Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING eProceedings of Engineering Jurnal Rekayasa elektrika Jurnal INFOTEL
Bambang Hidayat
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 204 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 204 Documents
Search

 14   15   16   17   18 
Identifikasi Dan Klasifikasi Kemurnian Susu Sapi Berdasarkan Pemrosesan Sinyal Video Menggunakan Metode Local Binary Pattern (lbp) Dan Learning Vector Quantization (lvq) Denanda Syahnurreza Auladi; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Susu sapi merupakan hasil ternak yang khasiatnya tidak diragukan, mengingat mengandung protein, karbohidrat, lemak, mineral dan vitamin. Susu sapi murni tentu menjadi idaman bagi seluruh masyarakat konsumen, terlebih tidak tercampur bahan lain, seperti pemanis dan pengawet. Kini secara faktual telah banyak pedagang menjual susu sapi dari toko-toko hingga di pinggiran jalan. Perlu untuk dipahami, karena material susu sapi berbentuk cairan, maka kondisi kemurniannya tidak mudah terjamin. Bertumpu dengan melihat, mencium baunya, bahkan merasakannya bila bukan ahlinya memang sangat sukar untuk dapat dipertanggung-jawabkan. Maka dari itu, kemurnian susu sapi menjadi hal penting dalam mempertaruhkan jaminan mutu bagi setiap peminatnya. Dalam upaya mendeteksi murni atau telah tercampurnya susu sapi, maka diperlukan suatu modul teknologi yang mampu menampakkan signifikasi perbedaan kualitasnya. Oleh karena itu, diperlukan adanya suatu rancangan melalui sistem teknik pemrosesan sinyal video. Adapun video yang dimaksud yaitu, dilakukannya perekaman tetesan susu sapi. Selanjutnya diproses dengan metode ekstraksi ciri Local Binary Pattern (LBP) dengan menjumlahkan struktur lokal pada citra yang bekerja pada mode warna greyscale dan bekerja menggunakan 8 ketetanggaan yang tersebar secara melingkar serta mengklasifikasikannya menggunakan metode Learning Vector Quantization (LVQ) dengan cara melakukan pendekatan vektor input berdasarkan kedekatan jarak vektor input terhadap bobot. Setelah melakukan beberapa skenario pengujian terhadap sistem idetifikasi dan klasifikasi kemurnian susu sapi dengan parameter bentuk dan warna, hasil akurasi teritinggi untuk identifikasi bentuk adalah 67.5% dengan waktu komputasi 36 detik dan identifikasi warna adalah 55% dengan waktu komputasi 75 detik Kata Kunci : Susu Sapi, Pemrosesan Sinyal Video, Ekstraksi Ciri, Local Binary Pattern, Learning Vector Quantization
Identifikasi Usia Manusia Berdasarkan Citra Radiografi Panoramik Gigi Kaninus Menggunakan Metode Adaptive Region Growing Approach Prasetyo Tri Herlambang; Bambang Hidayat; Yuti Malinda
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Banyaknya bencana alam, tindak kejahatan, kecurangan dalam kasus pemalsuan usia maupun salah dalam memperkirakan usia melalui bentuk fisiknya terkadang membuat para ahli forensik dipanggil untuk mengetahui identitas usia sebenarnya, tetapi hal itu bukanlah sesuatu yang mudah bagi ahli forensik untuk mengetahui usia seseorang. Salah satu cara untuk dapat mengidentifikasi usia seseorang dapat dilakukan melalui salah satu bagian gigi, yaitu rongga pulpa. Perkembangan rongga pulpa gigi akan semakin menyempit seiring dengan bertambahnya usia manusia. Mengidentifikasi usia melalui gigi dapat dilakukan dengan teknik radiografi, untuk menunjang identifikasi usia melalui gigi dengan pengolahan citra, maka peneliti melakukan pengolahan citra radiografi panoramik dengan metode segmentasi citra Adaptive Region Growing Approach. Hasil penelitian ini menghasilkan akurasi sistem sebesar 63% dari 47 data yang diuji untuk 7 kelas usia serta 17% dari 47 data yang diuji untuk 15 kelas usia. Hasil tersebut didapatkan dengan cara merubah-rubah nilai parameter