Article Per Year (5 Year)
p-Index From 2020 - 2025
3.982
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering JUITA : Jurnal Informatika ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING JURNAL LENTERA : Kajian Keagamaan, Keilmuan dan Teknologi MIND (Multimedia Artificial Intelligent Networking Database) Journal TESLA: Jurnal Teknik Elektro Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Teknik Informatika (JUTIF) Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering
Nur Ibrahim
Telkom University
Religion Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 1   2   3   4   5 
CONVOLUTIONAL NEURAL NETWORK FOR ANEMIA DETECTION BASED ON CONJUNCTIVA PALPEBRAL IMAGES Rita Magdalena; Sofia Saidah; Ibnu Da’wan Salim Ubaidah; Yunendah Nur Fuadah; Nabila Herman; Nur Ibrahim
Jurnal Teknik Informatika (Jutif) Vol. 3 No. 2 (2022): JUTIF Volume 3, Number 2, April 2022
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20884/1.jutif.2022.3.2.197

Abstract

Anemia is a condition in which the level of hemoglobin in a person's blood is below normal. Hemoglobin concentration is one of the parameters commonly used to determine a person's physical condition. Anemia can attack anyone, especially pregnant women. Currently, many non-invasive anemia detection methods have been developed. One of non-invasive methods in detecting anemia can be seen through its physiological characteristics, namely palpebral conjunctiva images. In this study, conjunctival image-based anemia detection was carried out using one of the deep learning methods, namely Convolutional Neural Netwok (CNN). This CNN method is used with the aim of obtaining more specific characteristics in distinguishing normal and anemic conditions based on the image of the palpebral conjunctiva. The Convolutional Neural Network proposed model in this study consists of five hidden layers, each of which uses a filter size of 3x3, 5x5, 7x7, 9x9, and 11x11 and output channels 16, 32, 64, 128 respectively. Fully connected layer and sigmoid activation function are used to classify normal and anemic conditions. The study was conducted using 2000 images of the palpebral conjunctiva which contained anemia and normal conditions. Furthermore, the dataset is divided into 1,440 images for training, 160 images for validation and 400 images for model testing. The study obtained the best accuracy of 94%, with the average value of precision, recall and f-1 score respectively 0.935; 0.94; 0.935. The results of the study indicate that the system is able to classify normal and anemic conditions with minimal errors. Furthermore, the system that has been designed can be implemented in an Android-based application so that the detection of anemia based on this palpebral conjunctival image can be carried out in real-tim.
Perbandingan Algoritma YOLOv4 dan Scaled YOLOv4 untuk Deteksi Objek pada Citra Termal AZIZAH AULIA RAHMAN; SISLY DESTRI AGUSTIN; NUR IBRAHIM; NOR CAECAR KUMALASARI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 7, No 1 (2022): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v7i1.61-71

Abstract

ABSTRAKMinimnya visibilitas pejalan kaki dan pengendara pada malam hari karena kurangnya pencahayaan pada lampu jalan menyebabkan kecelakaan rentan terjadi pada rentang waktu tersebut. Sistem penglihatan komputer berbeda dengan manusia, semua objek dengan suhu di atas nol dapat memancarkan radiasi inframerah jika direkam menggunakan kamera termal. Dalam penelitian ini penulis mengidentifikasi citra termal dalam bentuk citra RGB dengan algoritma YOLOv4 dan Scaled YOLOv4 sebagai deteksi objek. Performa sistem diukur berdasarkan nilai presisi, recall, f1-score, dan mAP. Eksperimen dilakukan pada dataset citra termal dengan objek manusia. Skenario yang digunakan adalah mendeteksi objek dengan jarak 5m, 10m, 15m, dan 20m. Hasil deteksi didapatkan algoritma Scaled YOLOv4 CSP lebih unggul dengan nilai pengujian precision 94,3%, recall 83,8%, f1-Score 88,7%, dan mAP 86,9%. Hasil tersebut dipengaruhi oleh ukuran citra dan jumlah dataset dari citra training, citra validation, dan citra uji.Kata kunci: Citra Termal, YOLO, YOLOv4, Scaled-YOLOv4, Deteksi ObjekABSTRACTThe lack of visibility of pedestrians and drivers at night due to lack of lighting in street lights makes accidents prone to occur during this time. The