Claim Missing Document
Check
Articles

Found 3 Documents
Search

SEGMENTASI CITRA IKAN ARWANA SUPER RED BERDASARKAN DETEKSI TEPI MENGGUNAKAN ALGORITMA CANNY Noviyanti P.; Kusrini Kusrini; Mei P. Kurniawan
(JurTI) Jurnal Teknologi Informasi Vol 3, No 2 (2019): DESEMBER 2019
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (633.157 KB) | DOI: 10.36294/jurti.v3i2.1092

Abstract

Abstract - Ornamental fish is a fish that lived in the aquarium and for lovers of fish have ornamental fish is the most favored. One of the ornamental fish is pretty much in demand and has a fairly high selling price is super red Arowana fish. Super red Arowana fish also called dragon fish because it has scales resembling a dragon. In general, the selling price of super red Arowana fish is influenced by the size of the fish, such as the length and width of the fish. The high prices caused the farmers are very careful in treating the fish, so it is necessary there is a system that if it can measure the length and width of super red Arowana fish. The research groove generally consists of two phases. The initial phase of that region contributes to the best image segmentation and the second stage is to produce a long and wide super red Arowana fish. The current study focuses on the early stages, the best image segmentation. At this early stage, the detection process is carried out using the algorithm Canny edge of the fish so as to produce the best image segmentation. In this study, using three scenarios, the first scenario uses the Canny course, the second scenario using the canny and the median blur, the third scenario using the median blur and canny. Based on all these three scenarios obtained image segmentation fish with the best scenario, the scenario-2 using the canny and the median blur with MSE value of 26494.56, PNSR value of 41.89 dB, and MAPE value of 99.28%.Keywords - Canny Edge Detection, Super Red Arowana Fish, Image Segmentation, Ornamental fish  Abstrak - Ikan hias merupakan ikan yang dihidupi didalam aquarium dan bagi para pecinta ikan memiliki ikan hias adalah hal yang paling disenangi. Salah satu ikan hias yang cukup banyak diminati dan memiliki harga jual  yang cukup tinggi adalah ikan arwana super red. Ikan arwana jenis super red biasa juga disebut dengan ikan naga karena memiliki sisik yang menyerupai naga. Pada umumnya harga jual ikan arwana super red ini dipengaruhi oleh ukuran ikan, seperti panjang dan lebar ikan. Harga jual yang tinggi tersebut menyebabkan para pembudidaya sangat berhati-hati dalam memperlakukan ikan tersebut, sehingga dirasa perlu terdapat sebuah sistem yang sekiranya dapat mengukur panjang dan lebar ikan arwana super red. Alur penelitian secara umum terdiri dari dua tahap. Tahap awal yaitu meghasilkan segmentasi citra terbaik dan tahap kedua adalah menghasilkan panjang dan lebar ikan arwana super red. Penelitian yang dilakukan saat ini berfokus pada tahap awal, yaitu segmentasi citra terbaik. Pada tahap awal ini dilakukan proses deteksi tepi ikan menggunakan algoritma canny sehingga menghasilkan segmentasi citra terbaik. Pada penelitian ini menggunakan 3 skenario, skenario pertama menggunakan canny saja, skenario kedua menggunakan canny dan median blur, skenario ketiga menggunakan median blur dan canny. Berdasarkan ke-3 skenario tersebut diperoleh segmentasi citra ikan dengan skenario terbaik, yaitu skenario ke-2 menggunakan canny dan median blur dengan nilai MSE sebesar 26494.56, nilai PNSR sebesar 41.89 dB, dan nilai MAPE sebesar 99.28%. Kata kunci - Deteksi Tepi Algoritma Canny, Ikan Arwana Super Red, Segmentasi Citra, Ikan Hias
Efektivitas Pembelajaran Materi Berbasis Macromedia Flash dan Microsoft PowerPoint Pada Mata Pelajaran Desain Grafis Muchamad Zainul; Arief Setyanto; Mei P. Kurniawan
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 2 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.856

Abstract

Pada era digital ini, penggunaan teknologi dalam pembelajaran menjadi sangat penting, terutama dalam mata pelajaran desain grafis yang menitikberatkan materi visual. Bentuk penggunaan teknologi dalam pembelajaran antara lain program Macromedia Flash dan Microsoft PowerPoint yang dimanfaatkan oleh kelas XI Multimedia SMKN 1 Lumajang. Penelitian ini bertujuan untuk mengisi kesenjangan pengetahuan serta mengevaluasi efektivitas penggunaan Macromedia Flash dan Microsoft PowerPoint pada mata pelajaran desain grafis kelas XI Multimedia SMKN 1 Lumajang. Penelitian ini memanfaatkan metode eksperimen dengan desain quasi-experimental tipe post-test only control group. Sampel penelitian diambil dari dua kelas dengan total 72 siswa menggunakan teknik cluster random sampling dengan instrument berupa soal tes pilihan ganda serta menggunakan aplikasi SPSS untuk melakukan analisis data dengan uji normalitas, uji homogenitas, dan uji t-test. Hasil dari penelitian ini menunjukkan rata-rata nilai hasil belajar siswa yang menggunakan Macromedia Flash senilai 84.7222 dan Microsoft PowerPoint senilai 77.5000, serta diperoleh nilai t sebesar 3.450 dengan signifikansi 0.001 dari hasil uji t-test, sehingga dapat disimpulkan bahwa pembelajaran materi berbasis Macromedia Flash lebih efektif daripada Microsoft PowerPoint pada mata pelajaran desain grafis.  
Klasifikasi Hama Pada Daun Sawi Menggunakan Convolutional Neural Network (CNN) Dengan Algoritma Xcaption dan Optimasi Adam Saiful Bahri; Andi Sunyoto; Mei P. Kurniawan
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9529

Abstract

Sawi (Brassica rapa) adalah sayuran yang populer di Indonesia, namun serangan hama sering kali menghambat produktivitasnya, mengurangi kualitas dan kuantitas panen. Identifikasi hama secara akurat sangat penting untuk pengendalian yang efektif, namun metode konvensional yang melibatkan pengamatan visual sering kali kurang efisien dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini memanfaatkan teknologi terbaru dalam pemrosesan citra dan machine learning untuk meningkatkan akurasi dan efisiensi dalam identifikasi hama pada daun sawi. Convolutional Neural Network (CNN) dengan arsitektur Xception yang dioptimalkan menggunakan algoritma Adam dipilih sebagai metode utama untuk klasifikasi hama daun sawi. Penelitian ini menggunakan dataset gambar daun sawi dari situs publik kaggle, dengan preprocessing yang dilakukan untuk memastikan kualitas dan konsistensi data. Setelah melalui proses augmentasi data dan pelatihan model, model CNN dilatih dengan ukuran batch 64, epoch 100, dan dropout 0,5. Evaluasi menggunakan confusion matrix menunjukkan akurasi pelatihan dan validasi mencapai 99,00%. Hasil menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi pelatihan dan validasi sebesar 99,00%. Evaluasi model menggunakan confusion matrix menunjukkan bahwa model mampu mengklasifikasikan hama daun sawi dengan akurasi yang sangat tinggi, memberikan solusi yang efisien untuk pengendalian hama di pertanian sawi. Hasil ini menunjukkan bahwa penggunaan teknologi CNN dengan optimasi yang tepat dapat secara signifikan meningkatkan kualitas dan produktivitas hasil panen.