dalam metode Adaptive Region Growing Approach. Kata kunci :Pulpa gigi, Adaptive Region Growing Approach ABSTRACT The number of natural disasters, crime, fraud in cases of age forgery and wrong in estimating age through physical body sometimes make forensic experts called to know the actual age. The forensic expert admitted that is difficult thing to know the actual age of a person. One way to identify age can be done through one part of the tooth, that is an pulp cavity. The growth of the dental pulp cavity will further narrow with the increasing human age. Identifying age through teeth can be done with radiographic techniques, to support the identification of age through the teeth with image processing, the researcher performs panoramic radiographic image processing with Adaptive Region Growing Approach image segmentation method. The results of this study resulted in a system accuracy of 63% of 47 data tested for 7 age classes as well as 17% of 47 data tested for 15 age classes. The result is obtained by changing the parameter values in Adaptive Region Growing Approach method Keywords: Pulp, Adaptive Region Growing Approach
Identifikasi Jenis Kelamin Berdasarkan Teraan Gigitan Berbasis Pengolahan Citra Digital Dengan Metode Discrete Wavelet Transform (dwt) Dan Klasifikasi K-nearest Neighbor (knn) Ibrahim Adilla; Bambang Hidayat; Yuti Malinda
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Forensik merupakan bidang ilmu pengetahuan yang membantu proses individu untuk kepentingan hukum. Bite mark adalah bekas gigitan yang terdapat pada organ tubuh korban dan pelaku kriminal. Hal ini banyak di temukan pada kasus kekerasan, pemerkosaan dan penganiyayaan anak. Adapun hambatan untuk proses identifikasi bite mark yaitu prosesnya yang membutuhkan waktu lama dan untuk menganalisisnya dengan menggunakan kasat mata. Oleh karena itu, sangat dibutuhkan pengolahan citra pola bite mark untuk mendapatkan ketepatan identifikasi jenis kelamin pelaku atau korban kriminalitas dengan membutuhkan waktu yang cepat. Pada Tugas Akhir ini, sistem mampu melakukan identifikasi citra pola bitemark menjadi sebuah keluaran berupa jenis kelamin pelaku dan korban kriminalitas. Klasifikasi ciri pada tugas akhir ini menggunakan metode Discrete Wavalet Transform (DWT) selanjutnya menggunakan metode klasifikasi K-Nearest Neighbor (KNN). Nilai akurasi terbesar pada pengujian ini yaitu 82,9787% dengan waktu komputasi 0,7078s. Parameter jarak kaninus menunjukan bahwa jarak kaninus perempuan lebih kecil 0,95% dibanding jarak kaninus laki-laki. Dengan metode ektrasi ciri DWT menggunakan level dekomposisi 5 dan filter LL. Sedangkan pada proses klasifikasi K-NN jenis distance terbaik yang bisa digunakan adalah Euclidean dan nilai k = 1. Ukuran citra yang digunakan 800x1600 piksel. Kata kunci: Forensik, Bite Mark, Discrete Wavalet Transform, K-Nearest Neighbor Abstract Forensic is a field of science that helps the individual process for the benefit of the law. Bite marks are bite mark found on victim’s organs and criminals. It is mostly found in cases of violence, rape and child abuse. The obstacles to the bite mark identification process is the process that takes a long time and to analyze it by using the invisible. Therefore, it is imperative that bite mark pattern image processing be used to obtain accurate identification of sex of the perpetrator or the victim of crime by taking a short time. In this Final Project, the system is able to identify bite mark pattern image into an output in the form of sex of the pepetrator and the victim of crime. The classification feature in this final project using Discrete Wavelet Transform (DWT) next uses the K-Nearest Neighbor (K-NN) classification method. The greatest accuracy value in this test is 82,9787% with computation time 0,7078s. The canine distance parameter shows that the female canine distance is 0,98% smaller than the male canine distance. Method characteristic DWT using decompotition level 5 and LL filter. While in the process of classification K-NN type of the best distance that can used is Euclidean and value k=1. Image size used 800x1600 pixel. Keywords : Forensic, Bite Mark, Discrete Wavalet Transform, K-Nearest Neighbor