computer vision system is different from the humans, any object with a temperature above zero can emit infrared radiation when using a thermal camera. In this study, the authors identify thermal images in RGB using YOLOv4 and Scaled YOLOv4 as object detection algorithms. System performance is measured based on the value of precision, recall, f1-score, and mAP. Experiments were carried out on a thermal image dataset with human objects. The scenario used was to detect objects at a distance of 5m, 10m, 15m, and 20m. The detection results show that Scaled YOLOv4 CSP algorithms is the best, based on the test value of 94.3% precision, 83.8% recall, 88.7% f1-Score, and 86.9% mAP. These results are influenced by the size of the image and the number of datasets from training images, validation images, and test images.Keywords: Thermal Image, YOLO, YOLOv4, Scaled-YOLOv4, Object Detection
Sistem Kontrol Robot Sepak Bola berbasis Deteksi Multi Warna dengan PID Controller Ramdhan Nugraha; Nur Ibrahim
TESLA: Jurnal Teknik Elektro Vol 19, No 2 (2017): TESLA: Jurnal Teknik Elektro
Publisher : Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (798.33 KB) | DOI: 10.24912/tesla.v19i2.2700

Abstract

robot as electro-mechanical devices is unseparated from our daily life. Many researches has been developed in robotics which one of them is wheeled soccer robot using differential steering method. These robots have advantages in their ai, responses of commands and sensors reading accuracies. In this study, a soccer robot has been developed as integrated systems between a camera, a computer as host and a robot agent.  The robot’s ability to recognize 3 colors in objects averagely is 3s in starting up, 2.4s in response of 450 commands and 0.4s in response of pid control system with kp=20, kd=1 and ki=10 robot sebagai perangkat elektro mekanika yang dapat berfungsi sebagai alat bantu manusia, sudah tidak bisa dipisahkan lagi dari kehidupan sehari-hari. Berbagai riset mengenai robot sudah banyak berkembang, diantaranya adalah wheeled soccer robot dengan kategori differential steering yang digunakan untuk riset robot sepak bola. Robot jenis ini memiliki kemampuan kecerdasan yang baik, kemampuan merespon perintah, dan keakuratan pembacaan sensor menjadi hal penting untuk pengujian robot ini. Pada penelitian ini dirancang sebuah sistem robot sepak bola yang saling terintegrasi antara kamera, komputer host, dan robot agen. Kemampuan sistem dalam mengenali 3 buah objek warna yaitu merah dan biru pada robot serta oranye pada bola memiliki rata-rata waktu pengidentifikasian selama 3 detik di awal sistem dihidupkan. Kemampuan robot untuk merespon perintah setiap 450 adalah rata-rata 2,4 detik. Sedangkan untuk sistem kontrol pid yang ditanam di dalam robot, memiliki waktu respon 0,4 detik dengan nilai kp=20, kd=1, dan ki=10.
IDENTIFIKASI COVID-19 BERDASARKAN CITRA X-RAY PARU-PARU MENGGUNAKAN METODE LOCAL BINARY PATTERN DAN RANDOM FOREST Afifah Amatulla Suaib; Iwan Iwut Tritosmoro; Nur Ibrahim
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 5 No 2 (2022)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v5i2.540

Abstract

Covid-19 is a phenomenon that can’t be forgotten by the world. At the end of 2019 in Wuhan, China SarsCov-2 virus was discovered until the World Health Organization declared Covid-19 as pandemic on March 9, 2020. The rapid development and transmission of this virus was overwhelmed. One way to find out someone is positive for Covid-19 is by looking at the X-Ray results of their lungs. The X-Ray results will be analyzed to determine the state of a person's lungs. The method used in this study consists of feature extraction method using Local Binary Pattern (LBP) and classification method using Random Forest. This study uses training data and test data of X-Ray images of the lungs which are divided into three classes that is normal lungs, positive for Covid-19, and Pneumonia. Based on the results of tests that have been carried out using 1,200 images divided into 900 training data and 300 test data, the system can identify Covid-19 based on X-Ray images of the lungs and classify them into three classes. The highest accuracy results obtained 85.67% using variations of image resizing= 200x200 pixel, radius of LBP= 8, and the number of trees in Random Forest=200.
