Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal International Journal of Artificial Intelligence Research Journal of Electrical Engineering and Computer (JEECOM)
Dia Bitari Mei Yuana
Politeknik Negeri Jember
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengawasan Nyamuk Aedes aegypti Menggunakan Ovitrap Dengan Metode Image Processing Dia Bitari Mei Yuana; Muhammad Diaz Ellyas Fenca Putra; Leovander Aditama Syahputra; Agil Gilang Chandra Saputra; Marzuki Akmal; Fatkhul Hidayah
Journal of Electrical Engineering and Computer (JEECOM) Vol 4, No 1 (2022)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v4i1.3666

Abstract

Berdasarkan data Kementrian Kesehatan Republik Indonesia tahun 2020, kasus DBD (Demam Berdarah Dengue) tersebar di 472 kabupaten dalam 34 provinsi, sebanyak 95.893 kasus dan 661 angka kematian akibat DBD. Kasus Demam berdarah ini kian meningkat setiap tahunnya. Menurut keterangan Organisasi Kesehatan Dunia (WHO), salah satu potensi DBD ditularkan ke manusia melalui gigitan Aedes aegypti betina yang terinfeksi. Gejala demam berdarah yang ringan dapat menyebabkan suhu badan tinggi, bintik merah pada kulit, rasa sakit pada otot serta sendi. Sementara itu demam berdarah dapat berakibat komplikasi yang dikenal dengan istilah dengue hemorrhagic fever, yang dapat menyebabkan Menorrhagia atau pendarahan yang berlebihan, serta Hipotensi atau penurunan tekanan darah secara ekstrem, bahkan menyebabkan kematian. Dengan urgensi terhadap DBD yang ditularkan oleh nyamuk ini, banyak masyarakat yang masih menggunkan cara manual untuk membasmi nyamuk, seperti menggunakan raket nyamuk ataupu kelambu. Cara itu dinilai kurang efektif dengan memakan banyak waktu dan tenaga serta hasil yang kurang maksimal. Oleh karena itu, dibutuhkan sebuah inovasi teknologi sebagai solusi alternatif dalam pemecahan masalah tersebut. Penelitian ini bertujuan untuk mengatasi permasalahan masyarakat dalam membasmi nyamuk secara manual. Dalam tulisan ini, penulis mengembangkan inovasi teknologi menggunakan ovitrap dengan metode image processing. Alat yang diciptakan nantinya dapat menarik perhatian nyamuk dengan lampu uv, setelah itu nyamuk akan mati karena tersedot kedalam ovitrap. Selain itu, alat ini juga dapat mengambil gambar nyamuk yang terperangkap dan melakukan perhitungan serta pengklasifikasian nyamuk, yang kemudian ditampilkan pada aplikasi berbasis dekstop. Alat ini diharapkan dapat membantu masyarakat maupun Juru Pemantau Jentik (Jumatik) untuk menciptakan lingkungan yang terhindar dari bahaya DBD.
Image Segmentation for Oyster Mushroom Grade with Canny Detection for Image Classification Ratih Ayuninghemi; Dia Bitari Mei Yuana; Nurul Sjamsijah; Lukie Perdanasari; Mohammad Hidayatullah; Iqbal Ikhlasul Amal
International Journal of Artificial Intelligence Research Vol 6, No 1.2 (2022)
Publisher : International Journal of Artificial Intelligence Research

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v6i1.2.468

Abstract

Product quality must remain good to consumers and expand market segmentation to increase income and improve farmers' welfare, post-harvest handling needs to be done. One of the post-harvest handlings of fresh oyster mushroom products is grading. The grading process is carried out based on the quality of the oyster mushroom harvest which is classified into three, namely Grade A, Grade B, and Grade C. Computer technology with digital image processing segmentation and image classification using canny edge detection can be the first step in the process of grading fresh oyster mushrooms. so that the image can be processed for canny detection, it is necessary to do image segmentation. From the results of thresholding on the oyster mushroom image, the threshold value of T is obtained, namely with T1 below 50 and T2 above 150. The T threshold value is a classification for the canny detection process. Of the six oyster mushroom datasets, five datasets of oyster mushrooms were obtained accurately, while one mushroom had broken lines and noise.
Co-Authors Agil Gilang Chandra Saputra Fatkhul Hidayah Iqbal Ikhlasul Amal Leovander Aditama Syahputra Lukie Perdanasari Marzuki Akmal Mohammad Hidayatullah Muhammad Diaz Ellyas Fenca Putra Nurul Sjamsijah Ratih Ayuninghemi, Ratih