Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Simetris Scientific Journal of Informatics Proceeding SENDI_U
Desi Purwanti Kusumaningrum
Teknik Informatika S1, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Computer Science & IT Education

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
EVALUASI PERFORMA ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM KLASIFIKASI CITRA WARNA PADA DAGING SAPI DAN BABI Kusumaningrum, Desi Purwanti; Sudibyo, Usman; Rachmawanto, Eko Hari; Sari, Christy Atika
Proceeding SENDI_U 2018: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1383.771 KB)

Abstract

Warna dan tekstur daging yang hampir sama dan harga daging babi yang lebih murah dibandingan dengan harga daging sapi membuat daging babi dipilih sebagai bahan daging campurannya. Namun daging sapi dan daging babi mempunyai perbedaan, yakni dari segi warna dan tekstur daging. Maka pada penelitian ini akan melakukan proses pendekatan dengan beberapa algoritma seperti algortima Grey Level Cooccurrance Matrix (GLCM) dan algoritma Learning Vector Quantization (LVQ). Penggunaan metode diatas diharapkan mampu mendeteksi kedua daging dan diharapkan mampu memaksimalkan tingkat akurasi ketika proses klasifikasi dengan algoritma Learning Vector Quantization. Dalam penelitian ini dihasilkan nilai akurasi dengan nilai tertingginya pada akurasi 75% dengan learning rate = 0,005 dan epoch = 100, sedangkan nilai akurasi terendah pada akurasi 63,75% dengan learning rate = 0,05 dan epoch = 100. Kesalahan yang paling banyak, terdapat pada citra daging babi yang tercropping secara manual, sedangkan untuk citra berbackground hanya mengalami sedikit kesalahan. Adapaun harapan dari penelitian ini adalah dapat dikembangkan sistem yang mampu meminimalisir kesalahan dalam menentukan perbedaan anatara kedua daging (baik yang mempunyai background ataupun tidak) dan diharapkan mampu memaksimalkan tingkat akurasi yang didapat.
OPTIMASI ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGKLASIFIKASIAN CITRA DAGING SAPI DAN DAGING BABI BERBASIS GLCM DAN HSV Sudibyo, Usman; Kusumaningrum, Desi Purwanti; Rachmawanto, Eko Hari; Sari, Christy Atika
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (429.936 KB) | DOI: 10.24176/simet.v9i1.1943

Abstract

Meningkatnya kebutuhan daging sapi, berdampak pada harga daging sapi. Harga daging sapi yang terus menerus mengalami kenaikan, tentunya menyebabkan penurunan penjualan daging sapi. Untuk mengantisipasi hal tersebut, maka beberapa pedagang mencampurkan daging sapi dengan daging babi. Dipilihnya daging babi, karena harga daging babi lebih murah dan warna serta tekstur daging babi yang mirip dengan daging sapi. Secara kasat mata daging sapi dan daging babi sulit untuk dibedakan bagi orang awam. Oleh karena itu, perlu adanya sistem yang dapat membedakan kedua daging. Penelitian ini menggunakan metode klasifikasi untuk membedakan kedua daging. Metode klasifikasi menggunakan algoritma Learning Vector Quantization. Dan penelitian ini memiliki tiga tahapan utama seperti preprocessing, segmentasi warna, ekstraksi fitur, dan klasifikasi. Preprocessing digunakan untuk mendapatkan Region of Interest (ROI) dengan memotong citra dan mengubah ukuran citra. Segmentasi warna menggunakan metode HSV untuk mendapatkan kedalaman warna citra dan ekstraksi fitur mengguakan Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan fitur dari kontras, korelasi, energi, dan homogenitas. Hasil klasifikasi dengan algoritma LVQ mendapatkan akurasi tertinggi 76,25%. Algoritma telah diuji dengan MSE untuk mengetahui minimum error dan PSNR digunakan sebagai pengukuran kualitas citra pengolahan.
EVALUASI PERFORMA ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM KLASIFIKASI CITRA WARNA PADA DAGING SAPI DAN BABI Kusumaningrum, Desi Purwanti; Sudibyo, Usman; Rachmawanto, Eko Hari; Sari, Christy Atika
Proceeding SENDI_U 2018: SEMINAR NASIONAL MULTI DISIPLIN ILMU DAN CALL FOR PAPERS
Publisher : Proceeding SENDI_U

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1383.771 KB)

