Claim Missing Document
Check
Articles

Implementasi Metode Extra Trees Classifier untuk Klasifikasi Jenis Sampah Menggunakan Ekstraksi Fitur Histogram Warna, Histogram of Oriented Gradient, dan Local Binary Pattern Esra Louis; Adlian Jefiza; Feralia Fitri
Technology Sciences Insights Journal Vol. 3 No. 1 (2026): Technology Sciences Insights Journal
Publisher : MID Publisher International

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60036/7pc16r67

Abstract

Peningkatan jumlah sampah yang dihasilkan masyarakat menuntut adanya sistem pemilahan sampah yang lebih efektif dan otomatis. Salah satu teknologi yang dapat digunakan adalah computer vision yang mampu mengenali jenis sampah berdasarkan karakteristik visualnya. Penelitian ini bertujuan untuk mengklasifikasikan enam jenis sampah yaitu kardus, kaca, logam, kertas, plastik, dan sampah menggunakan metode Extra Trees Classifier. Dataset yang digunakan merupakan Dataset Klasifikasi Sampah yang diperoleh dari Kaggle dan telah dibagi menjadi data latih, validasi, dan pengujian. Tahapan penelitian meliputi preprocessing citra, ekstraksi fitur menggunakan Histogram Warna, Histogram of Oriented Gradient (HOG), dan Local Binary Pattern (LBP), kemudian dilanjutkan dengan proses klasifikasi menggunakan Extra Trees Classifier. Model evaluasi dilakukan menggunakan akurasi, presisi, recall, dan F1-score, konfusi matriks, dan ROC Curve. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 99,88% dengan nilai presisi, recall, dan F1-score mendekati 1,00 pada seluruh kelas. Hasil tersebut menunjukkan bahwa kombinasi fitur Histogram Warna, HOG, dan LBP mampu merepresentasikan karakteristik objek sampah dengan baik sehingga menghasilkan performa klasifikasi yang sangat tinggi.
Pengenalan Karakter Plat Nomor Kendaraan Menggunakan Metode Optical Character Recognition (OCR) Bayu Gilang Sandjaya; Adlian Jefiza
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.108640

