Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal JOURNAL OF SCIENCE AND SOCIAL RESEARCH DEVICE Proceeding Of International Conference On Education, Society And Humanity JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi ORAHUA : Jurnal Pengabdian Kepada Masyarakat
Muhammad Fachrurrozi Nasution
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : DEVICE

 1 
IDENTIFIKASI PENYAKIT BRUCELLOSIS PADA DAGING SAPI BERDASARKAN ANALISIS TEKSTUR MENGGUNAKAN GRAY LEVEL COOCURENT MATRIX (GLCM) Muhammad Fachrurrozi Nasution; Rika Rosnelly; Jazmi Hadi Matondang; Mega Marisani Ziraluo; Eri Triwanda
Device Vol 13 No 1 (2023): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i1.4123

Abstract

Seiring dengan meningkatnya konsumsi daging sapi di masyarakat, membuat orang yang tak bertanggung jawab memanfaatkan kondisi dengan menjual daging sapi yang tidak layak konsumsi kepada masyarakat, hal ini terjadi karena kurangnya pengetahuan masyarakat tentang ciri-ciri daging sapi berkualitas, untuk mengetahui kualitas daging sapi dapat ditentukan dari tekstur daging sapi. Pada umumnya masyarakat menggunakan penglihatan kasat mata untuk menentukan kualitas daging sapi. Namun, cara tersebut masih kurang efektif karena mata memiliki kelemahan untuk melihat suatu objek secara detail. Penelitian ini bertujuan dalam menganalisis tekstur daging sapi untuk mengidentifikasi kualitas daging sapi dengan menggunakan proses pengolahan citra. Diharapkan dengan penelitian ini, menghasilkan perbedaan terhadap jenis daging yang terkena penyakit brucellosis berdasarkan tekstur daging sapi menggunakan metode Gray Level Co-Occurrence Matrix (GLCM). Parameter yang dianalisis adalah Contrast, Correlation, Energy, Homogeneity. Parameter tersebut akan diterapkan pada citra daging sapi sehat dan daging sapi terpapar brucellosis untuk dicari nilai dari masing - masing parameter. Hasil yang didapatkan, terdapat kesimpulan bahwa penyakit brucellosis dapat dikenali berdasarkan hasil proses ekstraksi fitur citra dengan metode GLCM. Lanjutan yang dapat dilakukan dari penelitian ini, diperlukan metode klasifikasi dalam membedakan citra daging sapi terpapar brucellosis atau daging sehat secara lebih detail.
ALGORITMA K-MEANS UNTUK KLASTERISASI JUMLAH JEMAAH HAJI YANG DIBERANGKATKAN KE TANAH SUCI MEKAH MENURUT KABUPATEN/KOTA DI PROVINSI SUMATERA UTARA Nasution, Muhammad Fachrurrozi; Nababan, Labuan; Marbun, Ernida; Sinambela, Lamtiur; Hts, Dedek Indra Gunawan
Device Vol 15 No 1 (2025): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v15i1.9239

Abstract

Setiap tahun, Provinsi Sumatera Utara memberangkatkan ribuan jemaah haji ke Tanah Suci Mekah. Distribusi jumlah jemaah yang berasal dari berbagai kabupaten/kota menunjukkan pola yang beragam dan perlu dianalisis lebih lanjut guna mendukung perencanaan dan pengambilan keputusan oleh instansi terkait. Penelitian ini bertujuan untuk melakukan klasterisasi terhadap jumlah jemaah haji berdasarkan wilayah kabupaten/kota di Provinsi Sumatera Utara menggunakan algoritma K-Means, salah satu metode unsupervised learning yang efektif untuk pengelompokan data. Data yang digunakan dalam penelitian ini merupakan data sekunder jumlah jemaah haji dari setiap kabupaten/kota yang diperoleh dari sumber resmi. Proses klasterisasi dilakukan melalui beberapa tahapan, yaitu inisialisasi centroid awal, penghitungan jarak Euclidean, pengelompokan data berdasarkan kedekatan terhadap centroid, dan pembaruan posisi centroid hingga proses konvergen. Untuk menentukan jumlah klaster yang optimal, digunakan metode Elbow. Hasil analisis menunjukkan bahwa data dapat dibagi ke dalam tiga klaster utama, yaitu klaster dengan jumlah jemaah tinggi, sedang, dan rendah. Visualisasi klaster membantu memperlihatkan distribusi spasial yang lebih jelas dari masing-masing kelompok wilayah. Implementasi algoritma K-Means dalam penelitian ini membuktikan bahwa metode klasterisasi dapat digunakan secara efektif dalam menganalisis data demografis, khususnya dalam konteks pelayanan ibadah haji. Seluruh proses analisis dilakukan menggunakan Google Colab, yang memfasilitasi komputasi berbasis cloud dan mendukung visualisasi data secara interaktif.
Co-Authors Edi, Firman Eri Triwanda Ginting, Hendro Hts, Dedek Indra Gunawan Indriani, Ulfa Jazmi Hadi Matondang M. Imam Santoso Marbun, Ernida Mega Marisani Ziraluo Nababan, Labuan Panjaitan, Sri Wahyuni Rika Rosnelly Roesnelly, Rika Sinambela, Lamtiur Tambunan, Frinto Wanayumini