Analisis Performansi Teknik Gabungan Discrete Wavelet Transform, Discrete Sine Transform, Dan Qr Decomposition Pada Audio Watermarking Stereo Dengan Compressive Sampling Syifa Maliah Rachmawati; Gelar Budiman; Nur Ibrahim
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Teknik watermarking perlu dikembangkan seiring kemajuan teknologi dan informasi. Audio watermarking memiliki kriteria utama meliputi imperceptibility dan robustness. Oleh karena itu, sangat penting mengetahui metode watermarking yang terbaik yang tahan terhadap berbagai serangan pemrosesan sinyal diiringi dengan kualitas audio yang baik ketika diperdengarkan kepada manusia. Penelitian ini merancang audio watermarking dengan gabungan metode Discrete Wavelet Transformation, Discrete Sine Transformation, dan QR Decomposition. Compressive Sampling digunakan untuk mengkompresi data watermark sehingga saat disisipkan kapasitas pada sinyal host meningkat. Teknik penyisipan yang digunakan adalah Quantization Index Modulation. Sistem audio watermarking yang dilakukan dalam penelitian ini menghasilkan kualitas audio dengan rata-rata SNR sebesar 26.96 dB, rata-rata BER 0.18, rata-rata ODG -1.1, dan MOS 4.2 terhadap seluruh genre audio yang diujikan. Kata Kunci: Discrete Wavelet Transformation, Discrete Sine Transformation, QR Decomposition, Compressive Sampling, Audio Watermarking ABSTRACT Watermarking techniques need to be developed along with advances in technology and information. Audio watermarking has the main criteria of imperceptibility and robustness. Therefore, it is important to know the best watermarking method that is robust to various signal processing attacks accompanied by good audio quality when played to humans.This research designs audio watermarking with a combination of Discrete Wavelet Transformation, Discrete Sine Transformation, and QR Decomposition methods. Compressive sampling is used to compress the watermark data so that during the embedding process, the capacity of the host signal increases. The insertion technique used is Quantization Index Modulation.The audio watermarking system performed in this study produces audio quality with an average SNR of 26.96 dB, average BER 0.18, average ODG -1.13, and MOS 4.2 against all audio genres tested. Keywords: Discrete Wavelet Transform, Discrete Sine Transform, QR Decomposition, Compressive Sampling, Audio Watermarking
Perancangan Dan Analisis Compressive Sampling Pada Audio Watermarking Stereo Berbasis Discrete Sine Transform Dengan Metode Hybrid Lifting Wavelet Transform Dan Cepstrum Ramadhan Prasetya Dahlan; Gelar Budiman; Nur Ibrahim
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

ABSTRAK Seiring dengan perkembangan jaringan internet dan teknologi media mengakibatkan penyebaran informasi berupa data, teks, video, gambar, dan audio menjadi sangat mudah untuk dimodifikasi secara ilegal. Dengan masalah tersebut untuk menjaga hak kepemilikan data digital diperlukan teknik digital watermark. Makalah ini akan menggunakan beberapa metode watermarking dan menggabungkan metode tersebut untuk melindungi data digital, metode yang digunakan adalah LWT (Lifting Wavelet Transform), Cepstrum, DST (Discrete Sine Transform) dalam audio stereo dengan CS (Compressive Sampling) menggunakan teknik penyisipan SMM (Statistical Mean Manipulation) dan QIM (Quantization Index Modulation). Audio asli dan watermark akan diubah menjadi beberapa sub-band tertentu oleh LWT. Kemudian hasil dari pemilihan sub-band LWT akan digunakan untuk transformasi cepstrum. Kemudian dilakukan transformasi DST dari hasil keluaran cepstrum. Setelah proses penyisipan, CS akan mengkompresi data dan gambar direkonstruksi secara tepat untuk dapat melakukan transformasi yang lebih cepat. Metode tersebut dipilih karena data watermark yang disisipkan kuat terhadap serangan seperti linear speed change dan TSM, namun kurang tahan terhadap serangan seperti resampling, pitch shifting, echo, dan noise. Hasil dalam penelitian ini menghasilkan kualitas audio dengan memiliki rata-rata BER 0.36651, rata-rata SNR 28.87 dB, rata-rata ODG -2.86832, dan rata-rata MOS 4.08. Kata Kunci: Digital Watermarking, LWT, DST, Cepstrum, Compressive Sampling. ABSTRACT Along