Claim Missing Document
Check
Articles

Found 22 Documents
Search

SISTEM IDENTIFIKASI CITRA JANIN TERHADAP ASUPAN GIZI IBU HAMIL DENGAN MENGGUNAKAN METODE SOBEL DAN KIRSCH Utari, Evrita Lusiana; Ngaisyah, Rr. Dewi; Surbakti, Herison
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 11, No 2 (2020): JURNAL SIMETRIS VOLUME 11 NO 2 TAHUN 2020
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v11i2.5709

Abstract

Sistem Identifikasi digunakan untuk mendeteksi perubahan citra pada janin sehingga terbentuk tepi-tepi suatu obyek citra yang dimanfaatkan untuk mendeteksi citra janin. Metode citra yang digunakan dengan membandingkan antara metode Sobel dan metode Kirsch. Metode identifikasi ini digunakan untuk mendapatkan perbedaan intensitas.  Pada pemeriksaan ibu hamil,  kita  sering  melihat  janin  dengan berbagai  bentuk, ukuran anatomis gerakan serta hubungan dengan jaringan. Seiring dengan kemajuan informasi dan teknologi, maka memungkinkan untuk mengembangkan aplikasi yang dapat membantu manusia untuk mengenali bentuk-bentuk janin terhadap asupan gizi ibu hamil.Pengolahan citra digital adalah bidang yang berkembang dari teknologi digital dengan aplikasi deteksi janin dalam sains dan teknik. Salah satu bentuk janin yang terkait dengan pengolahan citra adalah pengenalan pola. Identifikasi janin dimulai dengan akuisisi data citra, pengolahan citra, deteksi tepi citra, dengan menggunakan metode Sobel dan metode Kirsch. Tujuan dari identifikasi ini untuk melihat kaitan antara asupan gizi ibu hamil dengan janin yang dikandungnya dengan melihat hasil citra yang diambil dari USG. Pengenalan pola akan mendeteksi citra janin sebagai masukan data. Hasil dari pengenalan pola tersebut akan dibandingkan dengan data citra yang lainnya. Berdasarkan hasil pengujian data citra janin metode Kirsch memiliki kinerja lebih baik dibandingkan metode Sobel. Hal ini dapat dilihat dari jumlah piksel penyusun tepi obyek memiliki nilai lebih besar dibandingkan dengan metode Sobel. Dan untuk tingkat akurasinya metode Kirsch memiliki tingkat akurasi lebih tinggi dan metode Sobel  
BIG DATA CONCEPT ANALYSIS FOR AGRICULTURAL SUITABLE LAND GEOGRAPHIC INFORMATION SYSTEM APPROACH Munir, Agus Qomaruddin; Aini, Farida Nur; Utari, Evrita Lusiana; Hafidhah, Naufal Naja
Jurnal Teknik Informatika (Jutif) Vol. 4 No. 4 (2023): JUTIF Volume 4, Number 4, August 2023
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2023.4.4.1328

Abstract

Big data analysis for agriculture provides farmers with a comprehensive view of the concept of increasing agricultural productivity using the effectiveness of irrigation canals, predicting rainfall to determine outcrop patterns, and identifying the adequacy of agricultural land. It also allows farmers to optimize irrigation, increasing yields while reducing costs and environmental impact. It also will enable farmers to optimize irrigation; Rainfall predictions are used to determine cropping patterns and identify suitability for permits. It can also be used to deal with weather patterns and climate change, allowing farmers to adapt their practices to reduce the impact of climate change, ultimately protecting their crops and currency. This research aims to develop plant productivity through several stages of research and the use of methods. The methods used in this study are 1)Prediction of water discharge using the linear regression method; 2)Prediction of Rainfall for Planting Pattern Training using the SARIMA method, and 3)Suitability of Agricultural Land using the Cluster Area Analysis Approach. The results of this study are that in the Sleman region, the adequacy of water for agricultural areas is in the excellent category (fulfilled), cropping pattern spending is divided into 2, namely dry and wet months. In the wet months (high rainfall), rice is suitable for planting from January to May; for the dry months between June and October, tobacco, soybeans, corn, peanuts, green beans, cassava, and sweet potatoes. As for land suitability, it consisted of 46025.36 Ha (81%) suitable and 10811.48 Ha not suitable for use.