Articles
<![CDATA[Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV ]]>
<![CDATA[Areni, Intan Sari]]>;
<![CDATA[Amirullah, Indrabayu]]>;
<![CDATA[Arifin, Nurhikma]]>
<![CDATA[ Jurnal Penelitian Enjiniring Vol 23 No 2 (2019) ]]>
Publisher : <![CDATA[Center of Techonolgy (COT), Fakultas Teknik, Universitas Hasanuddin ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (309.517 KB)
|
DOI: 10.25042/jpe.112019.03
<![CDATA[Classification of Strawberry Maturity Based on Color Segmentation using HSV Method. Manual fruit maturity classification has many limitations because it is influenced by human subjectivity. Hence, the application of digital image processing and artificial intelligence becomes more effective and efficient. This study aims to create a classification system that automatically divides strawberry maturity into three categories, namely not ripe, half-ripe, and ripe. The process of identifying the level of fruit maturity is based on the color characteristics Red, Green, Blue (RGB) value of the image. The method used for color segmentation is Hue, Saturation, Value (HSV) and for the classification of strawberry maturity using the Multi-Class Support Vector Machine (SVM) algorithm with a Radial Basic Function (RBF) kernel. Strawberry image data was retrieved using the Logitech C920 camera. The dataset consisted of 158 images of strawberries. The results showed that the classification of strawberry maturity using the multi-class SVM algorithm with kernel parameters RBF cost (C) = 10 and gamma (γ) = 10-3 produced the highest accuracy of 97%.]]>
<![CDATA[Klasifikasi Kematangan Stroberi Berbasis Segmentasi Warna dengan Metode HSV ]]>
<![CDATA[Intan Sari Areni]]>;
<![CDATA[Indrabayu Amirullah]]>;
<![CDATA[Nurhikma Arifin]]>
<![CDATA[ Jurnal Penelitian Enjiniring Vol 23 No 2 (2019) ]]>
Publisher : <![CDATA[Center of Techonolgy (COT), Fakultas Teknik, Universitas Hasanuddin ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (309.517 KB)
|
DOI: 10.25042/jpe.112019.03
<![CDATA[Classification of Strawberry Maturity Based on Color Segmentation using HSV Method. Manual fruit maturity classification has many limitations because it is influenced by human subjectivity. Hence, the application of digital image processing and artificial intelligence becomes more effective and efficient. This study aims to create a classification system that automatically divides strawberry maturity into three categories, namely not ripe, half-ripe, and ripe. The process of identifying the level of fruit maturity is based on the color characteristics Red, Green, Blue (RGB) value of the image. The method used for color segmentation is Hue, Saturation, Value (HSV) and for the classification of strawberry maturity using the Multi-Class Support Vector Machine (SVM) algorithm with a Radial Basic Function (RBF) kernel. Strawberry image data was retrieved using the Logitech C920 camera. The dataset consisted of 158 images of strawberries. The results showed that the classification of strawberry maturity using the multi-class SVM algorithm with kernel parameters RBF cost (C) = 10 and gamma (γ) = 10-3 produced the highest accuracy of 97%.]]>
<![CDATA[Implementation of Decision Support System for Scholarship Recipients at Bank Indonesia ]]>
<![CDATA[Dian Megah Sari]]>;
<![CDATA[Nurhikma Arifin]]>;
<![CDATA[Nurfitrianingsih]]>;
<![CDATA[Andi M Yusuf]]>
<![CDATA[ Ceddi Journal of Education Vol. 1 No. 1 (2022): June ]]>
Publisher : <![CDATA[Yayasan Cendekiawan Digital Indonesia (CEDDI) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (596.848 KB)
|
DOI: 10.56134/cje.v1i1.10
<![CDATA[The Bank Indonesia Scholarship is a Bank Indonesia social program in the form of tuition assistance for undergraduate students (S1) at various State Universities (PTN). However, often in terms of determining scholarship recipients it is not right on target, this is caused because the scholarship award has not used the tools or methods used to determine scholarship recipients, for that a system is designed to determine scholarship recipients. The selection process for Bank Indonesia Scholarships requires accuracy and a long time because each student data will be compared one by one according to predetermined criteria and is also prone to accidental human errors. Meanwhile, Bank Indonesia has