Identifikasi Rentang Umur Manusia Melalui Fosil Gigi Geraham Berbasis Pengolahan Citra Digital Menggunakan Metode Discrete Wavelet Transform Dan K-nearest Neighbor (k-nn) Hervyn Junianto Kuen; Bambang Hidayat; Johan Arif
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Lapisan enamel pada fosil gigi manusia dapat diamati pola keausan yang bisa memberikan informasi tentang rentang umur pada saat kematian manusia. Penelitian terkait identifikasi fosil gigi manusia secara umum masih menggunakan metode reaksi kimia sehingga membutuhkan waktu yang cukup lama. Oleh karena itu, pada penelitian ini telah dirancang suatu sistem yang mampu mengidentifikasikan rentang umur pada saat kematian manusia berdasarkan pola keausan dari lapisan enamel pada fosil gigi gerahamnya menggunakan pengolahan citra digital. Sehingga dapat membantu para ahli geologi dalam meneliti fosil gigi manusia secara lebih efisien. Pada penelitian ini dilakukan dua pengujian yaitu pengujian untuk mengklasifikasikan rentang umur pada saat kematian dan jenis gigi geraham. Dalam pengujian tersebut digunakan metode Discrete Wavelet Transform (DWT) dan untuk proses klasifikasi digunakan metode K-Nearest Neighbor (K-NN). Pengujian difokuskan untuk mengidentifikasi dua kelas pada rentang umur yaitu 17-25 tahun dan 25-35 tahun, sedangkan untuk jenis gigi geraham juga terdapat dua kelas yaitu gigi geraham bawah dan gigi geraham atas. Untuk pengujian identifikasi rentang umur didapatkan akurasi terbaik sebesar 88.4615% sedangkan untuk pengujian identifikasi jenis gigi geraham didapatkan akurasi terbaik sebesar 87.6923%. Kata kunci : Pola keausan, Enamel pada fosil gigi, Discrete Wavelet Transform (DWT) dan K-Nearest Neighbor (K-NN) Abstract The enamel layers of human tooth fossils can be observed in the pattern of wear and tear that can provide information about the age range at the time of human death. Research related to identification of human dental fossil in general still using chemical reaction method so it takes a long time. Therefore, in this project has designed a system that capable to identify the age range at the time of human death based on the wear pattern of the enamel layer on the fossil molar using digital image processing. So it can help geologists in researching fossil human teeth more efficiently. In this project, two tests were tested to classify the age range at the time of death and type of molars. In the test used the method of Discrete Wavelet Transform (DWT) and for the classification process used K-Nearest Neighbor (K-NN) method. Tests focused on identifying two classes in the age range of 17-25 years and 25-35 years, while for the type of molars there are also two classes of lower molars and upper molars. For the test of age range identification was obtained the best accuracy of 88.4615% while for testing the identification of tooth type of molars obtained the best accuracy of 87.6923%. Keywords: Wear Patterns, Enamel on dental fossil, Discrete Wavelet Transform (DWT) and K-Nearest Neighbor (K-NN)
Deteksi Usia Berdasarkan Pengolahan Citra Panoramic Radiograf Gigi Molar Pertama Mandibular Dengan Metoda Histogram Of Oriented Gradient Dan Klasifikasi Learning Vector Quantization Erryna Indah Kurniawati; Bambang Hidayat; Fahmi Oscandar