with the development of internet network and multimedia technology resulted in the deployment of information in the form of data, texts, videos, images, and audios become easier to modify it illegally. So with this problem to maintain digital ownership rights it is required digital watermarking techniques. This paper propose to protect the digital watermarked data with combining several methods i.e. LWT-Cepstrum-DST in a stereo audio with Compressive Sampling (CS) and the embedding process in this paper is used Statistical Mean Manipulation (SMM) and Quantization Index Modulation (QIM). The original audio and watermark will be transformed into some spesific sub-band by LWT. Then, it uses to transform with cepstrum. DST will be transform the output cepstrum. After embedding process, compressive sampling will be compressing the data and proper reconstruction image for faster transformation. Those methods selected because the watermarked data is robust against attacks such as linear speed change and TSM, but less robust against attacks such as resampling, pitch shifting, echo, and noise. The result shows that in this paper produces audio quality with an average SNR of 28.87 dB, average BER 0.36651, average ODG -2.86832, and MOS 4.08 against all audio genres tested. Keywords : Digital Watermarking, LWT, DST, Cepstrum, Compressive Sampling
Estimasi Bobot Karkas Domba Berdasarkan Metode Deformable Template Dan Klasifikasi Support Vector Machine Andrean David Chrismadandi; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh manusia. Bagian tubuh domba yang sering dimanfaatkan oleh manusia untuk bahan pangan adalah pada bagian daging atau biasa disebut karkas. Karkas domba sendiri merupakan berat daging yang dimanfaatkan diluar dari berat organ, kaki, ekor, dan kepala. Pada zaman ini pengukuran berat dari karkas domba masih dilakukan dengan cara konvensional seperti penimbangan secara langsung dengan timbangan dan melalui tafsiran si pembeli atau si penjual domba tersebut. Pada kedua cara diatas masih terdapat kendala yang dapat dialami oleh pembeli domba yang masih awam yang mengakibatkan kerugian. Berkembangnya teknologi informasi dan komunikasi memberi terobosan baru dalam membantu proses penimbangan domba dengan menggunakan pengolahan citra digital. Dalam tugas akhir ini dibuat suatu sistem yang dapat mengestimasi bobot karkas domba dengan pengolahan citra digital. Secara umum cara kerja dari pengolahan citra digital adalah dengan untuk memisahkan citra ternak domba dari latar belakang dan menghilangkan objek yang bersifat pengganggu disekitar domba, selanjutnya dilakukan tahap identifikasi untuk mendapatkan ukuran pajang badan serta lingkar dada ternak domba, dan pada tahap terakhir melakukan proses komputasi untuk menghitung bobot karkas ternak domba. Pada aplikasi ini menerapkan rumus Ardjodarmoko untuk perhitungan berat karkas domba. Metode segmentasi citra yang digunakan adalah metode Deformable Template. Hasil dari segmentasi citra akan melalui proses ekstrasi ciri yang kemudian diklasifikasikan menggunakan Multiclass Support Vector Machine (SVM) menjadi tiga kelas. Domba yang dijadikan sample berjumlah 24 ekor. Penelitian ini menggunakan 3 kelas dalam mengklasifikasi berat karkas domba yaitu kelas kecil, sedang dan besar. Rata-rata selisih antara berat karkas domba hasil pengolahan citra dengan berat karkas domba sesungguhnya yaitu 1.72 kg . Hasil akurasi kelas pada penelitian ini sebesar 88.89%. Kata Kunci : Karkas Domba, Deformable Template, SVM Multiclass Abstract Sheep is one of the many farm animals used by humans. Parts of the body of the sheep is often used by humans for food is on the meat or so-called carcass. The sheep’s carcass itself is weight of meat used outside the weight of organs, legs, tail and head. At this time the weight measurement of sheep’s carcass is still done in a conventional way such as weighing scales directly with the scales and through the interpretation of the buyer or the seller of the sheep. In both ways above there are still obstacles that can be happened to the buyer of sheep who still lay that cause losses. The development of information and communication technology gave a new breakthrough