not determined a method to help select prospective scholarship recipients and the selection process is still carried out manually by comparing the student data of prospective scholarship recipients one by one, for this reason, the application of the algorithm in this study is to combine the Fuzzy Multiple Decision Making (FMAM) method and Simple Additive Weighting (Saw) with provisions and criteria that have been determined by Bank Indonesia. The FMADM method is used to find alternatives from a number of alternatives with predetermined criteria and the SAW method is used to rank the existing alternatives. The results of this study are used as a tool in making decisions to recommend scholarship recipients.]]>
<![CDATA[Evaluasi Usability Testing Human Computer Interaction pada Aplikasi Pembelajaran Universitas Sulawesi Barat ]]>
<![CDATA[Dian Megah Sari]]>;
<![CDATA[Heliawaty Hamrul]]>;
<![CDATA[Nurhikma Arifin]]>
<![CDATA[ Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 1 (2023): Februari 2023 ]]>
Publisher : <![CDATA[PRPM STMIK TRIGUNA DHARMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jis.v22i1.7476
<![CDATA[Aplikasi Pembelajaran Universitas Sulawesi Barat atau biasa disebut e-learning adalah aplikasi yang melaluinya proses belajar mengajar dilakukan secara online khusus civitas akademik universitas Sulawesi barat, dimana mahasiswa dapat menerima materi, mengerjakan tugas dan mengerjakan ujian secara langsung pada aplikasi ini. Aplikasi pembelajaran ini dikembangkan menggunakan bahasa pemograman web sehingga hanya butuh jaringan internet saja untuk mengaksesnya, guna menguji tingkat penggunaan sistem terhadap user, maka perlu diadakan evaluasi human computer interaction pada aplikasi pembelajaran universitas Sulawesi barat ini yang dilakukan menggunakan metode usability testing. Evaluasi ini diharapkan dapat mengukur dan mengetahui tingkat keberhasilan antar muka sistem pembelajaran dengan cara memberikan kuesioner kepada dosen dan mahasiswa yang seluruhnya berjumlah 40 responden. Hasil evaluasi dari responden akan di ukur menggunakan System Usability Scale (SUS) dan menunjukkan bahwa aplikasi pembelajaran universitas Sulawesi barat telah memenuhi beberapa aspek usability diantaranya efficiency, learnability, satisfaction dan memorability. Adapun Hasil analisis terhadap beberapa aspek tersebut dari responden baik dosen maupun mahasiswa yang menggunakan kuesioner System Usability Scale (SUS) mendapatkan hasil bahwa aplikasi pembelajaran universitas Sulawesi barat tersebut dapat diterima dengan hasil akhir yang layak untuk di gunakan atau GOOD.]]>
<![CDATA[Rekomendasi Makanan Pendamping Asi Berdasarkan Kebutuhan Kalori Menggunakan Algoritma Naive Bayes ]]>
<![CDATA[Dian Megah Sari]]>;
<![CDATA[Sulfayanti Sulfayanti]]>;
<![CDATA[Nurhikma Arifin]]>
<![CDATA[ Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 5 No 2 (2022): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) ]]>
Publisher : <![CDATA[Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.57093/jisti.v5i2.141
<![CDATA[Makanan Pendamping ASI (MPASI) merupakan asupan makanan eksklusif yang diberikan pada bayi atau anak usia 6 sampai 24 bulan, selain ASI. Kalori merupakan bagian dari nutrisi harian bayi yang dapat diketahui dengan perhitungan berdasarkan rumus hasil penelitian medis. Namun, untuk menghitung kebutuhan kalori harian bayi dan menyesuaikannya dengan menu makanan, ibu bayi harus melakukan perhitungan manual maka akan sangat tidak efektif dan efisien, sehingga di perlukan sebuah implementasi algoritma naive bayes untuk merekomendasikan makanan pendamping ASI untuk bayinya sesuai kalori yang dibutuhkan. Penelitian ini bertujuan untuk membuat sebuah implementasi algoritma naive bayes untuk merekomendasikan makanan pendamping ASI berdasarkan kebutuhan kalori . Jenis penelitian yang di gunakan adalah penelitian kuantitatif dengan menyertakan pendekatan naive bayes. Hasil penelitian ini adalah berdasarkan pengujian akurasi maka di dapatkan nilai akurasi sebesar 92% dimana nilai ini menjadi patokan bagaimanan naive bayes dalam melakukan pemberian rekomendasi makanan pada bayi yang di dapat dari kebutuhan asupan kalori]]>
<![CDATA[Sistem Pendukung Keputusan Pemilihan Jurusan menggunakan Metode Topsis dan SAW ]]>
<![CDATA[Nurhikma Arifin]]>;
<![CDATA[Indra]]>;