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Usia merupakan hal penting yang perlu diketahui untuk mempermudah proses identifikasi. Gigi manusia merupakan salah satu organ tubuh manusia yang dapat digunakan untuk proses identifikasi karena tidak mudah hancur. Gigi terdiri dari beberapa lapisan yaitu email, dentin, pulpa dan semen. Radiograf atau hasil rontgen x-ray merupakan salah satu tools yang digunakan untuk membantu proses diagnosis, hal ini karena tidak semua anomali pada gigi dapat dilihat hanya dengan pemeriksaan secara visual, karena pemeriksaan visual tidak selamanya akurat. Dalam tugas akhir ini metode yang digunakan untuk pengolahan citra panoramic radiograf adalah Histogram of Oriented Gradient (HOG) dan untuk klasifikasi menggunakan Learning Vector Quantization (LVQ). Hasil akhir dari tugas akhir ini yaitu sistem menggunakan software Matlab dengan metode Histogram of Oriented Gradient dan klasifikasi Learning Vector Quantization yang mampu untuk melakukan identifikasi dan klasifikasi usia manusia dengan akurasi tertinggi 68,33% dan waktu komputasi terendah yaitu 0,0305 detik . Kata Kunci : Panoramic Radiograf, Histogram of Oriented Gradient (HOG), Learning Vector Quantization (LVQ) Abstract Age is an important thing to know to simplify the identification process. Human teeth are one of the human organs that can be used for the identification process because it is not easily destroyed. Teeth consist of several layers of email, dentin, pulp and cement. Radiograph or x-ray is one of the tools used to aid the diagnosis process, as not all anomalies of the tooth can be seen only by visual examination, since visual examination is not always accurate. In this final project the method used for panoramic radiograph image processing is Histogram of Oriented Gradient and for classification using Learning Vector Quantization. The final result of this final project is using Matlab software with Histogram of Oriented Gradient method and classification of Learning Vector Quantization which is able to identify and classify human age with highest accuracy of 68.33% and lowest computation time is 0.0305 seconds. Keywords : Panoramic Radiograf, Histogram of Oriented Gradient (HOG), Learning Vector Quantization (LVQ)
Deteksi Kualitas Dan Kesegaran Telur Berdasarkan Segmentasi Warna Dengan Metode Fuzzy Color Histogram Dan Wavelet Dengan Klasifikasi Knn Annisa Faraditha Basuki; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 3, No 3 (2016): Desember, 2016
Publisher : eProceedings of Engineering

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

Abstract

Telur merupakan bahan makanan yang sangat akrab dengan kehidupan kita sehari-hari. Setiap telur mempunyai warna kuning telur yang berbeda tipis. Kuning telur mempunyai 15 tingkatan ( 15 grade) yang bisa dilihat dari alat yang bernama Yolk Color Fan ,sehingga dapat diklasifikasikan ke dalam perbedaan kuning telur. Hal inilah yang menjadi latar belakang topik tugas akhir ini yaitu klasifikasi kuning telur. Seperti kita ketahui perkembangan teknologi dibidang pengolahan citra digital sudah sangat pesat tepatnya teknik pengenalan pola suatu citra digital sehingga digunakan pengolahan citra digital untuk mengklasifikasikan kuning telur pada ayam negeri. Dalam tugas akhir ini penulis membahas mengenai teknik untuk mengklasifikasikan kualitas dan kesegaran telur dari bagian albumen dan mendeteksi kualitas kuning telur dari warna kuning telur ayam dengan menggunakan pengolahan citra digital. Terdapat beberapa metode yang dapat digunakan untuk mendeteksi kualitas dan kesegaran telur dan kuning telur. Pada Tugas Akhir ini penulis menggunakan metode Fuzzy Color Histogram (FCH), Discrete Wavelet Transform (DWT) dan deteksi tepi dengan klasifikasi K-Nearest Neighbor (K-NN) yang diawali dengan proses prepocessing yang terdiri dari operasi cropping dan resizing, RGB to grayscale, RGB to CMYK, filling, deteksi tepi dan deteksi jarak. Kata kunci : Telur ayam negeri, DWT, FCH, KNN
