Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Jurnal Simetris KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika
Putra, I Kadek Nurcahyo
Unknown Affiliation
Aerospace Engineering Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
KLASIFIKASI KUALITAS BIJI KOPI ROBUSTA DENGAN METODE NAIVE BAYES Putra, I Kadek Nurcahyo; Gunadi, I Gede Aris; Sunarya, I Made Gede
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 3 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i3.565

Abstract

Sortasi Kualitas biji kopi merupakan proses yang sangat penting untuk menjaga serta meningkatkan kualitas produksi, melihat kopi sebagai salah satu komoditas paling penting yang diperjual belikan. Penulis ingin meminimalisir kesalahan klasifikasi oleh manusia yang subjektif dengan mengimplementasi metode Naive Bayes untuk melakukan klasifikasi kualitas biji kopi secara objektif. Biji kopi difoto sehingga menghasilkan citra biji kopi, ruang warna HSV digunakan untuk melakukan ekstraksi ciri warna biji, tekstur biji kopi diekstrak dengan metode GLCM, dan ukuran biji kopi dihitung dengan mengakumulasi nilai piksel pada objek citra biner. Pengujian terhadap model klasifikasi yang dibangun dengan 480 data latih menghasilkan akurasi 90.8% berdasarkan 120 data uji. Hasil akurasi menunjukkan ketika ada 120 data uji maka 11 data salah diklasifikasi atau ketika ada 200 data uji maka 19 hingga 20 biji akan salah diklasifikasi oleh model. Penelitian selanjutnya disarankan untuk melakukan pengamatan yang lebih dalam untuk mendapatkan fitur ciri yang dapat merepresentasikan perbedaan kualitas biji dengan lebih representative, serta membandingkan metode klasifikasi Naive Bayes dengan metode klasifikasi lain untuk mendapatkan model klasifikasi yang lebih baik di masa depan
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN METODE MACHINE LEARNING Putra, I Kadek Nurcahyo; Dewi, Ni Putu Dita Ariani Sukma; Pusparani, Diah Ayu; Mupu, Dibi Ngabe
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 7 No. 1 (2023)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v7i1.618

Abstract

Signature is used to legally approve an agreement, treaty, and state administrative activities. Identification of the signature is required to ensure ownership of a signature and to prevent things like forgery from happening to the owner of the signature. In this study, data signatures were obtained from 25 people over the age of 50. The signers provided 20 signatures and were free to choose the stationery used to write the signature on white paper. The total data obtained in this study was 500 signature data. The obtained signature was scanned to create a signature image, which was then pre-processed to prepare it for feature extraction, which can characterize the signature images. The HOG method was used to extract features, resulting in a dataset with 4,536 feature vectors for each signature image. To identify the signature image, the classification methods SVM, Decision Tree, Nave Bayes, and K-NN were compared. SVM achieved the highest accuracy, which is 100%. When K=5, the K-NN method achieved a fairly good accuracy of 97.3%. Meanwhile, Naive Bayes and Decision Tree achieved accuracy significantly lower than K-NN (61%). Because the HOG method produced a large feature vector for each signature, it is recommended that important features that represent signatures be optimized or extracted to produce smaller features to speed up computation without sacrificing accuracy, and that the HOG method be compared to other extraction feature methods to obtain a better model in future research.
Klasifikasi Kualitas Biji Kopi Robusta Dengan Metode Naive Bayes berdasarkan Ukuran Biji, Tekstur, dan Warna Putra, I Kadek Nurcahyo; Gunadi, I Gede Aris; Sunarya, I Made Gede
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 1 (2024): JURNAL SIMETRIS VOLUME 15 NO 1 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i1.10790

Abstract

Kopi merupakan salah satu komoditas terpenting di dunia, lebih dari dua juta gelas kopi di konsumsi setiap hari. Kualitas kopi bergantung pada serangkaian proses, dan sortasi merupakan proses yang sangat penting untuk mensegmentasi biji kopi sesuai kualitas. Biji kopi yang tercampur menyebabkan rusaknya rasa, menurunkan kualitas, dan harga. Sortasi biji dengan cara manual rentan mengalami kesalahan disebabkan turunnya konsentrasi serta subjektivitas manusia. Pada penelitian ini penulis mengimplementasi algoritma Naive Bayes untuk membangun model klasifikasi kualitas biji kopi robusta berdasarkan fitur warna RGB, fitur tekstur dengan metode GLCM, dan fitur ukuran biji kopi robusta. Biji kopi robusta diperoleh dari CV. Kaki Lima Solid sejumlah 300 gram untuk setiap kualitas. Biji kopi difoto untuk menghasilkan citra biji kopi. Citra biji kopi di pre-proses selanjutnya di lakukan ekstraksi fitur warna, tekstur, dan ukuran biji. Dataset hasil ekstraksi fitur di bagi menjadi dua bagian, 480 data digunakan untuk melatih algoritma Naive Bayes. Pengujian model klasifikasi dengan 120 data uji memperoleh hasil akurasi 87.5%. Komparasi fitur dan metode klasifikasi lain pada masa depan dapat dilakukan untuk memperoleh hasil yang lebih baik.
Performance Comparison of ARIMA, LSTM, and Prophet Methods in Sales Forecasting Suryawan, I Gede Totok; Putra, I Kadek Nurcahyo; Meliana, Putu Mita; Sudipa, I Gede Iwan
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 4 (2024): Article Research Volume 8 Issue 4, October 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.14057

Abstract

The development of the business world that is growing rapidly today resulted in tighter competitiveness between fellow business actors. One of the businesses that has sprung up in the market today is the bakery business. Currently, bread is one of the food needs in Indonesia that is great demand by children to the elderly, which is often used as breakfast or snack. One of the companies that produces white bread is the Bandung White Bread Factory. The number of sales at this factory continues to increase every month based on total sales data recorded since 2021. With the increasing number of sales at this factory, the factory often experiences stock shortages and cannot meet customer demand. Therefore, in this study, a model has been developed to forecast the sales of white bread using the ARIMA, LSTM, and Prophet methods. The results of the study showed that the ARIMA method (1,0,2) had the best performance compared to the LSTM and Prophet methods, because the ARIMA method (1,0,2) produced the smallest error accuracy value, namely with a MAPE value of 4.548%, an MSE value of 2248.0822, and an RMSE value of 47.4139.
Co-Authors Dewi, Ni Putu Dita Ariani Sukma I Gede Aris Gunadi I Gede Iwan Sudipa I Gede Totok Suryawan I Made Gede Sunarya Meliana, Putu Mita Mupu, Dibi Ngabe Pusparani, Diah Ayu