in helping the process of weighing the sheep by using digital image processing. In this final project is made a system that can estimate sheep carcass weight by digital image processing. In general, the workings of digital image processing is to separate the image of sheep from the background and eliminate objects that are disturbing around the sheep, then the identification stage is done to get the size of the body and the chest circumference of sheep, and at the last stage do the computation calculate the carcass weight of sheep. In this application apply the Ardjodarmoko formula for calculating the weight of sheep carcasses. Image segmentation method used is Deformable Template method. The results of image segmentation will go through a feature extraction process which is then classified using the Multiclass Support Vector Machine (SVM) into three classes. The number of sheep in the sample is 24. This study uses 3 classes in classifying the weight of sheep carcasses, namely small, medium and large classes. The average difference between sheep carcass weight from image processing with actual sheep carcass weight is 1.72 kg. Class accuracy results in this study amounted to 88.89%. Keywords: Sheep’s Carcass, Deformable Templates, SVM multiclass
Estimasi Bobot Karkas Ternak Domba Berdasarkan Metode Geometric Active Contour Dan Klasifikasi Decision Tree Krisma Asmoro; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan hewan ternak banyak dikonsumsi oleh masyarakat di Indonesia. Permintaan akan karkas domba atau kambing terus meningkat dari waktu ke waktu. Karkas kambing atau domba adalah berat daging tanpa kepala, kaki, organ dalam, dan ekor. Maraknya kecurangan yang dilakukan oleh penjual dengan membuat domba ‘gelonggongan’ membuat pembeli merasa tidak aman untuk membeli domba. Pembeli tidak akan mudah terkecoh dengan domba ‘gelonggongan’ jika pembeli sudah berpengalaman membeli domba, akan tetapi sangat sulit jika pembeli yang belum memiliki pengalaman dalam membeli domba dan menimbulkan potensi kerugian pada pembeli. Pengolahan citra digital akan diimplementasikan untuk membuat suatu sistem untuk mengatasi masalah estimasi berat karkas domba.Pengolahan citra digital digunakan untuk mengetahui ukuran fisik tubuh domba. Active Geometry Contour merupakan metode yang digunakan untuk segmentasi citra, sedangkan Decision Tree merupakan metode yang akan digunakan sebagai metode utnuk klasifikasi daripada berat karkas domba. Rumus estimasi bobot badan domba yang digunakan merupakan rumus dari Arjodarmoko (1975) . Domba yang dijadikan sample, berjumlah 26. Penelitian ini diharapkan akan memudahkan orang dalam menentukan berat badan dari karkas domba, dengan hanya mengambil citra dari domba yang akan ditentukan berat badannya. Akurasi bobot yang didapatkan sebesar 73,8226% dan akurasi kelas sebesar 74,359%. Kata Kunci : Karkas Domba, Geometric Active Contour, Decision Tree Abstract Sheeps are livestock widely consumed by people in Indonesia. The demand for sheep or goat carcasses continues to increase over time. Goat or sheep carcasses are the weight of headless flesh, legs, internal organs, and tails. The rise of fraud committed by sellers by making sheeps looks fat by giving them a lot of water (often called ‘fake’ sheep), makes buyers feel unsafe to buy sheep.Buyers will not be easily fooled by ‘fake’ sheep if the buyer has experienced buying sheep, but it is very difficult if the buyer who has not had experience in buying sheep and cause potential loss to the buyer. Digital image processing will be implemented to create a system to overcome the problem of weight estimation of sheep carcass. Digital image processing is used to determine the physical size of the body of a sheep. In general, the system divided into 5 processes, namely: the acquisition of sheep image; Pre-Processing the image of sheep; Segmentation of sheep image; Feature extraction; and classification. Active Geometry Contour is a method that used for feature extraction, whereas Decision Tree is a method is used as a method of classification rather than weight of sheep carcass. The estimation formula of sheep body weight that used in this final project is the formula from Arjodarmoko (1975). The amount of the sheep that have been used as a sample at this system is 26 sheeps . This study is expected to facilitate people in determining the weight of sheep carcasses, by capturing the image of the sheep. The accuracy of weight is 73,8226% and the accuracy of classification is 74,359%. . Keywords : Sheep Carcass, Geometric Active Contour, Decision Tree