Estimasi Bobot Karkas Sapi Berdasarkan Metode Gabor Wavelet Dan Klasifikasi Support Vector Machine Multiclass Vallen Ariesandi; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Hewan ternak dibagi menjadi dua berdasarkan ukurannya, yaitu kecil dan besar. Contoh dari ukuran ternak skala kecil terdiri dari ikan, unggas, kelinci dll. Dalam proses penimbangan, menimbang bobot badan hewan ternak dalam skala kecil bisa langsung dilakukan dengan mudah dibandingkan menimbang bobot badan hewan ternak dalam skala besar. Banyak metode yang digunakan dalam menimbang bobot ternak berskala besar seperti sapi potong. Salah satu metodenya adalah konvensional dan bobot sapi ini dinamakan karkas. Metode ini masih memiliki berbagai kendala. Berkembangnya Teknologi, Informasi dan Komunikasi memberi terobosan baru dalam membantu proses penimbangan sapi dengan menggunakan pengolahan citra digital. Pengolahan citra digital dapat dilakuakan dengan menggunakan algoritma tertentu yang dapat mengenali objek. Tugas akhir ini merancang dan menerapkan sistem dengan penggunaan teknik pengolahan citra digital yang dapat mempermudah prediksi dan klasifikasi dari bobot karkas, dengan langkah-langkah : akuisisi citra, pre-processing, ektraksi ciri dan klasifikasi. Metode ekstrasi ciri yang digunakan pada tugas akhir ini adalah Gabor Wavelet yang menghasilkan beberapa ciri (feature) berupa sebuah nilai. Ciri yang didapat diproses dalam klasifikasi Multiclass SVM. Jumlah data yang digunakan sebanyak 10 data latih dan 8 data uji. Pada tugas akhir ini mendapatkan akurasi terbaik dengan nilai 77.78% serta waktu komputasi sebesar 20,25608 detik. Sistem pada tugas akhir ini memiliki tingkat akurasi yang lebih baik dari penelitian sebelumnya yang menggunakan metode segmentasi K – Means Clustering yang mempunyai akurasi 74%, dan metode Regresi Linier dengan akurasi 71.4712%. Namun, penelitian ini masih kurang dibandingkan dengan penelitian sebelumnya yang menggunakan metode segmentasi Graph Partitioning dengan akurasi 82.19 % dan metode segmentasi Mean Shift dengan akurasi 89 %. Diharapkan kemampuan sistem ini dapat membantu memberikan manfaat untuk dunia peternakan khusus nya peternakan sapi di Indonesia Kata kunci : Bobot karkas, Ekstrasi Ciri, Gabor Wavelet, Multiclass SVM
Sintesa Penelitian Deteksi Kista Periapikal Radiograf Dengan Metode Binary Large Object (blob) Dan Metode Gray Level Co-occurrence Matrix (glcm) Nabila Sarashadarti; Bambang Hidayat; Suhardjo MS
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Kista adalah sebuah rongga yang berisi cairan atau gas, kista pada gigi yang paling sering dijumpai ialah kista periapikal, yaitu kista yang terjadi pada ujung akar. Untuk melakukan diagnosa kista periapikal diperlukan dokter ahli di bidang radiologi yang mana masih sedikit jumlahnya di Indonesia, karena masalah itu penulis membuat tugas akhir ini dengan tujuan dapat mempermudah pendeteksian kista periapikal. Berdasarkan penelitian-penelitian yang sudah dilakukan, dipilih dua metode yang diuji kembali dalam tugas akhir ini, yaitu metode BLOB (Binary Large Object) dan metode GLCM (Gray Level Co-Occurrence Matrix). Kedua metode ekstraksi ciri ini dilakukan kemudian diklasifikasikan menggunakan metode pengklasifikasian K-Nearest Neighbour. Pada penelitian ini digunakan 16 Data Latih dan 13 Data Uji, setelah hasil pengujian didapatkan hasil dengan tingkat akurasi uji untuk Metode GLCM (Gray Level Co-Occurrence Matrix) 100% yang diraih dengan waktu komputasi 0,6521s pada citra berdimensi 512x512 dengan