Claim Missing Document
Check
Articles

Found 18 Documents
Search

Machine Learning and Fuzzy C-Means Clustering for the Identification of Tomato Diseases Saleh, Amir; Ridwan, Achmad; Gibran, M Khalil
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3379

Abstract

Diseases in tomato plants can cause economic losses in the agricultural industry. Identification of tomato plant diseases is important to choosing the right action to control their spread. In this research, we propose an approach to identify tomato plant diseases using a machine learning algorithm and lab colour space-based image segmentation using the fuzzy c-means (FCM) clustering algorithm. The segmentation method aims to separate the infected area, leaf image, and background in the tomato plant image. In the first step, the tomato image is represented in the Lab colour space, which allows for combining information on brightness (L), red-green colour components (a), and yellow-blue colour components (b). Then, the FCM algorithm is applied to segment the image. The segmentation results are then evaluated through an identification process using machine learning techniques such as k-Nearest Neighbors (kNN), Random Forest (RF), Support Vector Machine (SVM), and Naïve Bayes (NB) to measure the level of accuracy. The dataset used in this research is tomato images, which include various plant diseases obtained from the Kaggle dataset. The performance results of the proposed method show that the segmentation approach based on Lab colour space with the FCM clustering algorithm is able to identify infected areas well. The accuracy value of each machine learning method used is kNN of 85.40%, RF of 88.87%, SVM of 80.73%, and NB of 74.60%. The proposed method shows success in accurately identifying types of tomato plant diseases and obtains improvements compared to without using segmentation.
Pengembangan dan Pemanfaatan Aplikasi Literasi Digital Berbasis Android untuk Meningkatkan Kompetensi Mengajar Guru Amir Saleh; Fadhillah Azmi; Achmad Ridwan; M. Khalil Gibran
The Indonesian Journal of Computer Science Vol. 12 No. 6 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i6.3550

Abstract

Dalam era digital, guru perlu memiliki kompetensi pedagogis, kepribadian, profesional, dan sosial, termasuk kemampuan menggunakan teknologi. Sementara itu, pembelajaran berbasis teknologi di MTs. Al-Hijrah NU Medan belum sepenuhnya dilaksanakan karena berbagai kendala, seperti belum dimanfaatkannya aplikasi literasi digital dengan maksimal. Penelitian ini mengusulkan pengembangan aplikasi literasi digital untuk membantu guru dalam meningkatkan kemampuan mengajar dengan memanfaatkan teknologi dalam pembelajaran. Beberapa kendala yang ada terkait ketersediaan perangkat dan pemahaman guru tentang literasi digital. Pembelajaran literasi digital diperlukan untuk meningkatkan kemampuan guru dalam mengoperasikan teknologi karena hampir semua pembelajaran saat ini menggunakan media digital. Berdasarkan hasil implementasi aplikasi yang telah dikembangkan memperoleh hasil yang cukup baik, dimana memperoleh tingkat kepraktisan produk sebesar 83,13%. Sementara itu, penilaian yang diperoleh dari guru menunjukkan bahwa terdapat peningkatan sebesar 75% pada pengetahuan guru mengenai literasi digital dan peningkatan sebesar 81% pada kemampuan mereka dalam menerapkan literasi digital. Dari hasil perolehan nilai-nilai tersebut menyatakan bahwa pengembangan aplikasi yang dilakukan terbukti efektif dan mampu meningkatkan kemampuan mengajar guru.
Kombinasi Jaringan Learning Vector Quantization Dan Normalized Cross Correlation Pada Pengenalan Wajah Saleh, Amir; Indra, Evta; Harahap, Mawaddah
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2020): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jusikom.v3i2.851

Abstract

Pengenalan wajah merupakan cara yang dilakukan untuk mengidentifikasi wajah berdasarkan nilai ciri yang terdapat pada citra wajah dan dapat diterapkan di dalam berbagai sistem, seperti absensi, akses keamanan ruangan dan login aplikasi atau perangkat. Salah satu algoritma untuk pengenalan wajah adalah LVQ (learning vector quantization), tetapi dalam pemilihan bobot awal yang kurang tepat dapat berdampak pada penurunan kinerja algoritma tersebut, sehingga hasil dari pengenalan wajah kurang akurat. Permasalahan ini dapat diselesaikan dengan penentuan bobot awal yang tepat dengan metode tertentu. Bobot yang dipilih pada penelitian ini berdasarkan kemiripan citra, salah satu metode untuk mengukur kemiripan adalah NCC (Normalized Cross Correlation). Penelitian ini akan dilakukan dengan mengkombinasi jaringan LVQ dengan menggunakan NCC dalam penentuan bobot awal untuk pengenalan wajah. Hasil pengujian yang diperoleh dengan kombinasi kedua metode tersebut untuk pengenalan wajah sebesar 94%.
PENINGKATAN KREATIVITAS GURU MTS. AL HIJRAH NU MEDAN MELALUI PELATIHAN DESAIN MEDIA PEMBELAJARAN INTERAKTIF BERBASIS CANVA Azmi, Fadhillah; Amir Saleh; Muhammad Riki Atsauri; Nanda Novita; Mega Puspita Sari
Jurnal Abdimas Mutiara Vol. 6 No. 2 (2025): JURNAL ABDIMAS MUTIARA (IN PRESS)
Publisher : Universitas Sari Mutiara Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51544/jam.v6i2.6163