Estimasi Bobot Ternak Karkas Domba Berdasarkan Metode Segmentasi Snake Dan Klasifikasi Learning Vector Quantization Fanny Oksa Salindri; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba merupakan salah satu hewan ternak yang banyak dimanfaatkan oleh masyarakat Indonesia bahkan dunia. Karkas menjadi salah satu bagian penting yang dapat dimanfaatkan pada domba khususnya domba pedaging. Karkas adalah berat daging hewan ternak tanpa kepala, ekor, kaki dan organ dalam. Saat ini, peternak menggunakan timbangan konvensional untuk mengukur berat dari ternak domba, namun hal ini masih memiliki beberapa kendala. Terbatasnya jumlah timbangan konvensional yang dimiliki peternak menjadi kendala pada proses pengukuran berat badan. Untuk mengatasi masalah tersebut, solusi yang dapat dilakukan adalah dengan cara pengaplikasian menggunakan pengolahan citra digital untuk mengetahui keakuratan timbangan karkas pada domba. Pengolahan citra digital diproses dengan menggunakan algoritma yang dapat mengenali suatu objek. Proses tersebut diharapkan dapat mengestimasi bobot karkas domba agar lebih efektif dan efisien. Tugas akhir ini bertujuan untuk merancang dan menerapkan aplikasi melalui teknik pengolahan citra digital yang dapat memprediksi berat karkas domba. Metode yang digunakan pada tugas akhir adalah Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ). Kalkulasi karkas domba akan diuji dengan menggunakan rumus Ardjodarmoko yang merupakan penyempurnaan dari rumus Winter. Penelitian Tugas Akhir ini mempunyai sample sebanyak 300 data domba dengan jumlah data latih 175 citra dan jumlah data uji 125 citra. Parameter terbaik yang digunakan yaitu ratio 0.4, iterasi metode snake 100, hidden layer 30, dan epoch 300. Gabungan dari metode Segmentasi Snake dan klasifikasi Learning Vector Quantization (LVQ) menggunakan pengolahan citra digital dapat menghasilkan suatu sistem yang memiliki akurasi estimasi bobot karkas domba sekitar 76% dengan Standar Deviasi (STD) kilogram errornya senilai 1 Kg dan waktu komputasi 20.88 detik. Kata kunci: Karkas Domba, Klasifikasi Learning Vector Quantization (LVQ), Segmentasi Snake Abstract Sheep is one of livestock that is widely used by the people of Indonesia and even the world. Carcass become one of the important parts that can be used in sheep especially sheep cattle. Carcass is the weight of cattle without head, tail, legs and internal organs. Nowadays, people using conventional scale to measure the weight of a sheep cattle, however this method still have some problems. The limited number of conventional scale that farmers have become a problem in the process of weight measurement. To overcome the problem, the solution that can be done is by applying using digital image processing to know the accuracy of carcass scales on sheep. Digital image processing is processed using algorithms that can recognize an object. The process is expected to estimate sheep carcass weight to be more effective and efficient. This final project aims to design and implement applications through digital image processing techniques that can predict the weight of sheep carcass. The method used in this final project is Snake Segmentation and Learning Vector Quantization (LVQ) classification. The calculation of sheep carcass will be tested using Ardjodarmoko formula which is a refinement of the Winter formula. This final project has sample of 300 sheep data with 175 image training data and 125 image test data. The best parameters used are ratio 0.4, iteration of Snake is 100, hidden layer is 30, and eoch is 300. The combination of the Snake Segmentation method and the Learning Vector Quantization (LVQ) classification using digital image processing can produce a system that has an accuracy of sheep carcass weight estimation of about 76% with the Standard Deviation (STD) kilogram error is 1 Kg and computation time is 20.88 seconds. Keywords: Sheep Carcass, Learning Vector Quantization (LVQ) Classification, Snake Segmentation