nilai kuantisasi 16 pada jarak 5 dengan phasa 90º dan Metode BLOB (Binary Large Object) pada citra berdimensi 128x128 menggunakan ciri statistik orde satu mean, kurtosis, dan entropy meraih tingkat akurasi uji sebesar 76,92% dengan waktu komputasi 0,5434s. Kata Kunci : kista periapikal, BLOB, periapikal radiograf, GLCM Abstract A cyst is a cavity containing a liquid or gas, periapical cyst is a cyst that occurs at the end of the roots, usually start with pulpitis. To correctly diagnose periapical cyst, a doctor who has an expert in radiology is needed, which are still few in number in Indonesia, because of that problems the author makes this final project with the aim of facilitating the detection of periapical cysts. Based on previous researches that is already done, author selected two tested methods that return in this final task, the method of BLOB (Binary Large Object) and the method of GLCM (Gray Level CoOccurrence Matrix). Both methods of feature extraction then classified using classification method of KNearest Neighbour. This research uses 16 trained data and 13 test data, the obtained results for GLCM (Gray Level CoOccurrence Matrix) method is 100% with computing time 0, 6521s on the 512x512-dimensional image with the value of the quantization 16 at 5 with 90° phase and BLOB (Binary Large Object) method on thedimensional image 128 x 128 using statistical characteristics of order one using mean, kurtosis, and the entropy resulting level of accuracy test of 76.92% with computing time 0, 5434s. Keywords : Periapical Cyst, GLCM, BLOB, Periapical Radiograph
Deteksi Kualitas Keju Berdasarkan Segmentasi Warna Dan Tekstur Dengan Metoda Discrete Cosine Transform (dct) Dengan Klasifikasi K- Nearest Neighbor (k-nn) Pada Citra Digital Reni Dyah Wahyuningrum; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Keju adalah produk susu yang dihasilkan dari fermentasi ringan dimana proses fermentasi bisa dilakukan oleh bakteri asam laktat atau jamur. Keju menjadi bahan makanan yang dikonsumsi masyarakat Indonesia sebagai pelengkap rasa pada makanan. Keju memiliki protein yang cukup tinggi sehingga keju banyak dijadikan sebagai pelengkap olahan makanan, seperti roti, pizza, dan pasta. Akan tetapi, keju yang diproduksi dari masing- masing perusahaan memiliki perbedaan kualitas dan tekstur. Banyaknya masyarakat Indonesia yang tidak mengetahui bahwa setelah keju cheddar dibuka, maka ada batas hari layak makan. Secara kasat mata kualitas keju cheddar layak makan ini tidak bisa dilihat. Hal inilah yang menjadi latar belakang di pilihnya judul tugas akhir ini. Pada sistem pengolahan citra digital, setiap citra bisa dianalisis dan diklasifikasikan berdasarkan fitur yang diperoleh dari citra objek. Untuk memahami kualitas keju bisa dilakukan melalui citra keju yang sudah diamati selama 15 hari. Dalam Tugas Akhir ini penulis membahas bagaimana cara mengklasifikasikan jenis kualitas dari keju. Terdapat beberapa metode yang dapat digunakan untuk klasifikasi kualitas keju. Pada Tugas Akhir ini penulis menggunakan metode ekstraksi ciri Discrete Cosine Transform (DCT) dengan klasifikasi K- Nearest Neighbor (K- NN) yang diawali dengan proses prepocessing. Untuk pengujian ini dilakukan pengujian dengan 48 citra keju, dengan komposisi masing-masing kelas memiliki 16 citra keju sangat layak makan, 16 citra keju layak makan, dan 16 citra keju tidak layak makan. Sehingga didapatkan akurasi terbaik sebesar 85.41 % dan waktu komputasi 0.6152s dengan menggunakan metode DCT dimana digunakan ekstraksi ciri berdasarkan tekstur dan warna dengan parameter: parameter orde satu (standar deviasi dan kurtosis), blok 50, k= 1, distance euclidean. Kata Kunci : Keju, Discrete Cosine Transform (DCT), K-Nearest Neighbor (K-NN).