<![CDATA[Chairi Nur Insani]]>;
<![CDATA[Sulpiana]]>
<![CDATA[ Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Article Research March 2023 ]]>
Publisher : <![CDATA[Politeknik Ganesha Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33395/jmp.v12i1.12344
<![CDATA[Pemilihan jurusan yang tepat di Sekolah Menengah Kejuruan (SMK) sangat penting karena akan mempengaruhi karir dan masa depan siswa. Pemilihan jurusan di SMK Negeri 1 Tapalang Barat masih dilakukan manual oleh pihak sekolah sehingga belum efektif dan efisien. Hal ini disebabkan beberapa faktor seperti subjektifitas guru, kesalahan perhitungan nilai, dan waktu yang lebih untuk memproses jurusan yang sesuai. Penelitian ini bertujuan untuk membuat Sistem Pendukung Keputusan menggunakan metode SAW dan Topsis dalam memilih jurusan. Metode SAW digunakan untuk penentuan bobot setiap kriteria yang dianggap penting dan menjumlahan bobot pada setiap kriteria untuk mendapatkan total skor alternatif, kemudian metode Topsis memilih alternatif terbaik dari sejumlah alternatif yang ada. Terdapat 4 jurusan pada penelitian ini yaitu Teknik Komputer dan Jaringan, Teknik Audio Vidio, Teknik Sepeda Motor dan Multimedia. Kriteria yang digunakan pada pemilihan jurusan yaitu tes tertulis, wawancara, dan nilai ujian sekolah. Pengujian yang dilakukan yaitu pengujian blackbox dengan hasil sistem yaitu berjalan sesuai fungsinya, selanjutnya hasil pengujian akurasi dengan menggunakan 40 data uji yaitu 97,5%, dan pengujian UAT menggunakan 13 responden dengan hasil sangat bagus yaitu 89,84%. Dari hasil pengujian dapat disimpulkan bahwa sistem ini dapat diimplementasikan dan mampu mengatasi permasalahan dalam pemilihan jurusan di SMK Negeri 1 Tapalang Barat.]]>
<![CDATA[Sistem Pendukung Keputusan Pemilihan Bibit Padi Unggul Menggunakan Metode AHP ]]>
<![CDATA[Chairi Nur Insani]]>;
<![CDATA[Indra]]>;
<![CDATA[Nurhikma Arifin]]>;
<![CDATA[Iin Indriani]]>
<![CDATA[ Jurnal Minfo Polgan Vol. 12 No. 1 (2023): Article Research March 2023 ]]>
Publisher : <![CDATA[Politeknik Ganesha Medan ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33395/jmp.v12i1.12345
<![CDATA[Salah satu komoditas pertanian adalah tanaman padi. Tanaman padi merupakan bahan makanan pokok bagi rakyat Indonesia. Tingkat produksi maupun konsumsi padi selalu menempati urutan pertama dibandingkan dengan tamanan pangan lainnya. Upaya dalam meningkatkan hasil produksi tanaman pangan ini dihadapkan dengan berbagai kendala dan masalah salah satunya dalam pemilihan bibit yang unggul. Pemilihan bibit padi yang unggul berpotensi meningkatkan produksi bagi petani. Penelitian ini membuat suatu sistem pendukung keputusan menggunakan metode AHP untuk membantu petani dalam pemilihan bibit padi unggul pada kelompok tani di Desa Pasapa merupakan salah satu daerah yang hampir seluruh masyarakatnya menggantungkan hidup sebagai petani padi. Kondisi perekonomian di desa ini bergantung dari tanaman padi, dengan luas lahan kurang lebih 700ha dengan menggunakan metode AHP dalam proses pengambilan keputusan pemilihan bibit padi unggul maka di hasilkan output perengkingan alternatif yang digunakan untuk mempermudah dalam proses pemilihan bibit padi unggul. Rekomendasi sistem pendukung keputusan pemilihan bibit padi unggul dengan metode AHP, menunjukkan alternatif atau jenis bibit padi yang paling unggul untuk ditanam di Desa Pasapa, Kec. Budong-budong, yaitu ciliwung dengan nilai 0,453 di susul ciherang dengan nilai 0,434, disusul inpari 66 dengan nilai 0,429, kemudian inpari 12 dengan nilai 0.426 dan terakhir mekongga 0,135. Pengujian UAT didapat kan hasil sebesar sebesar 76,5% dengan 9 pertanyaan dan 36 responden. Sedangkan untuk pengujian blackbox diperoleh hasil sistem berjalan sesuai dengan fungsinya.]]>
<![CDATA[Klasifikasi Tingkat Kematangan Buah Tomat menggunakan Computer Vision untuk Smart Agriculture ]]>
<![CDATA[Nurhikma Arifin]]>;
<![CDATA[Chairi Nur Insani]]>;
<![CDATA[Muh Rafli Rasyid]]>
<![CDATA[ Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 22, No 2 (2023): Agustus 2023 ]]>
Publisher : <![CDATA[PRPM STMIK TRIGUNA DHARMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jis.v22i2.8387
