Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI SmartComp CSRID
Sumijan Sumijan
Universitas Putra Indonesia "YPTK" Padang
Computer Science & IT Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Gray Level Co-Ocurrence Matrix Dengan Metode Self Organizing Map Pada Deteksi Kematangan Buah Pinang Adil Setiawan; Soeheri Soeheri; Sumijan Sumijan
Computer Science Research and Its Development Journal Vol. 16 No. 2 (2024): June 2024
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid.16.2.2024.174-187

Abstract

Areca nut can be seen through its fiber which plays an important role in improving digestion. Fiber helps facilitate bowel movements and prevent constipation, provides improvements in the digestive system and keeps teeth healthy. The results of this research obtained a classification model using the Gray Level Co-Occurrence Matrix. Many areca nut plantations still use manual methods to sort fruit, but this method is often inaccurate and varies, this is due to differences in the perceptions of each person. Histograms help you find images with similar color composition. Similarity is measured by calculating the distance between histograms. Color composition can be seen in the form of a histogram which represents the distribution of the number of intensity pixels for each color in an image. This research aims to detect the ripeness of areca nut fruit. This research uses a combination of RGB and HSV feature extraction techniques and GLCM extraction techniques. The resulting information is in the form of a percentage of similarity and classification of fruit maturity which includes Ripe (Hue=0.11893, saturation= 0.75727, value= 0.81813), half ripe (Hue= 0.17933, Saturation=0.20123, value= 0.44968) Unripe (Hue=0.21514, Saturation= 0.47934, Value= 0.36719) with an accuracy level of 100%, from images that have been processed.
Sistem Pendukung Keputusan Penerima Bantuan Usaha Kecil dan Menengah Menggunakan Metode Multifactor Evaluation Process Muhammad Harits Pratama; Sumijan Sumijan; Yuhandri Yuhandri
JURNAL TEKNIK KOMPUTER AMIK BSI Vol 10, No 1 (2024): Periode Januari 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jtk.v10i1.17809

Abstract

Usaha Mikro Kecil Dan Menengah (UMKM) paling merasakan dampak dari guncangan ekonomi yang disebabkan oleh pandemi Covid-19. Salah satu kebijakan yang dikeluarkan pemerintah dalam rangka memperdayakan UMKM selama pandemi Covid-19 adalah pemberian bantuan sosial kepada pelaku UMKM. Untuk itu diperlukan adanya penetapan sistem baru yang dapat membantu Dinas Koperasi dan Umkm Kota Padang dalam menentukan prioritas penerima bantuan UMKM. Penelitian ini bertujuan untuk menghasilkan Sistem Pengambilan Keputusan dengan menggunakan metode MFEP dalam menentukan prioritas penerima bantuan UMKM. Metode Multi Factor Evaluation Process (MFEP) adalah metode pengambilan keputusan yang tepat ketika terdapat sejumlah faktor dalam pengambilan keputusan. Pada metode MFEP pembuat keputusan memberikan bobot dari setiap faktor. Bobot berkisar dari 0 sampai 1. Hasil penelitian ini menghasilkan sebuah Sistem Penunjang Keputusan yang menghasilkan perangkingan calon penerima bantuan UMKM.
Implementasi Metode Yolov10 Untuk Mendeteksi Penyakit Melalui Analisis Citra Daun Pada Tanaman Padi Encik Yoega Renaldi; Sumijan Sumijan; Rini Sovia
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8486

Abstract

Padi menjadi makanan pokok bagi hampir 80% untuk diseluruh Indonesia, yang penghidupannya sangat bergantung pada hasil panen. Sektor pertanian padi menghadapi tantangan berupa penyakit pada daun tanaman, dengan mayoritas petani masih menggunakan metode konvensional dalam deteksi penyakit, menyebabkan keterlambatan penanganan. Penelitian ini mengembangkan sistem deteksi dini penyakit tanaman padi menggunakan kecerdasan buatan dan computer vision dengan deep learning. Implementasi metode YOLOv10 yang efektif dengan menghilangkan penekanan Non-Maximum Suppression untuk mengurangi komputasi secara signifikan. Data penelitian yang dikumpulkan di Dinas Pertanian Kota Padang mencakup 1.446 citra dari tiga jenis penyakit: hawar daun bakteri, cendawan bercak, dan virus tungro. Pre-processing melalui augmentasi data, dataset diperbesar menjadi 10.122 citra. Pelatihan model selama 100 epoch menghasilkan tingkat kepercayaan untuk penyakit daun bakteri hawar (90%), cendawan bercak (91%), dan virus tungro (98%). Sistem mencapai tingkat kepercayaan mAP 93%, Skor F1 88%, dengan waktu komputasi 0,9 detik per citra. Sistem ini menjadi solusi efektif dan efisien bagi para ahli pertanian dan petani dalam menganalisis tingkat keparahan penyakit daun pada tanaman padi.
Co-Authors Encik Yoega Renaldi Pratama, Muhammad Harits rini sovia Setiawan, Adil Soeheri Soeheri Yuhandri Yuhandri