Abstract

Transformasi digital dalam dunia pendidikan menuntut guru untuk mampu merancang media pembelajaran yang menarik, interaktif, dan relevan dengan karakteristik generasi digital. Kegiatan ini bertujuan untuk meningkatkan kreativitas guru dalam mendesain media pembelajaran interaktif berbasis Canva. Pelatihan dilaksanakan di MTs Al Hijrah NU Medan, diikuti oleh 15 guru dari berbagai mata pelajaran. Metode pelatihan meliputi pemberian materi teori tentang prinsip desain pembelajaran, demonstrasi penggunaan Canva, praktik langsung membuat media, serta presentasi dan evaluasi hasil karya peserta. Hasil kegiatan menunjukkan bahwa 82% peserta mengalami peningkatan kreativitas dan keterampilan dalam merancang media pembelajaran setelah pelatihan. Sebagian besar guru mampu menghasilkan media interaktif seperti poster, infografis, dan presentasi digital dengan tampilan visual yang menarik dan konten yang sesuai dengan tujuan pembelajaran. Respon peserta terhadap pelatihan juga sangat positif, dengan 92% menyatakan bahwa pelatihan ini relevan dan bermanfaat untuk diterapkan dalam proses pembelajaran. Pelatihan ini memberikan kontribusi nyata dalam membangun kapasitas guru menuju pembelajaran berbasis teknologi yang lebih kreatif dan inovatif.
Herbal Plant Image Retrieval Using HSV Color Histogram and Random Forest Algorithm Azmi, Fadhillah; Gibran, M Khalil; Saleh, Amir
Journal of Computer Science, Information Technology and Telecommunication Engineering Vol 6, No 2 (2025)
Publisher : Universitas Muhammadiyah Sumatera Utara, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/jcositte.v6i2.26495

Abstract

Herbal plants have significant importance in traditional medicine and are often useful in various natural health products. Visual identification of these plants is usually carried out based on the shape of the leaves and often encounters difficulties in distinguishing species due to similarities in shape and color. Therefore, a system capable of automatically and efficiently recognizing and searching for herbal plant images is needed. This study aims to implement an image search engine for herbal plants based on leaf color similarity. The method used includes color feature extraction using an HSV (Hue, Saturation, Value) histogram with an 8×8×8 bin configuration, resulting in a 512-dimensional feature vector. This histogram feature is then used as input for the Random Forest classification algorithm to group images based on the type of herbal plant. The dataset used consists of 450 herbal leaf images from 9 different classes, obtained through direct image capture using a digital camera. The test results indicates that the developed system is able to classify types of herbal plants with an accuracy of 95.56%. In addition, the computation time and system response during both training and testing processes are relatively fast and efficient. The advantage of this system lies in the simplicity of feature extraction while still being able to provide high classification performance. This system has great potential to be used as an educational tool as well as an initial component in the development of mobile applications for automatic herbal plant identification.
PKM Pemanfaatan Aplikasi Augmented Reality Interaktif Dalam Pembelajaran Pra Literasi dan Pra Numerasi Anak Usia Dini Pada TK Amanda Sibolga Azanuddin; Sari Siregar, Yunita; Saleh, Amir; Jannah, Miftahul; Regina Puspa Sari Damanik, Almerinda
Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol. 7 No. 02 (2025): EDISI SEPTEMBER 2025
Publisher : Universitas Harapan Medan

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

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk menerapkan teknologi Augmented Reality (AR) sebagai media pembelajaran interaktif bagi anak usia dini, khususnya dalam pengenalan huruf dan angka pada tahap pra-literasi dan pra-numerasi. Mitra kegiatan, TK Amanda Sibolga di Kota Sibolga, menghadapi kendala kurangnya media pembelajaran digital yang menarik dan interaktif. Proses belajar masih bersifat konvensional sehingga anak-anak mudah bosan dan guru kesulitan menghadirkan pembelajaran yang menyenangkan. Solusi yang ditawarkan adalah pengembangan aplikasi AR berbasis Android yang menampilkan huruf dan angka dalam bentuk tiga dimensi (3D) melalui kartu bergambar (flashcard) sebagai penanda (marker). Saat dipindai dengan kamera ponsel, objek huruf dan angka akan muncul dalam bentuk animasi berwarna cerah, sehingga menarik perhatian anak dan membantu memahami konsep dasar dengan cara visual dan menyenangkan. Kegiatan dilaksanakan melalui tahapan observasi, pelatihan guru, penerapan aplikasi di kelas, serta evaluasi hasil pembelajaran. Guru diberikan pendampingan untuk mengoperasikan aplikasi dan mengintegrasikannya dalam kegiatan belajar. Hasil menunjukkan peningkatan minat dan partisipasi anak dalam mengenal huruf dan angka, serta meningkatnya kemampuan guru dalam menggunakan teknologi pembelajaran. Program ini menjadi langkah nyata dalam mendukung transformasi digital pendidikan anak usia dini dan memperkuat peran perguruan tinggi dalam pemerataan akses teknologi di daerah.
PENGENALAN TANAMAN HERBAL MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DAN MANHATTAN DISTANCE Saleh, Amir; Sibero, Alexander F K; Manurung, Immanuel H G
JURNAL TEKNOLOGI KESEHATAN DAN ILMU SOSIAL (TEKESNOS) Vol. 3 No. 2 (2021): JURNAL TEKNOLOGI, KESEHATAN DAN ILMU SOSIAL (TEKESNOS)
Publisher : Universitas Sari Mutiara Indonesia

