaranya 10 citra mentah, 10 citra cukup matang, 10 citra matang, dan 10 citra sangat matang. Pada proses data uji yang di hasilkan mendapatkan tingkat akurasi pengujian 50%. Kata Kunci : Mangga, Jaringan Syaraf Tiruan, Matlab
IDENTIFIKASI PENYAKIT BRUCELLOSIS PADA DAGING SAPI BERDASARKAN ANALISIS TEKSTUR MENGGUNAKAN GRAY LEVEL COOCURENT MATRIX (GLCM) Muhammad Fachrurrozi Nasution; Rika Rosnelly; Jazmi Hadi Matondang; Mega Marisani Ziraluo; Eri Triwanda
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4123

Abstract

Seiring dengan meningkatnya konsumsi daging sapi di masyarakat, membuat orang yang tak bertanggung jawab memanfaatkan kondisi dengan menjual daging sapi yang tidak layak konsumsi kepada masyarakat, hal ini terjadi karena kurangnya pengetahuan masyarakat tentang ciri-ciri daging sapi berkualitas, untuk mengetahui kualitas daging sapi dapat ditentukan dari tekstur daging sapi. Pada umumnya masyarakat menggunakan penglihatan kasat mata untuk menentukan kualitas daging sapi. Namun, cara tersebut masih kurang efektif karena mata memiliki kelemahan untuk melihat suatu objek secara detail. Penelitian ini bertujuan dalam menganalisis tekstur daging sapi untuk mengidentifikasi kualitas daging sapi dengan menggunakan proses pengolahan citra. Diharapkan dengan penelitian ini, menghasilkan perbedaan terhadap jenis daging yang terkena penyakit brucellosis berdasarkan tekstur daging sapi menggunakan metode Gray Level Co-Occurrence Matrix (GLCM). Parameter yang dianalisis adalah Contrast, Correlation, Energy, Homogeneity. Parameter tersebut akan diterapkan pada citra daging sapi sehat dan daging sapi terpapar brucellosis untuk dicari nilai dari masing - masing parameter. Hasil yang didapatkan, terdapat kesimpulan bahwa penyakit brucellosis dapat dikenali berdasarkan hasil proses ekstraksi fitur citra dengan metode GLCM. Lanjutan yang dapat dilakukan dari penelitian ini, diperlukan metode klasifikasi dalam membedakan citra daging sapi terpapar brucellosis atau daging sehat secara lebih detail.
Identifikasi Kesegaran Ikan Mujahir(Oreochormis mossabicus) secara otomatis Berdasarkan Citra Mata Menggunakan KNN Maradona Jonas Simanullang; Rika Rosnelly; Alan Prayogi; Alesia Lorenza Sinaga; Rais Affaruq Zunnurain
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4150

Abstract

Ikan merupakan sumber protein yang tinggi untuk tubuh manusia. Salah satu ikan yang digemari dan banyak tersedia di pasar ikan adalah ikan mujair. Karena banyaknya permintaan akan ikan mujair tersebut sehingga hal tersebut dimanfaatkan oleh penjual dengan melakukan kecurangan seperti menjual ikan yang sudah tidak segar(tidak layak konsumsi) oleh tubuh manusia. Untuk mengatasi masalah tersebut dibutuhkan suatu metode dalam mengidentifikasi kesegaran ikan, serta untuk mengetahui jenis ikan yang segar. Metode yang digunakan adalah K-Nearest Neighbor untuk klasifikasi berdasarkan kelas target dengan memanfaatkan citra mata ikan berbasis nilai fitur warna RGB dirubah ke grayscale melakukan contrast kemudian melakukan histogram equalization. Hasil pengujian menunjukkan bahwa nilai akurasi nilai sebesar 98% untuk klasfikasi KNN . Berdasarkan hasil akurasi tersebut maka metode KNN dapat menjadi model pengembangan identifikasi kesegaran ikan mujair menggunakan citra mata.
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS PADA KEMATANGAN BUAH SAWIT Syawaluddin Kadafi Parinduri; Rika Rosnelly; Anton Purnama; Ameliana Sihotang; Mimi Chintya Adelina
Device Vol 13 No 2 (2023): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i2.5400