Deteksi Kualitas Dan Kesegaran Telur Ayam Berbasis Deteksi Objek Transparan Dengan Metode Discrete Cosine Transform (dct) Dengan Klasifikasi K-nearest Neighbor (k-nn) Novita Yusnia Tri Handayani; Bambang Hidayat; Sjafril Darana
eProceedings of Engineering Vol 4, No 2 (2017): Agustus, 2017
Publisher : eProceedings of Engineering

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

Abstract

Telur ayam merupakan salah satu bahan makanan yang banyak di konsumsi masyarakat pada umunya. Selain itu telur juga sangat di kenal sebagai makanan yang memiliki sumber protein yang sangat tinggi. Telur yang dihasilkan dari masing-masing peternakan akan memiliki kualitas dan kesegaran telur yang berbeda-beda. Kualitas dan kesegaran telur dapat dilihat dari ketinggian putih telur tersebut. Salah satu faktor yang mengakibatkan kualitas dan kesegaran telur itu menurun adalah cara dan lama penyimpanan serta suhu pada tempat penyimpanan telur tersebut. Warna kuning telur dapat di ukur dengan menggunakan alat yang dinamakan Yolk Color Fan. Pada Tugas Akhir ini penulis akan menghasilkan simulasi pendeteksi kualitas dan kesegaran telur ayam yang berbasis objek transparan dengan menggunakan metode Discrete Cosine Transform (DCT) dengan klasifikasi K-Nearest Neighbor (KNN). Dengan adanya Tugas Akhir ini penulis berharap penelitian dapat bermanfaat bagi masyarakat untuk menentukan kualitas dan kesegaran telur yang dilihat dari putih telur tersebut dengan cara yang lebih efektif sehingga mencapai tingkat akurasi yang diharapkan sebesar 90%. Kata kunci: Telur, Yolk Color Fan, Discrete Cosine Transform (DCT), K-Nearest Neighbor (KNN), Objek Transparan
Co-Authors Abdul Hafidh Zaini Ade Pitra Hermawan Adi Aufarachman Putra Bambang Dwi Adrian Firmansyah Taufik Afina Fatharani Agre Liana Bella Clara Ahmad Mumtaz Ahsanu Qornan Al Brando Ardes Harjoko Alif Fajri Ryamizard Alifdio Hendra Putra Alifia Fathur Rizkiyah Alvin Matthew Valentino Amelia Shaffira Arifin Andre Danika Andrean David Chrismadandi Andri Slamet Subandrio Andri Slamet Subandrio Andri Slamet Subandrio Angrinda Kharisma Putri Anissa Widya Devianti Annisa Adlina Mulyaningrum Annisa Faraditha Basuki Annisa Rizki Akmalia Annisa Yandra Oktora Apriannor Apriannor Aptanti Aptanti Arfhan Setiawan Ari Septayuda Arina Fadhilah Arisalsabila Wahyu Bawono Arvieda Nadya Astin Santosa Auliado Centaury Ayu Tri Yulina Ayu Trisna Hayati Ayu Trisna Hayati Azarine Sandi Rizcky Bagas Yufa Ardana Bani Aulia Rahman Bella Yunita Kusuma Carolus Ferdy Setiaji Hartoko Chyndi Mery Da Vega Clara Amanda Daniel Ade Aryono Dara Aulia Feryando David Vianza Dea Delia Lestari Dela Tantri Riyandani Denanda Syahnurreza Auladi Desi Dwi Prihatin Desti Madya Saputri Devi Naafiyandika Sutopo Devi Rahmaditra Devi Utami Nur Indah Sari Devita Ba'diatan Fitri Dewa Gede Eduard Pramana Morton Dewi Zakiawati Dias Wardana Diati Levi Putri Dimas Anugrah Putra Dinda Rizki Taningrum Diny Hafizha Amelia Diovani Estidia Akbar Distyan Putra Agrisativa Dita Kusuma Wardani Dudi Aripin Dwi Sukma Bestry Edrea Cioksidy Cioksidy Eka Yuwitaning Eko Susatio Elline Constantia Elok Novita Pramunti Elyza Dilla Susanti Endang Yuni Endang Yuni Setyowati Enrico Wiratama Purwanto Erryna Indah Kurniawati Erty Kasdiantika Erwin Susanto Faber Tommy Johannes Nauli Fadhilah Fadhilah Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oscandar Fahmi Oskandar Fanny Oksa Salindri Farah Fadhilah