Klasifikasi Bobot Karkas Domba Berdasarkan Metode Fractal Dan Klasifikasi K-nearest Neighbor Annisa Adlina Mulyaningrum; Bambang Hidayat; Nur Ibrahim
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Domba adalah hewan ternak yang banyak dimanfaatkan oleh masyarakat di indonesia. Salah satu pemanfaatan dari domba adalah karkas domba, dimana permintaannya terus meningkat dari waktu ke waktu. Karkas domba adalah berat bersih daging tanpa kepala, kaki, organ dalam dan juga ekor. Saat ini penimbangan terhadap domba masih di lakukan secara manual, yaitu dengan cara menggendong hewan tersebut, menduga dengan cara melihatnya dan menduga secara subjektif. Karena rentan bobot domba tersebut memiliki berat di bawah 40 kg. Namun cara tersebut hanya berlaku untuk pembeli yang sudah berpengalaman, namun berpotensi merugikan pembeli amatir atau baru. Image processing atau pengolahan citra digital diimplementasikan untuk membantu mengestimasi bobot karkas domba. Untuk mendapatkannya pengolahan citra di lakukan dengan cara memisahkan tubuh domba dengan background. Setelah itu, proses identifikasi untuk mendapatkan ukuran fisik (lingkar dada dan panjang badan). Tugas akhir ini bertujuan untuk merancang sistem berbasis Matlab, berfungsi mempermudah klasifikasi karkas domba menjadi 3 kelas bagian, membuktikan rumus perhitungan Ardjodarmoko dapat digunakan untuk estimasi karkas domba. Pertama sistem akan melakukan ekstraksi ciri untuk mendapatkan informasi di dalam citra menggunakan metode Fractal. Setelah didapatkan ciri citra, kemudian akan diklasifikasikan dengan metode jarak terdekat atau K-Nearest Neighbor yang kemudian akan dikelompokan sesuai kelasnya besar, sedang, dan kecil. Dari hasil pengujian diperoleh nilai akurasi sistem sebesar 83,33% dengan waktu komputasi 0,49 detik, menggunakan metode ekstraksi ciri Fractal dengan jumlah matriks ciri sama dengan 6, parameter s =[2 4 8 16 32 64]. Sedangkan proses klasifikasi K-Nearest Neighbor aturan jarak paling baik yang digunakan adalah euclidean yang menghasilkan nilai akurasi terbaik 83,33% dengan parameter terbaik pada nilai K=1, dan sistem memiliki tingkat error sebesar 16, 67%. Kata Kunci : Karkas Domba,Fractal, K-Nearest Neighbor(KNN)
Co-Authors Abdul Hafiz Suherman Adhi Irianto Mastur, Adhi Irianto Afifah Amatulla Suaib Andrean David Chrismadandi Anindita Fitriani Annisa Adlina Mulyaningrum Annisa Bianca Hayuningtyas Ari Ashari Jaelani Asyraf Fakhri AZIZAH AULIA RAHMAN BACHERAMSYAH, TASYA FIKRIYAH Bambang Hidayat Bambang Hidayat Begita Wahyuningtyas Carudin, Carudin Citra Marshela Danish Ario Wirawan Denis Ramadana Efri Suhartono Eka Wulandari Fajar Dwi Septria Fanny Oksa Salindri Faturachman Faturachman Fiky Yosef Supratman Firdaus, Muhammad Ilham Zuhruf Frisnanda Aditya Galuh Lintang Permatasari Gelar Budiman HAFIZHANA, YASQI HANAFI, FANIESA SAUFANA Heri Syahrian Heri Syahrian, Heri Hilman Fauzi, Hilman Hurianti Vidya Ibnu Da’wan Salim Ubaidah Ilva Herdayanti Inung Wijayanto Iqbal Afriadi Irma Safitri Iwan Iwut Tritoasmoro Iwan Iwut Tritosmoro Jangkung Raharjo Kevin Aglianry KHAERUDIN SALEH Koredianto Usman Krisma Asmoro Ledya Novamizanti LESTARY, GITA AYU Mas, Muhammad Sabri Muh, Ipnu Udjie Hasiru Muh. Gazali Saleh Muhammad Khais Prayoga Muhammad Rizqi Rahmawan Muthia Syafika Haq, Muthia Syafika Nabila Herman Nasywan Azrial Fariqin NOR CAECAR KUMALASARI Nor Kumalasari Caecar Pratiwi Nur Fu'adah, R. Yunendah PRAMUDITHO, MUHAMMAD ADNAN PRATIWI, NOR KUMALASARI CAESAR R. Yunendah Nur Fu’adah Rahma Nur Auliasari Ramadhan Prasetya Dahlan Ramdhan Nugraha Reyhan Ivandhani Reza Yudistira Rezki Diar Amelia Rita Magdalena Rita Purnamasari Rustam Sa’idah, Sofia Satrio Ardhimasetyo SISLY DESTRI AGUSTIN Sjafril Darana SOFIA SAIDAH SY, NIDAAN KHOFIYA Syamsu Rizal Syamsul Rizal Syamsul Rizal Syifa Maliah Rachmawati TALININGSING, FAUZI FRAHMA UBAIDULLAH, IBNU DAWAN Vidiya Rossa Atfira Vidya, Hurianti Vitria Puspitasari Rahadi Vitria Puspitasari Rahadi WIDIANTO, MOCHAMMAD HALDI Yasman, Fudhla Ramadhana YOGASWARA, HERLAMBANG Yusup, Dadang