Article Per Year (5 Year)
p-Index From 2021 - 2026
2.338
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Buana Informatika Register: Jurnal Ilmiah Teknologi Sistem Informasi Indonesian Journal of Artificial Intelligence and Data Mining SENTIA 2016 Journal of Intelligent Decision Support System (IDSS) Idealis : Indonesia Journal Information System GUYUB: Journal of Community Engagement Journal of Electrical Engineering and Computer (JEECOM) Journal of Technology and Informatics (JoTI) Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Internet of Things and Artificial Intelligence Journal Jurnal Ilmiah Teknik Informatika dan Komunikasi COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Abdimas Terapan: Jurnal Pengabdian Kepada Masyarakat Terapan JOKI: Journal of Computing and Informatics
Ratri Enggar Pawening
Universitas Nurul Jadid
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SENTIA 2016

 1 
KLASIFIKASI JENIS DAGING BERDASARKAN TEKSTUR MENGGUNAKAN METODE GRAY LEVEL COOCURENT MATRIX Nurul Lihayati; Ratri Enggar Pawening; Mohammad Furqan
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (668.666 KB)

Abstract

Tingkat konsumsi dan harga daging yang sangat tinggi banyak dimanfaatkan penjual daging untuk berbuat yang tidak seharusnya. Hal ini terjadi karena pengetahuan pembeli dalam membedakan jenis daging. Salah satu cara untuk mengenali jenis daging dibidang informatika adalah enggunakan pengolahan citra. Tujuan penelitian ini adalah mengklasifikasi jenis daging berdasarkan tekstur daging menggunakan Gray Level Co-occurrence Matrix  dan  diharapkan  penelitian  ini  dapat  dimanfaatkan  untuk  membedakan  jenis  daging  berdasarkan teksturnya untuk berbagai keperluan. Pengambilan citra dilakukan sebanyak 3 kali, dan setiap pengambilan citra menghasilkan 30 citra daging dari setiap jenisnya. Proses klasifikasi menggunakan data latih dengan tujuan menghasilkan satu model yang akan digunakan sebagai penentuan jenis daging. nilai ciri rerata pada metode ini dengan fitur-fitur ekstraksi ciri tertinggi  adalah pada fitur korelasi dan homogenitas. Hasil dari penelitian ini terletak pada nilai k1 dengan akurasi 73,3%.
KLASIFIKASI JENIS MANGGA BERDASARKAN BENTUK DAN TEKSTUR DAUN MENGGUNAKAN METODE K-NEAREST NEIGHBOR Arum Puji Rahayu; Honainah Honainah; Ratri Enggar Pawening
SENTIA 2016 Vol 8, No 1 (2016)
Publisher : SENTIA 2016

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

Abstract

Mangga merupakan salah satu tanaman jenis buah-buahan yang digemari oleh masyarakat khususnya masyarakat daerah Probolinggo. Jenis mangga yang paling banyak ditanam di daerah Probolinggo adalah jenis mangga arumanis, golek, dan manalagi karena rasanya yang enak. Dalam penelitian ini menggunakan daun mangga sebagai dataset dari tiga jenis mangga yaitu jenis mangga arumanis, golek, dan manalagi. Berbagai cara dapat dilakukan untuk membedakan jenis mangga salah satunya dengan melihat bentuk dan tekstur daun dari pohon mangga. Jika melihat data yang ada di lapangan bentuk dan tekstur daun mangga jenis arumanis, golek, dan manalagi memiliki banyak kesamaan sehingga sulit dibedakan dengan kasat mata. Tujuan penelitian ini adalah melakukan klasifikasi jenis mangga berdasarkan bentuk dan tekstur daun menggunakan metode K�Nearest Neighbor. Proses ekstraksi fitur bentuk menggunakan metode compactness dan circularity, sedangkan untuk proses ekstraksi fitur tekstur menggunakan energi dan kontras dari pendekatan matriks co-occurrence.Metode klasifikasi yang digunakan adalah K-Nearest Neighbor. Hasil pengujian ekstraksi fitur bentuk memerlukan waktu 0,043 detik dan tekstur 0,053 detik. Nilai akurasi klasifikasi tertinggi adalah 73,333% pada K = 10, 12, dan 15.
Co-Authors Abu Tholib Agmelita Dwi Jianika Agus Zainal Arifin Agus Zainal Arifin Anny Yuniarti Arum Puji Rahayu Ayu Basirotul Muzayyanah Darlis Herumurti Deddy Junaedi Fadillah Nurul Imami Faiqatul Hikmah Fajaratul Lailiah Fakhrina Kamila Fatimatus Zahro Fiqih Humaidah Fitriyah Hidayati Gufairoh, Siti Gufairoh Gulpi Qorik Oktagalu Pratamasunu Hasanah, Syarifatul Honainah Honainah Kusdatul Komariyah Kusuma, Selvia Ferdiana Meliana Eka Puteri Miftahul Hasanah Moh Furqan Mohammad Furqan Muthmainnah, Atik Muzayyanah, Ayu Basirotul Nadhiroh, Anis Yusrotun Nurul Kamilatul Mahmuda Nurul Lihayati Nurul Wasilatul Laili Oktagalu Pratamasunu, Gulpi Qorik Putri Mar’atu Sholehah Raudhah Lailatul Mufidah Rizqa Raaiqa Bintana Rofiatul Hasanah Rohman Dijaya Shudiq, Wali Ja'far Sofi Magfiroh Sya'roni, Wahab Tio Darmawan Ummi Kholifah wahyuni wahyuni Wulandari, Uky Novita Zainal Arifin Zaskiya, Karina Desy