Article Per Year (5 Year)
p-Index From 2020 - 2025
3.405
P-Index
This Author published in this journals
All Journal Dinamik TELKOMNIKA (Telecommunication Computing Electronics and Control) JAIS (Journal of Applied Intelligent System) Proceeding SENDI_U Journal of Information System Sinkron : Jurnal dan Penelitian Teknik Informatika Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Abdimasku : Jurnal Pengabdian Masyarakat SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Informatika Polinema (JIP) Jurnal Informatika: Jurnal Pengembangan IT Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Hadi, Heru Pramono
Universitas Dian Nuswantoro
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Social Sciences Other

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

Found 1 Documents
Search
Journal : SKANIKA: Sistem Komputer dan Teknik Informatika

 1 
ANALISA FITUR EKSTRAKSI CIRI DAN WARNA DALAM PROSES KLASIFIKASI KEMATANGAN BUAH RAMBUTAN BERBASIS K-NEAREST NEIGHBOR Hadi, Heru Pramono; Rachmawanto, Eko Hari
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 5 No 2 (2022): Jurnal SKANIKA Juli 2022
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1928.311 KB) | DOI: 10.36080/skanika.v5i2.2944

Abstract

Klasifikasi citra buah rambutan leci, lengkeng, pulasan dan rambutan yang merupakan buah dalam stau spesies telah dilakukan. Klasifikasi buah rambutan menggunakan KNN saja atau fitur ekstraksi saja sudah pernah dilakukan. Dalam penelitian ini, proses klasifikasi kematangan buah rambutan dilakukan dengan K-NN berbasis fitur ekstraksi ciri dan warna dengan tujuan untuk meningkatkan akurasi klasifikasi citra. Terpilih ekstraksi ciri GLCM dan ekstraksi ciri warna HSV, dimana masing-maisng mempunyai keunggulan masing-masing. Berdasarkan 100 dataset citra dalam 4 kelas yaitu mentah, setengah matang, matang dan busuk, telah dilakukan percobaan bervariasi menggunakan sudut GLCM dari 00, 450, 900, 1350dan nilai K=1,3,5,7,9,11,13. Akurasi terbaik yang dihasilkan yaitu 97,5% pada K=1 dan 00. Sedangkan yang terendah pada K=13 dan 1350 dengan hasil 62,5%.
Co-Authors Ali, Rabei Raad Alzami, Farrikh Ashari, Ayu Aufa Nisrina Aulia Azzami, Salman Yuris Adila Cahaya Jatmoko Cahyani, Tiara Indah Candra Irawan Christy Atika Sari Edi Faisal Edi Faisal Edi Sugiarto Edi Sugiarto Eko Hari Rachmawanto Fahmi Amiq Faisal, Edi Heru Lestiawan Hindarto, Aris Nur Indra Gamayanto Jannah, Safira Baiti Maurensa, Giacinta Moh. Yusuf, Moh. MY. Teguh Sulistyono Nurhindarto, Aris Pristyanti Nawang Putri R. Septiansa Anggoro Rabei Raad Ali Rohman, M. Hilma Minanur Sasono Wibowo Sinaga, Daurat Suhariyanto - Suhariyanto Suhariyanto Sukamto, Titien Sukamto, Titien Suhartini Titien S. Sukamto Titien Sukamto Wellia Shinta Sari Winaryanti, Hida Sekar Zaenal Arifin