Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal Neutrino Teknika Journal of System and Computer Engineering
Irene Devi Damayanti
Program Studi Teknik Informatika, Universitas Kristen Indonesia Toraja, Tana Toraja, Sulawesi Selatan
Computer Science & IT Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Physics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Karakterisasi Citra Daun Segar Dan Daun Kering Pada Tanaman Jambu Biji Menggunakan Analisis Histogram Citra Irene Devi Damayanti
Neutrino Vol 4 No 1 (2021)
Publisher : Publikasi dan UKI Press UKI Toraja.

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

Abstract

Ilmu tentang tumbuhan akhir-akhir ini mengalami perkembangan yang sangat pesat, khususnya pada morfologi tumbuhan. Proses karakterisasi dapat diterapkan dari berbagai bagian tanaman, salah satunya adalah karakteristik pada citra daun. Ciri daun segar yaitu umumnya berwarna hijau cerah dan berbentuk pipih dan lebar, sedangkan daun kering berwarna kuning kecoklatan, menggulung ke dalam, dan gosong sampai rontok. Karakterisasi citra daun segar dan daun kering pada tanaman jambu biji menggunakan 16 sampel citra (masing-masing 8 citra daun segar dan 8 citra daun kering) dengan format (.JPG). Berdasarkan data pengujian citra dalam karakterisasi jenis daun jambu biji menggunakan analisis histogram citra, jelas terlihat bahwa hasil pengujian rata-rata standar deviasi daun segar lebih besar daripada rata-rata standar deviasi daun kering, baik pada intensitas lebih kecil dari 175 maupun pada intensitas lebih besar dari 175. Selain itu, dapat dilihat bahwa perbedaan selisih terbesar pada nilai maksimum dan nilai minimum daun segar lebih besar jika dibandingkan daun kering pada intensitas lebih kecil dari 175.
Kombinasi Pretrained Model dan Random Forest Pada Klasifikasi Bakso Mengandung Boraks dan Non-Boraks Berbasis Citra Aryo Michael; Srivan Palelleng; Irene Devi Damayanti; Juprianus Rusman
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.591

Abstract

Makanan memainkan peran penting dalam kelangsungan hidup manusia. Salah satu makanan tradisional yang populer di Indonesia adalah bakso. Penggunaan Bahan Tambahan Makanan (BTM) dalam makanan, terutama makanan olahan, tidak dapat dihindari. Salah satu BTM yang sering digunakan adalah boraks. Penggunaan boraks dalam pembuatan bakso dapat menyebabkan efek samping kesehatan bagi konsumen. Oleh karena itu, penting untuk menentukan apakah suatu produk bakso mengandung borax atau tidak. Artikel ini bertujuan untuk mengusulkan pendekatan kombinasi model yang terdiri dari pretrained model sebagai fitur extractor dan Random Forest digunakan untuk mengklasifikasikan gambar bakso serta melakukan evaluasi terhadap model yang dibangun. Kombinasi parameter yang digunakan pada Random Forest menggunakan parameter terbaik dari tuning hyperparameter GridsearchCV. Hasil pengujian menunjukkan kombinasi pretrained model Xception dan Random Forest menghasilkan kinerja dengan akurasi sebesar 85%, presisi sebesar 87%, recall sebesar 83% dan F1-score sebesar 85%.
Klasifikasi Citra Daging Babi dan Daging Kerbau Menggunakan Histogram Citra dan GLCM Irene Devi Damayanti; Aryo Michael; Fridolin Fridolin; Helce K. Y. Piopadang; Setriyanti P.
Journal of System and Computer Engineering (JSCE) Vol 4 No 2 (2023): JSCE: Juli 2023
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v4i2.878

Abstract

Due to high consumer demand, some traders use the high price of meat to make a profit by mixing pork and buffalo meat. Some consumers are not aware of this, because in plain view buffalo meat with pork meat is difficult to distinguish, especially for some ordinary people. This action is very detrimental and disturbing the local community, especially Muslims. At present, technological advances in the field of digital image processing are increasing rapidly, especially in food products. In general, this research was conducted in 2 (three) stages. The first stage, namely the stage of image data collection of pork and buffalo meat. The second stage, namely the classification of pork and buffalo meat images using image histogram analysis and the Gray Level Co-occurrence Matrix (GLCM) method based on the color and texture of the meat. In this study using the Red Green Blue (RGB) color image method and GLCM texture extraction, namely contrast, homogeneity, energy, and correlation. The study was conducted using 20 samples of meat images (10 images of pork and 10 images of buffalo meat, respectively). Based on the results of the research that has been done, it was found that the image of buffalo meat has a higher percentage value of the Red (R) color component when compared to the pork image, whereas the percentage value of the Green (G) and Blue (B) color components is lower when compared to the image pork. Then, if the value between pixels is not homogeneous (small homogeneity value), then the contrast value is large, and vice versa if the value between pixels is homogeneous (large homogeneity value) then the contrast value is small. The image of buffalo meat has a small homogeneity value compared to the image of pork, so the variation in intensity (contrast) in the image of buffalo meat is high.
Co-Authors Fridolin Fridolin Helce K. Y. Piopadang Juprianus Rusman Michael, Aryo Setriyanti P. Srivan Palelleng