Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Jurnal Riset Sistem dan Teknologi Informasi
Dzikrullah Suratin, Muhammad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PADA KLASIFIKASI JENIS CENGKEH BERDASARKAN FITUR TEKSTUR DAUN Talib, Sadri; Sudin, Sakina; Dzikrullah Suratin, Muhammad
Jurnal Riset Sistem dan Teknologi Informasi Vol. 2 No. 1 (2024): Jurnal Riset Sistem dan Teknologi Informasi (RESTIA) Vol. 2 No. 1
Publisher : Universitas Aisyiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30787/restia.v2i1.1364

Abstract

Leaves are a very important plant component because they play an important role in differentiating plant species, including clove plants. Currently, the identification of clove species, namely Afo, Siputih, and Zanzibar, relies on manual observation of the characteristics of the fruit and flowers, which can take a long time, especially considering the long fruiting period of the clove plant. To answer this problem, the authors conducted a study to classify the three types of clove leaves based on the characteristics and texture of the Gray gray-level co-occurrence Matrix (GLCM), which includes four parameters: Contrast, Correlation, Energy, and Homogeneity. The Support Vector Machine (SVM) classification algorithm processes extracted feature values and accurately class leaves. This study achieves the highest accuracy of 56.67% on an image size of 250x250 pixels and 48.33% on an image size of 150x150 pixels using 150 training data and 60 test data. These results indicate the potential of automatic leaf classification in efficiently identifying clove plant species. Keywords : Clove, Leaf, Processing, Texture, SVM
PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) PADA KLASIFIKASI JENIS CENGKEH BERDASARKAN FITUR TEKSTUR DAUN Talib, Sadri; Sudin, Sakina; Dzikrullah Suratin, Muhammad
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 1 (2024): Prosisko Vol. 11 No. 1 Maret 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i1.7911

Abstract

Daun merupakan komponen tumbuhan yang sangat penting karena berperan penting dalam membedakan jenis tumbuhan, termasuk tumbuhan cengkeh. Saat ini identifikasi jenis tanaman cengkeh yaitu Afo, Siputih, dan Zanzibar mengandalkan pengamatan secara manual terhadap ciri-ciri buah dan bunga yang dapat memakan waktu lama, terutama mengingat masa berbuah tanaman cengkeh yang panjang. Untuk menjawab permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan ketiga jenis daun cengkeh berdasarkan ciri ciri dan tekstur Gray Level Co-Occurrence Matrix (GLCM) yang meliputi empat parameter yaitu Kontras, Korelasi, Energi, dan Homogenitas. Algoritma klasifikasi Support Vector Machine (SVM) digunakan untuk memproses nilai fitur yang diekstraksi dan mengklasifikasikan daun secara akurat. Penelitian ini mencapai akurasi tertinggi sebesar 56,67% pada ukuran citra 250x250 piksel dan 48,33% pada ukuran citra 150x150 piksel dengan menggunakan 150 data latih dan 60 data uji. Hasil tersebut menunjukkan potensi klasifikasi daun otomatis dalam mengidentifikasi spesies tanaman cengkeh secara efisien.
Co-Authors Sudin, Sakina Talib, Sadri