Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Eka Wulandari
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Active Contour Dengan Klasifikasi K-nearest Neighbor Vidiya Rossa Atfira; Nur Ibrahim; Eka Wulandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Susu merupakan salah satu bahan pangan yang mengandung nutrisi tinggi sebagai sumben protein hewani. Susu mengandung 88% air dengan bahan kering 12% meliputi lemak, protein, mineral, dan karbohidrat. Susu sapi baik dikonsumsi oleh semua kalangan dari balita, remaja, dewasa, hingga lanjut usia karena kandungan gizi, tekstur, rasa dan manfaatnya. Tidak jarang penjual susu memanfaatkan kondisi tersebut untuk meraup keuntungan tinggi dengan mencampurkan air atau bahan lainnya. Sampai saat ini konsumen tidak menyadari adanya campuran dalam susu yang dikonsumsi. Dari permasalahan tersebut, Tugas Akhir ini merancang sistem untuk mendeteksi adanya campuran dalam susu melalui pengolahan citra digital menggunakan metode Active Contour dengan klasifikasi KNearest Neighbor (KNN). Perancangan sistem menggunakan software, dan bertujuan untuk mempermudah deteksi tingkat kemurnian susu yang akan dikonsumsi. Data yang digunakan sebanyak 500 citra dengan 300 citra sebagai data latih dan 200 citra sebagai data uji. Tingkat kemurnian susu dibagi menjadi 5 kelas yaitu 20%, 40%, 60%, 80%, dan 100% dengan bahan campuran air. Penelitian ini menghasilkan akurasi sistem terbaik menggunakan jenis klasifikasi City block sebesar 100% dengan waktu komputasi yaitu 322.25 detik. Hasil ini diperoleh dari parameter nilai K=5, ukuran gambar 512×512 piksel, dan iterasi 500. Kata kunci: Image processing, Active Contour, K-Nearest Neighbor Abstract Milk is one of the foodstuffs containing high nutrition as a component of animal protein. Milk contains 88% water with 12% dry ingredients including fat, protein, minerals, and carbohydrates. Cow’s milk is good to be consumed by all people from toddlers, teenagers, adults, to the elderly because of its nutritional content, texture, taste and benefits. It is not uncommon for milk sellers to take advantage of these conditions to reap high profits by mixing water or other ingredients. Until now consumers were not aware of any mixture in milk consumed. From these problems, this Final Project designs a system to detect the presence of mixtures in milk through digital image processing using the Active Contour method with the classification of K-Nearest Neighbor (KNN). The system design uses software, and aims to facilitate the detection of the level of purity of milk to be consumed. The data used were 500 images with 300 images as training data and 200 images as test data. The level of purity of milk is divided into 5 classes namely 20%, 40%, 60%, 80%, and 100% with a mixture of water. This research produces the best system accuracy using the City block classification type by 100% with a computational time 322.25 seconds. These results are obtained from parameters K = 5, image size 512 × 512 pixels, and iteration 500. Keywords: Image processing, Active Contour, K-Nearest Neighbor
Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Binary Large Object Dengan Klasifikasi Learning Vector Quantization Annisa Bianca Hayuningtyas; Nur Ibrahim; Eka Wulandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Susu sapi merupakan minuman yang sangat penting bagi masyarakat untuk kesehatan. Manfaat dari susu sapi salah satunya adalah sumber protein, kalsium, karbohidrat dan lemak yang sangat baik untuk memenuhi kebutuhan sehari-hari pada tubuh. Namun tidak jarang juga produsen mencampur susu sapi dengan volume air yang banyak, sehingga melakukan pencampuran air pada susu. Oleh karena itu, masyarakat perlu mengetahui bagaimana kemurnian susu sapi yang baik dan tidak mengandung air yang banyak. Pada penelitian ini dibuat sebuah sistem mengidentifikasi dan mengklasifikasikan kemurnian susu sapi dengan persentase kandungan susu 20%, 40%, 60%, 80% dan 100%. Metode ekstraksi yang digunakan adalah algoritma Binary Large Object (BLOB) dan metode klasifikasi yang digunakan adalah Learning Vector Quantization (LVQ). Penelitian dilakukan dengan mengambil sample citra susu sapi yang dicampur dengan persentase kadar air yang berbeda. Kemurnian citra susu sapi dibedakan berdasarkan bentuk dan tekstur hasil pengolahan citra digital dengan ekstraksi ciri Binary Large Object. Hasil dari penelitian ini menunjukan tingkat akurasi sistem sebesar 