<![CDATA[Klasifikasi tingkat kematangan buah tomat merupakan salah satu aspek penting dalam industri pertanian. Identifikasi yang akurat dan efisien terhadap kematangan buah tomat dapat membantu petani dalam mengelola panen dengan lebih baik dan meningkatkan produktivitas pertanian secara keseluruhan. Untuk itu, penelitian ini bertujuan untuk mengklasifikasian kematangan buah tomat secara otomatis dengan pemanfaatan computer vision dan kecerdasan buatan menuju smart agriculture. Klasifikasi dilakukan menjadi 3 kategori kelas yaitu belum matang, setengah matang dan matang. Adapun total dataset yang digunakan pada penelitian ini adalah 240 citra tomat yang terdiri dari 180 data latih dan 60 data uji. Proses yang dilakukan menggunakan metode segmentasi HSV dengan nilai lower upper H [0-77], S [48-255] dan V [33-212]. Sedangkan proses klasifikasi menggunakan algoritma Support Vector Machine dengan kernel RBF dengan nilai parameter C = 7 and γ = 10-2. Hasil pengujian menunjukkan sistem yang digunakan memberikan kinerja terbaik dengan hasil akurasi 100% sehingga dapat diimplementasikan dengan baik dan memberikan kontribusi teknologi dalam peningkatan pasca panen menuju revolusi Industri 4.0.Kata Kunci : Klasifikasi, Tomat, HSV, Computer Vision, Smart Agriculture ]]>
<![CDATA[KLASIFIKASI KEMATANGAN BUAH NAGA BERDASARKAN FITUR WARNA MENGGUNAKAN ALGORITMA MULTI-CLASS SUPPORT VECTOR MACHINE ]]>
<![CDATA[Ismail]]>;
<![CDATA[Nurhikma Arifin]]>;
<![CDATA[Prihastinur]]>
<![CDATA[ Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 5 No 1 (2023): EDISI 15 ]]>
Publisher : <![CDATA[Program Studi Informatika Universitas Teknologi Sumbawa ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51401/jinteks.v5i1.2203
<![CDATA[The classification of dragon fruit maturity directly by farmers has weaknesses because it is influenced by the subjective factors of these farmers such as fatigue and other physical disorders. This causes the farmers' performance to be not optimal and less through so that the maturity classification becomes inconsistent. For this reason, this study aims to automatically classify dragon fruit maturity becomes more effective and efficient because it is carried out with the same and consistent standards even though in large quantities by utilizing image processing. Dragon fruit maturity level will be classified into 3 classes based on the color features HSV, ripe, half-ripe and unripe. The method used to carry out the classification is the Multi-Class SVM. The data used in this study were 105 data consisting of 90 training data and 15 test data. The classification results of dragon fruit maturity using the Multi-Class SVM is 86.67%.]]>
<![CDATA[Penentuan Takaran Pupuk Nitrogen Tanaman Padi Menggunakan Metode Histogram BWD ]]>
<![CDATA[Sari, Dian Megah]]>;
<![CDATA[Insani, Chairi Nur]]>;
<![CDATA[Heri, Adi]]>;
<![CDATA[Arifin, Nurhikma]]>
<![CDATA[ Jurnal Eksplora Informatika Vol 13 No 2 (2024): Jurnal Eksplora Informatika ]]>
Publisher : <![CDATA[Institut Teknologi dan Bisnis STIKOM Bali ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30864/eksplora.v13i2.1002
<![CDATA[Padi merupakan komoditas tanaman pangan yang sejak dulu menjadi penghidupan bagi masyarakat Indonesia, menjadi tanaman pangan prioritas utama dan dikonsumsi masyarakat dalam kesehariannya sehingga perlu dijaga kualitasnya. Salah satu yang menandakan bahwa tanaman padi itu memiliki kualitas yang baik adalah dengan melihat warna dari daun padi tersebut, dimana semakin hijau warna daun padi maka akan semakin baik pula kualitas dan kesehatan padi, untuk tetap menjaga kualiatas tanaman padi maka diperlukan Pemberian pupuk, karena salah satu faktor utama yang dapat mempengaruhi kualitas padi menjadi semakin baik adalah dengan memberikan pupuk yang mengandung unsur hara dan dengan takaran yang seimbang. Untuk pemberian pupuk dengan takaran yang seimbang maka dibutuhkan pengawasan ataupun alat bantu ukur. Tujuan dari penelitian ini adalah membangun sebuah sistem untuk menentukan jumlah takaran pupuk nitrogen yang diukur berdasarkan warna daun pada tanaman padi. sistem dibangun menggunakan Bahasa Pemrograman Python dengan menerapkan Metode Histogram untuk mengimplementasi citra warna daun dari Bagan Warna Daun (BWD). Metode pengembangan sistem menggunakan metode prototype. Dalam metode prototipe, fokus utama adalah pada pembuatan prototipe awal yang dapat mensimulasikan fitur atau fungsi utama dari perangkat lunak yang akan dikembangkan.]]>
