Article Per Year (5 Year)
p-Index From 2021 - 2026
1.048
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika SMATIKA Network Engineering Research Operation [NERO] Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Jurnal Insan Farmasi Indonesia Konstelasi: Konvergensi Teknologi dan Sistem Informasi Prosiding Seminar Nasional Pengabdian Masyarakat Journal of Embedded Systems, Security and Intelligent Systems JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Smatika Jurnal : STIKI Informatika Jurnal
Setiawan, Hendry
Teknik Informatika, Universitas Ma Chung
Arts Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Medicine & Pharmacology Physics

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Buana Informatika

 1 
Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning Felix Adrian Tjokro Atmodjo; Kestrilia Rega Prilianti; Hendry Setiawan
Jurnal Buana Informatika Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v14i01.6997

Abstract

Implementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning. Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun, KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 – 0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citra
Perbandingan Pytesseract dan Template Matching Untuk Otomatisasi Input Data KTP Teresa Octaviani; Hendry Setiawan; Oesman Hendra Kelana
Jurnal Buana Informatika Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v14i02.7612

Abstract

KTP memiliki banyak fungsi, seperti sebagai kartu identitas, dalam proses pendaftaran, dalam proses kepengurusan, serta untuk mengakses layanan. Hingga saat ini, pendaftaran KTP dilakukan dengan diketik sehingga tidak hemat waktu dan tenaga, serta sering menyebabkan kesalahan dalam pengetikan sehingga data yang disimpan tidak sesuai. Oleh karena itu, dikembangkan aplikasi dengan fitur otomatisasi pengisian data KTPmenggunakan OCR. Metode OCRyang akan digunakan ditentukan dengan pengujian akurasi metode Pytesseract dan template matching pada kondisi menggunakan kamera smartphone dengan pencahayaan gelap, terang, terang sekali, dan menggunakan kamera laptop. Rata-rata tingkat akurasi dari empat pengkondisian yang didapatkan oleh metode Pytesseract adalah 98,33%, sedangkan rata-rata yang didapatkan oleh metode template matching adalah 67,33%. Berdasarkan hasil ini, sistem OCR yang dikembangkan menggunakan metode Pytesseract.
Co-Authors Abdurrachman Kamil Dhermawan Alfred Christian Supusepa Antonius Duty Susilo Antony Hilary Danny Gunawan Dennys Gunawan Ekky Rino Fajar Sakti Felix Adrian Tjokro Atmodjo Felix Tandiono Hans Kristian Irawan, Paulus Lucky Tirma Irawan, Paulus Lucky Tirma Ivan Christianto O Kestrilia Rega Prilianti Kielvien Lourensius Eka S. P. Marcelino Centauri Dwi Prasetyo Meliyana Rahayu Yoanita Mochamad Subianto Monica, Eva Nicholas Febrian Oesman Hendra Kelana Oesman Hendra Kelanata Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Paulus Lucky Tirma Irawan Prasetyo Mimboro Priska Mariana Rehmadenta Sitepu Rollando, Rollando Tandiono, Felix Tandiono, Felix Teresa Octaviani William Wicaksono Windra Swastika Yandriyani, Devilke