Hermahiroh Farisah Qisthina Rekamasanti Farras Duto Hestopo Fauziyyah Rachmawati Fina Maharani Firda Isfandary Badryani Fiya Rohmawati Galuh Laksmita Ranggi Garizah Ganih Pranoto Gelar Budiman Ghina Oktavia Gita Meirinda H. Suhardjo H. Suhardjo Haidar Maghrifa Ahmad Hamdan Gustiawidi Hanif Jaka Permana Hasna Nur Afina Helena Jasmine Clarissa Hermas Ahadhi Septiaji Hervyn Junianto Kuen Hilal Nuha Hilman Fauzi, Hilman Hindrya Meidina Fresty Husnul Himmah I Nyoman Apraz Ramatryana I Putu Aditya Widiatama Ibrahim Adilla Ida Ayu Dian Purnama Sari Imam Abdul Hakim Indah Restyana Indri Ruth Simatupang Inka Hashari Insani Sekar Wangi Inung Wijayanto Irene Dewi Kurniawati Irma Safitri Irvie Augustin Israndy Yainahu Jangkung Raharjo Johan Arif Johan Arif Johan Arif Karina Permatasari Katamso Katamso Kevin Prathama Nugraha Khairunnisa Alfiyanti Suharja Kharisma Meccasia Kinanti Balqis Maharani Kintan Veriana Krisma Asmoro Kusumawardhani, Eka Leanna Vidya Yovita Ledya Novamizanti Listhyani Dhianira Sarie Listianto Raharjo Luluk Listyani Ayuningtyas Lutfi Ahmad Lyra Vega Ugi Magdarita Haris Mahdan Muqottirullah Al Askariyy Maya Amiriyanti Maya Sari Samosir Melina Melina Mentari Pangestu Mielda Fauzi Mila Muliani Mirrah Aliya Azzahra Mohamad Fikri Permana Mona Renasari Muhamad Fatah Muhamad Luthfi Wahid Muhammad Fatah W Muhammad Fatah Wiyatna Muhammad Ilham Fauzi Muhammad Rafki Muhammad Taufiq Alkautsar Mujib Ramadhan Hidayat Murnisari Darjan Mutia Henarta Mutiara Ulfach Nabila Sarashadarti Nadia Aisyah Permata Putri Nadia Putri Nurpadilah Nadiya Ibrahim Nanang Adi Setyawan Neng Anggi Iliadi Neng Wiwin Wiyandini Ngurah Putu Oka Harybuana Niki Ihsanul Hakim Nina Djustiana Nova Aditya Utami Novita Yusnia Tri Handayani Nur Andini Nur Hikmah Maulida Nur Ibrahim Nur Inastia Alfianingrum Nur Shabrina Nurul Septiyani Syafril Prasetyo Tri Herlambang Pritta Anggraeni Anindyasari Putu Cinthia Wikessa Putu Wahyu Saputra Qintan Nurma Buana Rakhman Kurniadi Rani Fauzana Rasinia Vadilla Nova Ratri Dwi Atmaja Regha Julian Pradhana Reinhard Immanuel Abraham Reni Anggraini Reni Dyah Wahyuningrum Restu Pujiyanti Hidayat Restu Wardani Reza Ahmad Nurfauzan Rian Febrian Umbara Rian Umbara Rikko Ismail Hardianzah Risva Ulva Fauzia Rita Magdalena Rizkiana Rani Sejahtera Rizky Setyaningrum Rizqi Shaumi Puspa Ayu Amanda Rosa Chulia Rahmah Rr Ayuningtias Setiaji Rudy Hartanto Rudy Hartanto Rudy Hartanto Ryan Bagus Wicaksana Ryan Bagus Wicaksono Sarah Aura Nadienda Saraswati Saraswati Setyo Nugroho Wibowo Shabrina Elha Putri Shofiya Rona Gemintang Sigit Nugroho SJAFRIL DARANA Sjafril Darana Sjafril Darana Sofia Sa’idah SOFIA SAIDAH Sri Muliawati Suci Amelia Suci Aulia Sugeng Winarno Sugondo Hadiyoso Suhardjo MS Suhardjo MS Suhardjo Sitam Suhardjo Sitam Suhardjo Suhardjo Suhardjo Suhardjo Suhartono Tjondronegoro Suken Achmad Aziz Suryo Adhi Wibowo Syahida Anugrah Kausar Syakira Nurina Shaputri Syelanisa Nabilla Syifa Mellynda Prisca Tengku Ahmad Wira Giovany Tikki Capriati Marieski Tita Haryanti Tito Permana Ulfa Yuliani Unang Sunarya Utari Hustita Dewi Vallen Ariesandi Vanesa Ditalia Vasya Aulia Viona Apryaleva Vivi Oktaviani Damanik Wijayanti, Lumastari Ajeng Wulandari Setiawati Wulandary Ika Hanesia Yafis Sukma Kurniawan Yeni Ernita Kusuma Wardani YULI SUN HARIYANI Yun Mukmin Akbar Yuti Malinda Yuti Malinda Yuti Malinda Zafer Ozcan Zagitha Devy Harerra Zahrana Hermulyani Zarka Lazuardi Putera