Article Per Year (5 Year)
p-Index From 2021 - 2026
1.745
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI EXPLORE JOISIE (Journal Of Information Systems And Informatics Engineering) Jurnal Teknologi Informasi dan Pendidikan Indonesian Journal of Electrical Engineering and Computer Science Journal of Computer Scine and Information Technology Jurnal Sains Informatika Terapan (JSIT) EXPLORE Jurnal Komtekinfo SATIN - Sains dan Teknologi Informasi Jurnal Teknik dan teknologi tepat guna
Yogi Wiyandra
Universitas Putra Indonesia YPTK Padang
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Materials Science & Nanotechnology

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Hybrid Contrast Enhancement Dan Segmentasi Citra Multi-Ambang Untuk Analisis Penyakit Daun Tomat Berbasis Convolutional Neural Network Yogi wiyandra; Suci Wahyuni
Jurnal Teknik dan Teknologi Tepat Guna Vol. 4 No. 3 (2026): Jurnal Teknik dan Teknologi Tepat Guna
Publisher : Riset Sinergi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/j-t3g.v4i3.1306

Abstract

Kualitas analisis citra digital sangat dipengaruhi oleh proses peningkatan kualitas citra (image enhancement) dan segmentasi yang mampu memisahkan objek dari latar belakang secara akurat. Permasalahan yang sering dijumpai pada citra digital, seperti kontras rendah, pencahayaan yang tidak merata, dan keberadaan derau (noise), menyebabkan hasil segmentasi menjadi kurang optimal. Penelitian ini mengusulkan metode Hybrid Contrast Enhancement and Multi-Threshold Image Segmentation yang mengintegrasikan Median Filter, Contrast Limited Adaptive Histogram Equalization (CLAHE), Gamma Correction, Multi-Level Otsu Thresholding, dan operasi morfologi untuk meningkatkan kualitas citra sekaligus menghasilkan segmentasi yang lebih akurat. Penelitian menggunakan 1.200 citra digital yang dibagi menjadi 840 data latih (70%) dan 360 data uji (30%). Hasil segmentasi kemudian dievaluasi melalui proses klasifikasi menggunakan Convolutional Neural Network (CNN) untuk mengukur efektivitas metode yang diusulkan. Berdasarkan hasil pengujian pada data uji, metode yang diusulkan memperoleh akurasi sebesar 96,42%, presisi sebesar 95,87%, recall sebesar 96,15%, dan F1-score sebesar 96,01%. Selain meningkatkan nilai evaluasi klasifikasi, metode hybrid juga mampu memperbaiki kualitas visual citra, mengurangi derau, meningkatkan kontras, serta menghasilkan batas objek yang lebih jelas dibandingkan metode konvensional. Hasil penelitian menunjukkan bahwa kombinasi beberapa teknik image enhancement dan segmentasi adaptif mampu meningkatkan performa analisis citra digital sehingga berpotensi diterapkan pada berbagai bidang, seperti pengolahan citra medis, pertanian cerdas, pengawasan industri, dan sistem visi komputer.
Co-Authors Agung Ramadhanu Ayu Mahessya, Raja Dodi Guswandi Febri Hadi Firna Yenila Hadi Syahputra Irzal Arif Wisky Kurnia, Hezy Marfalino, Hari Naf’an, Emil Nasution, Annio Indah Lestari Ramdandi Ruri Hartika Zain Suci Wahyuni Wifra Safitri Yanto, Musli Zefri Yenni