Abstract

Berdasarkan pengamatan dan hasi dari observasi, buah kelapa sawit memiliki suatu warna buah yang hampir sama yaitu berwarna hitam pekat atau hitam agak kekuning-kuningan saat mentah, dan berwarna merah tua saat matang. Sangat sulit untuk membedakan buah kelapa sawit yang matang dan mentah. Tandan buah kelapasawit memiliki jumlah buah yang banyak, dalam satu tandan diperkirakan beratnya mencapai kurang lebih 20 sampai 30 Kilogram. Untuk dapat mengetahui kematangan buah sawit tersebut, dibutuhkan suatu sistem untuk melakukan klasifikasi kematangan buah secara otomatis. Metode Support Vector Machine (SVM) dan K-Nearest neighbors (K-NN) dapat digunakan untuk klasifikasi buah kelapa sawit yang matang dan mentah. Kedua Metode ini akan digunakan untuk melihat kelebihan akurasi tertinggi. Sehingga Kedua metode ini, akan dibandingkan. dan bekerja baik dangan ruang dimensi yang tinggi dengan menggunakan bantuan aplikasi Orange data mining. Hasil yang diperoleh pada metode Support Vector Machine (SVM) skenario satu, mendapatkan nilai akurasi yang sangat baik, yaitu 100%. Pada skenario dua, dengan menggunakan metode K-Nearest neighbors (K-NN) mendapatkan nilai akurasi yang sangat baik juga sebesar 100%.. Hal ini membuktikan bahwa kedua metode tersebut dapat digunakan untuk mengklasifikasikan kematangan buah kelapa sawit dengan hasil yang sangat baik.
Co-Authors Abwabul Jinan Aditia Rangga Agus Fahmi Akbar Idaman Alan Prayogi Alesia Lorenza Sinaga Alvinur Naswar Alvinur Naswar Ameliana Sihotang Anton Purnama Arselan Ashraf B. Herawan Hayadi Batubara, Muhammad Akbarri Bob Subhan Riza Cindy Paramitha Cindy Paramitha Dedi Irawan Dedi Irawan Della Syahrani Desi Irfan Dian Maya Sari Diky Wahyudi Edy Victor Haryanto, Edy Victor Eko Setyo Budi Putra Aji Elly Veronika Sihite Elsa Aditya Eri Triwanda Esmawaty Sinaga Finis Hermanto Laia Gusti Firanda Hardianto Hardianto Hardianto Hardianto Hartono Hartono Hetty Zahrani IQBAL GIFFARI RITONGA Jaka Kusuma Jaka Tirta Samudra Jazmi Hadi Matondang Junaidi Junaidi Karuniaman Buulolo Kristine Wau Linda Wahyuni Linda Wahyuni Linda Wahyuni Lubis, Cindy Paramitha M. Agung Oki Prayugo Maradona Jonas Simanullang MARIA BINTANG Masri Wahyuni Mega Christin Lase Mega Christin Morys Lase Mega Marisani Ziraluo Mimi Chintya Adelina Mira Kartiwi Muhammad Fachrurrozi Nasution Muhammad Sadikin Muhammad Zulkarnain Lubis Mutiara S. Simanjuntak Pius Deski Manalu Progresif Bulolo Progresif Bulolo5 Puji Sari Ramadhan Rabiatul Adawiyah Hasibuan Rahmatika Hizria Rais Affaruq Zunnurain Ramadhani Ritonga Ridha Maya Faza Lubis Rofiqoh Dewi Rohima, Rohima Rony, Zahara Tussoleha Roslina, Roslina Rubianto Rubianto Rubianto Sartika Mandasari Sarwadi Sarwadi Sarwadi, Sarwadi Syawaluddin Kadafi Parinduri Teddy Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teresa Tamba Tri Andre Anu Triandi, Budi Ubaidullah Hasibuan Wahyuni, Linda Wanayumini Wulandari, Wulandari Yuni Franciska Zakarias Situmorang Zuriati Janin