Abstract

Abstrak : Artikel penelitian ini bertujuan untuk mengevaluasi akurasi sistem Optical Character Recognition (OCR) menggunakan metode YOLO V5 digunakan dalam pengenalan karakter plat nomor kendaraan dengan mempertimbangkan faktor-faktor seperti kondisi fisik plat, pencahayaan, dan jarak pengambilan gambar. Melalui analisis terhadap 14 data plat nomor, ditemukan bahwa plat dalam kondisi baik menunjukkan akurasi tinggi, mencapai 100% dalam banyak kasus, sedangkan plat yang cacat mengalami penurunan akurasi yang signifikan, dengan nilai terendah mencapai 0%. Penelitian menggunakan 5632 gambar plat motor dengan wana kuning, merah, putih, hitam dan hijau. Hasil pengujian juga mengindikasikan bahwa pencahayaan yang baik, terutama pada siang hari, sangat mendukung keberhasilan deteksi, sementara kondisi malam cenderung menurunkan akurasi, khususnya untuk plat yang cacat. Jarak pengambilan gambar juga berpengaruh, di mana jarak yang lebih jauh meningkatkan kemungkinan kesalahan dalam pembacaan karakter. Dari analisis ini, disarankan agar sistem OCR dapat dikembangkan lebih lanjut melalui peningkatan perangkat, penambahan fitur, dan pelatihan yang lebih mendalam dengan kumpulan data yang bervariasi.================================================Abstract : This research article aims to evaluate the accuracy of the Optical Character Recognition (OCR) system using the YOLO V5 method used in vehicle license plate character recognition by considering factors such as the physical condition of the plate, lighting, and shooting distance. Through an analysis of 14 license plate data, it was found that plates in good condition showed high accuracy, reaching 100% in most cases, while defective plates experienced a significant decrease in accuracy, with the lowest value reaching 0%. The study used 5632 images of motorcycle license plates with yellow, red, white, black and green colors. The test results also indicated that good lighting, especially during the day, greatly supports successful detection, while night conditions tend to decrease accuracy, especially for defective plates. The shooting distance also has an effect, where a longer distance increases the possibility of errors in character reading. From this analysis, it is suggested that the OCR system can be further developed through device improvements, additional features, and more in-depth training with varied data sets.
Co-Authors Abdullah Sani Abdurahman Dwijotomo Aditya Gautama Darmoyono Ahmad Riyad Firdaus Ahmad Riyad Firdaus Akbar, Muahmmad Daneoviori Amri, Juhrial Anderson Pasaribu Angreini, Fartiwi ANUGERAH WIBISANA Apriyan Hidayat Ardian Budi Kusuma Atmaja Arif Wahyu Budiarto Assegaf, Iqchan B Budiana B. Budiana Bayu Gilang Sandjaya Bayu Prayogo Setiawan Bella Nur Azizah Boedinoegroho, Hanny Budi Sugandi Budiana, Budiana Dalimunthe, Juwita Marwah Daniel Sutopo Pamungkas, Daniel Sutopo Dessy Oktani Destiana, Rizka Diono, Diono Dodi Radot Lumbantoruan Dwi Imam Mulyono Effendi, Noverta Eka Mutia Lubis Eko Rudiawan Jamzuri Esra Louis Fadli Firdaus Fandy Bestario Harlan Fathiyyah Syahidah Sujana Febri Yanti Febriansyah Juwito, Arif FEBRINA WULANDARI Feralia Fitri Fernanda, Heri Fernando Sitohang, Ferri Finanta Okmayura Fitriyanti Nakul Futra, Asrizal Deri Gautama, Aditya Geraldo Panjaitan Ghozali, Muhammad Syafei Ghozalli Mashan Gindo Leonard Manahan Simanjuntak Gozali, Muhammad Syafei Hana Mutialif Maulidiah Handri Toar Hanesman Hanesman Hanny Boedinoegroho Hardi, Moh. Nabil Khairy Harry Gunawan Hasnira Hasnira Hendawan Soebhakti Herlina, Gise Ica Apriana Ika Karlina Laila NS Ika Karlina Laila Nur Suciningtyas Illa Aryeni Indra Daulay Indra Daulay Indra, Indra Mora Ira Zamzami Irwanto Zarma Putra Jhon Hericson Purba Kamarudin Kamarudin Lindawani Siregar M. Naufal Airlangga Diputra M. Rifan Maulana Mahmud, Aqil Fadhurahman Manalu, Nilam Saswaty Manurung, Anjunius Marpaung, Roy Hitmen Maulidah, Hana Mutialif Mauridhy Heri Purnomo Meilan Novayanti Michael Paul Smart Simbolon Milala, Gerry Ibnu Luthfi Sembiring Muhammad Affani Muhammad Al Fauzan Muhammad Arifin MUHAMMAD ARIFIN Muhammad Firdaus Muhammad Iqbal Muhammad Naufal Airlangga Diputra Muhammad Prihadi Eko Wahyudi Muhammad Rizki Romadhan Muhammad Syafei Gozali Muhammad Syafei Gozali Muhammad Zainuddin Lubis Mulyadi, Indra Hardian Mulyono, Dwi Imam Mustanir Mustanir Mustanir Mustanir Nadhrah Wivanius, Nadhrah Nadrah Wivanius Nesa Aqila Nico Fransisco Utomo Novchi, Raja Widya Nugraha, Muhammad Wahyu Nur Sakinah Asaad Nur Sakinah Asaad Nur Sakinah Asaad Nur Shakinah Shakinah Nurhasanah, Armeilia Nurul Fadilah Pitriani, Shelly Sri Pradana, Kreshna Lucky Pramunanto, Eko Prayudha, Dimas Rama Purnomo, Mauridhy Heri Putri, Sarah Athaullah Wenna Qoriatul Fitriyah Rafif, Carelenton Muhammad Rahmaini, Vika Rahmana, Henry Rahmi Mahdaliza Raja Widya Novchi Ramadhan, Farhan Rizqi Ramadhan, Muhammad Wahyu Ramadhani, Witri RIA ANGGRAINI Rifqi Amalya Fatekha Riki Ria Riska Analia Rizky Pratama Hudhajanto Ryan Satria Wijaya S. Susanto Sakdiah Sakdiah Satria Bayu Aji Senanjung Prayoga Setiawan, Afif Sihombing, Fitri Andini Siregar, Lindawani Siregar, Nahum Hita Dior Siti Aisyah Sulistiono Sumantri Kurniawan Risandriya Sumantri Kurniawan Risandriya Sumantri Lukito Suprayogi, Bagus Susanto Susanto Syafei Gozali, Muhammad Tambunan, Josua Cristian Tian Havwini Wahyuningsih, Asriani Rosalina Wenang Anurogo Wicaksono, M. Jaka Wimbang Wicaksono, Muhammad Jaka Wimbang Widya Rika Puspita Wifandi, Akhfi Yangu, Juliansah Yangu, Juliasyah Zulhendra Zulhendra