Article Per Year (5 Year)
p-Index From 2021 - 2026
3.682
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Indonesian Journal of Artificial Intelligence and Data Mining Jurnal Mantik Journal Dynamic SainT BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik Informatika (JUTIF) Teknika Jurnal Dedikasi Jurnal Pengabdian kepada Masyarakat Journal of Innovation Research and Knowledge INFINITY : UKI TORAJA JOURNAL OF INFORMATION TECHNOLOGY J-Icon : Jurnal Komputer dan Informatika TONGKONAN: Jurnal Pengabdian Masyarakat The Indonesian Journal of Computer Science
Juprianus Rusman
Program Studi Teknik Informatika, Universitas Kristen Indonesia Toraja, Tana Toraja, Sulawesi Selatan
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : The Indonesian Journal of Computer Science

 1 
Penerapan Metode K-Nearest Neighbor (KNN) untuk Klasifikasi Kematangan Buah Kopi Amelia, Nerlys; Garonga, Melki; Rusman, Juprianus
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3171

Abstract

Perkebunan kopi di Indonesia berperan penting bagi masyarakat sebagai lapangan pekerjaan. Penentuan tingkat kematangan buah kopi yang masih dilakukan secara manual, baik secara racutan atau rampasan berdasarkan pengamatan secara subjektif. Kematangan buah kopi dapat dilihat dari tiga tingkatan yaitu matang, stengah matang dan mentah sehingga warna buah kopi dapat menjadi tolak ukur untuk mengenali tingkat kematangan serta kualitas buah kopi. Ekstraksi fitur warna merupakan salah satu teknik yang dapat digunakan untuk memperoleh informasi tingkat kematangan buah kopi dengan cara memunculkan ciri dari sebuah citra menggunakan fitur warna serta segmentasi tresholding. Total citra buah kopi yang digunakan dalam penelitian ini sebanyak 300, yang terdiri dari 100 citra buah kopi matang, 100 citra buah kopi stengah matang dan 100 citra buah kopi mentah. Dengan menggunakan fitur warna RGB dan HSV serta algoritma KNN untuk pengklasifikasian tingkat kematangan buah kopi, diperoleh hasil akurasi tertinggi dengan nilai K = 3 sebesar 95%.
Klasifikasi Penyakit pada Tanaman Kopi Arabika Menggunakan Metode K-Nearest Neighbor (KNN) Berbasis Citra Matarru, Sandri; Pongdatu, Gidion A.N.; Rusman, Juprianus
The Indonesian Journal of Computer Science Vol. 12 No. 2 (2023): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i2.3172

Abstract

Salah satu tanaman yang tumbuh di daerah tropis dan memiliki harga jual yang cukup tinggi serta menjadi sumber devisa bagi Indonesia ialah kopi. Kualitas dan produksi kopi akan menurun jika kopi mudah terserang penyakit yang disebabkan oleh perubahan iklim seperti cuaca, suhu, kelembapan udara,tanah, perawatan tanaman yang kurang maksimal dan ketinggian lahan. Semakin berkembangnya teknologi saat ini diperlukan suatu metode kecerdasan buatan untuk membantu petani dalam mengenali jenis penyakit kopi. Metode yang digunakan untuk melakukan klasifikasi penyakit kopi arabika ialah K-Nearest Neighbor. Adapun Dataset yang diproses dibagi menjadi 2 yakni data training sebesar 320 citra dan data testing sebanyak 80 citra selanjutnya dilakukan tahapan image preprocessing. Setelah itu dilakukan ekstraksi glcm yakni fitur yang digunakan contrast, homogeneity, correlation, energy. Pada penelitian ini hasil percobaan dari beberapa nilai K pada K-Nearest Neighbor menunjukan akurasi tertinggi terdapat pada K=11 dengan hasil pengujian model menggunakan confusion matrix memperoleh tingkat akurasi sebesar 94 %.
Co-Authors Adha, Muhammad Sofwan Alexander Te’dangan Amarya Sula Amelia, Nerlys Arifin, Nurhikma Damayanti, Irene Devi Eko Suripto Pasinggi Ferayanti Boas Gallaran Garonga, Melki Gidion A.N. Pongdatu Gidion Aryo Nugraha Pongdatu Haryati, Berlian Zetikarya Insani, Chairi Nur Irene Devi Damayanti Maratuttahirah Matarru, Sandri Merliana Michael, Aryo Milasari Milasari Muhammad Furqan Rasyid Nerlys Amelia Nofrianto Pasae Padang, Semuel Yacobus Pallu, Seltiani parea russan rangan Patandung, Suryaningsih Pongdatu, Gideon A.N. Rachmini, Siti Aulia Reni Lolotandung Romiger Rongko, Yunita Toding Samrius Upa’ Sandri Matarru Srivan Palelleng Trivena, Trivena Upa, Samrius Utama, Muhammad Surya Alif