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

Abstract

Jaringan learning vector quantization (LVQ) telah dikenal secara luas untuk melakukan berbagai teknik klasifikasi, seperti pengenalan pola yang menunjukkan perolehan hasil yang baik. Permasalahan yang umum ditemukan pada penerapan jaringan LVQ, yaitu dalam penentuan bobot awal jaringan. Beberapa metode telah diusulkan untuk perbaikan bobot awal pada jaringan LVQ agar memperoleh akurasi yang optimal. Pada penelitian ini, metode Manhattan distance akan digunakan untuk pemilihan bobot awal pada jaringan LVQ. Metode ini merupakan metode pengukuran jarak kemiripan data yang dapat menentukan bobot awal berdasarkan kemiripan tertinggi yang berada dalam kelompok yang sama. Perolehan nilai dengan kemiripan tertinggi pada data tersebut digunakan sebagai bobot awal jaringan LVQ. Berdasarkan hasil pengujian yang dilakukan untuk pengenalan tanaman herbal dengan metode LVQ dan Manhattan memperoleh akurasi sebesar 81,33%. Sedangkan pada pengujian menggunakan metode LVQ memperoleh akurasi sebesar 78,67%. Peningkatan akurasi pengenalan tanaman herbal dengan menerapkan metode yang diusulkan sebesar 2,66%. Sehingga dapat disimpulkan bahwa metode Manhattan di dalam jaringan LVQ memiliki pengaruh yang baik di dalam penentuan bobot awal jaringan LVQ.
Pendeteksian Penggunaan Masker Untuk Pencegahan Penyebaran Covid-19 Menggunakan Algoritma K-nearest neighbor Saleh, Amir
JURNAL TEKNOLOGI KESEHATAN DAN ILMU SOSIAL (TEKESNOS) Vol. 4 No. 1 (2022): JURNAL TEKNOLOGI KESEHATAN DAN ILMU SOSIAL (TEKESNOS)
Publisher : Universitas Sari Mutiara Indonesia

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

Abstract

Penyebaran Corona Virus Disease (COVID-19) telah menjadi perhatian dunia sejak tahun 2019 sampai sekarang. Berbagai upaya dalam pencegahan penyebaran penyakit tersebut telah dilakukan, seperti penggunaan masker yang sangat diwajibkan di berbagai negara termasuk Indonesia. Banyak masyarakat yang mengabaikan peraturan tersebut, sehingga penularannya semakin cepat dan berdampak pada melemahnya perekonomian. Para ahli telah banyak melakukan penelitian, seperti pendeteksian terhadap penggunaan masker sebagai upaya pencegahan penularan penyakit tersebut. Hal ini dilakukan untuk digunakan pada perangkat yang mampu melakukan pendeteksian secara otomatis dan mempermudah pemerintah dalam melakukan pengawasan terhadap penggunaan masker tersebut. Salah satunya teknik tersebut adalah pendeteksian yang dilakukan dengan teknik machine learning dalam penerapan computer vision. Dalam penelitian ini, sebuah algoritma klasifikasi yaitu k-nearest neighbor (kNN) akan digunakan dalam melakukan pendeteksian penggunaan masker berbasis pengolahan citra. Citra yang telah dikumpulkan akan dilakukan tahap ekstraksi terlebih dahulu sebelum proses klasifikasi dilakukan. Tahap selanjutnya akan dilakukan pendeteksian terhadap citra dengan hasil klasifikasi sebanyak 3 kelas, yaitu: menggunakan masker, tidak menggunakan masker, dan menggunakan masker hanya sebagian. Berdasarkan pengujian yang telah dilakukan untuk pendeteksian penggunaan masker menggunakan algoritma kNN dan ekstraksi ciri tekstur (GLCM dan LBP), memperoleh hasil akurasi sebesar 91,04%, sensitivity sebesar 81,38%, dan specificity sebesar 94,49%. Hasil yang diperoleh dari pengujian tersebut mendapatkan kinerja yang baik dalam melakukan pendeteksian penggunaan masker.