Article Per Year (5 Year)
p-Index From 2021 - 2026
2.93
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Jurnal Ilmu Komputer dan Informasi Jurnal Sarjana Teknik Informatika Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Jurnal Pendidikan Informatika dan Sains JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Teknologi Komputer dan Sistem Informasi ELIT JOURNAL Electrotechnics And Information Technology JIKTI : Jurnal Ilmiah Komputer Terapan dan Informasi JHeS (Journal of Health Studies) Jurnal Inovasi dan Terapan Pengabdian Masyarakat
Safri Adam
Politeknik Negeri Pontianak
Religion Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Languange, Linguistic, Communication & Media Library & Information Science Nursing Physics Public Health Social Sciences

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

Found 21 Documents
Search

 1   2   3 
Klasifikasi kualitas buah jeruk menggunakan computer vision dengan arsitektur YOLO V8 Irwan Adhi Prasetya; Fadli Sukandiarsyah; Novi Aryani Fitri; Safri Adam
Jurnal Pendidikan Informatika dan Sains Vol. 13 No. 2 (2024): Jurnal Pendidikan Informatika dan Sains
Publisher : Universitas PGRI Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31571/saintek.v13i2.8346

Abstract

Pengembangan sistem klasifikasi mutu jeruk berbasis kecerdasan buatan yang memanfaatkan fitur tekstur, warna, dan bentuk untuk meningkatkan efisiensi dan akurasi penyortiran jeruk siam Pontianak dari Kabupaten Sambas, Kalimantan Barat. Jeruk siam dikenal sebagai komoditas bernilai tinggi dengan permintaan nasional dan internasional yang besar, tetapi penyortiran manual masih menjadi tantangan bagi petani. Dataset penelitian terdiri dari 500 gambar jeruk dalam tiga kategori mutu antara lain matang, belum matang, dan busuk, yang diambil menggunakan kamera Sony Alpha a5100 beresolusi tinggi dan dianotasi melalui LabelImg. Model YOLOv8 digunakan untuk deteksi dan klasifikasi, mencapai akurasi pada data uji rata-rata sebesar 96,89 % untuk kategori matang, belum matang, dan busuk, dengan nilai mAP@0.5 sebesar 0,993, precision 0.98, recall 0.97, dan F1-score 0.99. Visualisasi hasil deteksi menunjukkan kemampuan model dalam mengidentifikasi area penting pada jeruk berdasarkan tekstur, warna, dan bentuk, serta memberikan hasil klasifikasi yang optimal. Implementasi sistem ini diharapkan dapat membantu petani meningkatkan efisiensi penyortiran jeruk, mengurangi beban kerja, dan memperluas daya saing produk di pasar.
Co-Authors Agus Zainal Arifin Amal Fa'izi Amalia, Puspa Amanda Dea Novianti Anggi Syahrul Kurniawan Arfiani Nur Khusna Arfiani Nur Khusna Armuli Derry Dwi Khalisa Putri Eliyana Lulianthy Eliyana Lulianthy Elsa Noftalina Evan Tanuwijaya Fadli Sukandiarsyah Fadli Sukandiarsyah Firdyanti, Neny Fitri, Novi Aryani Gautama, Boy Irawan Suharto Irwan Adhi Prasetya, Irwan Adhi Khofifah Indah Dwi Astuti Lulianthy, Eliyana Mira Wulandari Mohammad Arif Nurdiyanto Mohammad Fatoni Anggris, Mohammad Fatoni Muhammad Azril Wijaya Muhammad Faqih Dzulqarnain MUHAMMAD HASBI Muhammad Ridhwan Sufandi Noky Yudhiestira Noor, Diah Laksmini Novi Aryani Fitri Nurul Fadillah Puji Astuti Putri, Dwi Khalisa Ramli Ramli Sarah Bibi Septyanika Alamanda sino, sino Sukandiarsyah, Fadli Tia Arianti Wandi Sujatmiko Yendi Agustriadi