80% dengan menggunakan data citra latih 30 dan data citra uji 12 dari susu pasteurisasi. Kata kunci: Susu Sapi, Citra Digital, Binary Large Object , Learning Vector Quantization Abstract Cow's milk is a drink that is very important for the community for health. One of the benefits of cow's milk is a source of protein, calcium, fat and fat which is very good for meeting the daily needs of the body. But not infrequently also producers mix cow's milk with a lot of air volume, so that mixing air into milk. Therefore, people need to know about the purity of cow's milk which is good and does not contain a lot of water. In this study a composition system was created and classified cow's milk with the composition percentage of milk 20%, 40%, 60%, 80% and 100%. The extraction method used is the Binary Large Object (BLOB) algorithm and the classification method used is the Learning Vector Quantization (LVQ). The research was conducted by taking samples of cow's milk mixed with different percentages of water content. Digital images of cow's milk are distinguished based on the shape and texture of the results of digital image processing with extraction of features of Large Object Binary. The results of this study indicate a system completion rate of 80% using 30 data training images and 12 data training images from pasteurized milk. Keywords: Cow’s milk, Image Processing, Binary Large Object, Learning Vector Quantization 1. Pendahuluan Susu sapi merupakan minuman yang sangat penting bagi masyarakat untuk kesehatan. Manfaat dari susu sapi adalah sumber protein, kalsium, karbohidrat dan lemak yang sangat baik untuk memenuhi kebutuhan sehari-hari pada tubuh . Ciri utama dari susu sapi segar yang baik adalah warna susu yang putih kekuningan. Mengkonsumsi susu sapi ini sudah sebagai hal yang umum, tidak jarang juga produsen mencampur susu sapi dengan volume air yang banyak, sehingga berukurangnya pula nutrisi pada susu. Masyarakat perlu mengetahui bagaimana kemurnian susu sapi yang baik dan tidak mengandung air yang banyak. Sebenarnya masyarakat dapat melakukannya dengan cara melihat warna susunya saja yaitu apabila susu terlalu banyak dicampurkan dengan air, maka warna susu tersebut akan menjadi kebiruan. Tetapi cara ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 3838 2 tersebut masih belum akurat sehingga perlu adanya bantuan di bidang teknologi dalam menangani hal tersebut. Pada penelitian ini, susu yang akan digunakan adalah jenis susu pasteurisasi. Pengambilan gambar susu sapi murni dengan persentasi kandungan susu 20%, 40%, 60%, 80% dan 100% murni. Metode yang dilakukan menggunakan ekstraksi ciri Binary Large Object dan klasifikasi Learning Vector Quantization.
Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Scale Invariant Feature Transform Dengan Klasifikasi K-nearest Neighbor Muhammad Hanif Abdurrahman; Efri Suhartono; Eka Wulandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Susu sapi merupakan bahan pangan yang memiliki nutrisi tinggi sehingga bermanfaat untuk menjaga kesehatan dan proses pertumbuhan. Susu pasteurisasi merupakah salah satu jenis produk susu yang banyak diproduksi dan diminati oleh semua kalangan masyarakat. Dengan harga yang terjangkau membuat susu diminati oleh semua kalangan masyarakat. Oleh karena itu banyak orang yang memutuskan untuk menjual susu pasteurisasi dan mencampurkan air maupun zat lainnya demi meraih keuntungan yang lebih besar. Susu yang sudah tidak murni tentunya akan berkurang kandungan gizinya dan kualitas kesegarannya sudah tidak sempurna lagi. Permasalahannya, hanya orang yang ahli pada bidang ini yang dapat membedakan kemurnian susu sapi, dan itu harus menggunakan perangkat khusus. Sehingga konsumen biasa hanya bisa membedakannya melalui penglihatan dan penciuman, namun sangat tidak akurat. Oleh karena itu penulis membuat Tugas Akhir yang bertujuan memudahkan konsumen untuk mendeteksi kemurnian susu sapi pasteurisasi menggunakan teknologi pengolahan citra digital melalui software Matrix Laboratory (MATLAB). Pada tahap awal sampel citra susu diambil menggunakan kamera digital, kemudian akan diidentifikasi menggunakan metode Scale Invariant Feature Transform (SIFT) dan akan diklasifikasikan menggunakan metode K-Nearest Neighbor (KNN). Berdasarkan hasil analisa dari performansi sistem, tingkat akurasi yang lebih baik ketika menggunakan metode SIFT yaitu dengan klasifikasi jenis Cosine Similarity sebesar 100% dan waktu komputasi 0.0692detik. Koefisien Gaussian Filter yang digunakan berukuran matriks 7 × 7. Kata Kunci : Image Processing, Scale Invariant Feature Transform, K-Nearest Neighbor