Abstract

Warna dan tekstur daging yang hampir sama dan harga daging babi yang lebih murah dibandingan dengan harga daging sapi membuat daging babi dipilih sebagai bahan daging campurannya. Namun daging sapi dan daging babi mempunyai perbedaan, yakni dari segi warna dan tekstur daging. Maka pada penelitian ini akan melakukan proses pendekatan dengan beberapa algoritma seperti algortima Grey Level Cooccurrance Matrix (GLCM) dan algoritma Learning Vector Quantization (LVQ). Penggunaan metode diatas diharapkan mampu mendeteksi kedua daging dan diharapkan mampu memaksimalkan tingkat akurasi ketika proses klasifikasi dengan algoritma Learning Vector Quantization. Dalam penelitian ini dihasilkan nilai akurasi dengan nilai tertingginya pada akurasi 75% dengan learning rate = 0,005 dan epoch = 100, sedangkan nilai akurasi terendah pada akurasi 63,75% dengan learning rate = 0,05 dan epoch = 100. Kesalahan yang paling banyak, terdapat pada citra daging babi yang tercropping secara manual, sedangkan untuk citra berbackground hanya mengalami sedikit kesalahan. Adapaun harapan dari penelitian ini adalah dapat dikembangkan sistem yang mampu meminimalisir kesalahan dalam menentukan perbedaan anatara kedua daging (baik yang mempunyai background ataupun tidak) dan diharapkan mampu memaksimalkan tingkat akurasi yang didapat.
OPTIMASI ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGKLASIFIKASIAN CITRA DAGING SAPI DAN DAGING BABI BERBASIS GLCM DAN HSV Sudibyo, Usman; Kusumaningrum, Desi Purwanti; Rachmawanto, Eko Hari; Sari, Christy Atika
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 9, No 1 (2018): JURNAL SIMETRIS VOLUME 9 NO 1 TAHUN 2018
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (429.936 KB) | DOI: 10.24176/simet.v9i1.1943

Abstract

Meningkatnya kebutuhan daging sapi, berdampak pada harga daging sapi. Harga daging sapi yang terus menerus mengalami kenaikan, tentunya menyebabkan penurunan penjualan daging sapi. Untuk mengantisipasi hal tersebut, maka beberapa pedagang mencampurkan daging sapi dengan daging babi. Dipilihnya daging babi, karena harga daging babi lebih murah dan warna serta tekstur daging babi yang mirip dengan daging sapi. Secara kasat mata daging sapi dan daging babi sulit untuk dibedakan bagi orang awam. Oleh karena itu, perlu adanya sistem yang dapat membedakan kedua daging. Penelitian ini menggunakan metode klasifikasi untuk membedakan kedua daging. Metode klasifikasi menggunakan algoritma Learning Vector Quantization. Dan penelitian ini memiliki tiga tahapan utama seperti preprocessing, segmentasi warna, ekstraksi fitur, dan klasifikasi. Preprocessing digunakan untuk mendapatkan Region of Interest (ROI) dengan memotong citra dan mengubah ukuran citra. Segmentasi warna menggunakan metode HSV untuk mendapatkan kedalaman warna citra dan ekstraksi fitur mengguakan Gray Level Co-occurrence Matrix (GLCM) untuk mendapatkan fitur dari kontras, korelasi, energi, dan homogenitas. Hasil klasifikasi dengan algoritma LVQ mendapatkan akurasi tertinggi 76,25%. Algoritma telah diuji dengan MSE untuk mengetahui minimum error dan PSNR digunakan sebagai pengukuran kualitas citra pengolahan.
DWT-SVD Combination Method for Copyrights Protection Kusumaningrum, Desi Purwanti; Rachmawanto, Eko Hari; Atika Sari, Christy; Pradana, Rizky Putra
Scientific Journal of Informatics Vol 7, No 1 (2020): May 2020
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v7i1.21050

Abstract

Many irresponsible people who download other people's artwork then modify and redistribute the work of someone without permission by not including the owner's name. Based on that problem an attempt was made to provide an invisible watermark so as not to be easy to do the watermark removal process on the artwork, using a 2-level DWT and SVD combination method that can embed watermarks invisibly and increase watermarking resistance to the image from various image manipulation processes such as noise, JPEG compression, and so on. From combination method of DWT-SVD got the highest PSNR value with watermark image size 32x32 and 64x64 which is 59.2656 dB and 54.7414 dB, respectively.
DWT-SVD Combination Method for Copyrights Protection Kusumaningrum, Desi Purwanti; Rachmawanto, Eko Hari; Atika Sari, Christy; Pradana, Rizky Putra
Scientific Journal of Informatics Vol 7, No 1 (2020): May 2020
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v7i1.21050

Abstract

Many irresponsible people who download other people's artwork then modify and redistribute the work of someone without permission by not including the owner's name. Based on that problem an attempt was made to provide an invisible watermark so as not to be easy to do the watermark removal process on the artwork, using a 2-level DWT and SVD combination method that can embed watermarks invisibly and increase watermarking resistance to the image from various image manipulation processes such as noise, JPEG compression, and so on. From combination method of DWT-SVD got the highest PSNR value with watermark image size 32x32 and 64x64 which is 59.2656 dB and 54.7414 dB, respectively.
Co-Authors Christy Atika Sari Eko Hari Rachmawanto Pradana, Rizky Putra Sudibyo, Usman Sudibyo, Usman Sudibyo, Usman