Deteksi Kualiats Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Adaptive Region Growing Dan Klasifikasi Learning Vector Quantization Citra Marshela; Nur Ibrahim; Eka Wulandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Susu sapi merupakan bahan pangan yang memiliki gizi tinggi, kandungan protein dan zat gizi lainnya berguna untuk kesehatan. Susu sapi dikonsumsi oleh berbagai kalangan, kalangan bawah, menengah, dan atas. Susu sapi memiliki tekstur yang cair memungkinkan untuk dicampur dengan air, sehingga meningkatka volume dan keuntungan bagi penjualnya. Karenanya, maka diperlukan program untuk mendeteksi kemurnian susu sapi berdasarkan jumlah campuran dalam persentase yang terkandung didalam suus tersebut. Pada penelitian ini, telah dilakukan simulasi dan analisis deteksi kualitas kemurnian susu sapi melalui proses citra digital berdasarkan metode Adaptive Region Growing (ARG) dan klasifikasi Learning Vector Quantization (LVQ) dengan menggunakan software simulator. Langkah pengerjaan nya yaitu mengambil sampel susu yang sudah diolah dengan proses pasteurisasi berdasarkan campuran air yang berbeda. Kemudian dari hasil sampel tersebut akan dilakukan tahap pre-processing untuk meningkatkan kualitas dari citra masukan yang diperolah untuk tahap ekstraksi ciri. Setelah melakukan beberapa skenario pengujian terhadap sistem identifikasi kemurnian susu sapi, didapatkan hasil akurasi tertinggi mencapai 100% dengan waktu komputasi 6.113 detik. Kata kunci: Susu Sapi, Image Processing, Adaptive Region Growing , Learning Vector Quantization Abstract Cow's milk is a food that has high nutrition, protein content and other nutrients are useful for health. Cow's milk is consumed by various circles, the lower, middle, and upper. Cow's milk has a liquid texture that allows it to be mixed with water, thereby increasing the volume and profit for the seller. Therefore, the program is required to detect the purity of cow's milk based on the number of blends in the percentage contained in the Suus. In this research, simulation and analysis have been conducted by the quality of cow milk purity through a digital image process based on the method Adaptive Region Growing (ARG) and the classification of Learning Vector Quantization (LVQ) using software Simulator. The working step is to take samples of milk that has been processed by pasteurization process based on different water mixture. Then from the results of the sample will be done pre-processing stage to improve the quality of the input image that is required for the extraction stage feature. After conducting several testing scenarios on the cow’s milk purity Identification system, the highest accuracy result reaches 100% with a compute time of 6,113 seconds. Keywords: Cow’s milk, Image Processing, Adaptive Region Growing, Learning Vector Quantization 1. Pendahuluan Susu memiliki kandungan nutrisi tinggi yang baik untuk dikonsumsi sebagai salah satu sumber protein hewani. Saat ini kesadaran masyarakat untuk mengkonsumsi bahan pangan bergizi khususnya makin meningkat. Oleh karena itu, beberapa produsen memiliki ide untuk mendapatkan keuntungan lebih dengan berbuat curang. Pada umumnya produsen susu akan mencampurkan susu murni dengan air sehingga pada saat mereka mencampurkan dengan air maka akan mendapatkan keuntungan yang lebih. Harga susu sapi murni dijual di pasaran dengan harga Rp. 6000,-/liter, jika para produsen susu sapi mencampur dengan 20% air maka perkiraan keuntungan produsen dapat meningkat hingga Rp. 1200,-/liter. Hal tersebut tentunya akan mengurangi kualitas kemurnian dan nutrisi yang terkandung didalamnya karena air tidak menambahkan nutrisi pada susu. Sebenarnya masyarakat dapat mengetahui bahwa susu tersebut sudah tercampur atau tidak bisa dilihat dari warna dan kekentalan, namun cara tersebut masih belum akurat sehingga sudah selayaknya ditemukan suatu cara pemecahan masalah melalui identifikasi kemurnian susu sapi ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 3822 2 Pada jurnal ini penulis mengimplementasikan sistem identifikasi kemurnian susu sapi menggunakan metode Adaptive Region Growing, dan klasifikasi Learning Vector Quantization.
Co-Authors Annisa Bianca Hayuningtyas Citra Marshela Efri Suhartono Muhammad Hanif Abdurrahman Nur Ibrahim Vidiya Rossa Atfira