Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Building of Informatics, Technology and Science Jurnal Informatika: Jurnal Pengembangan IT
Harlena, Silvia
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Jenis Tanaman Fast Growing Species Menggunakan Algoritma Radial Basis Function Berdasarkan Citra Daun Nuraini, Rini; Harlena, Silvia; Amalya, Farida; Ariestiandy, Deny
Building of Informatics, Technology and Science (BITS) Vol 4 No 4 (2023): March 2023
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v4i4.3245

Abstract

Indonesia has vast forests, even ranked as the third largest forest in the world. However, currently many forest areas have been deforested or the phenomenon of losing tree cover and forest areas. Forest rehabilitation programs develop by prioritizing plant or tree species that have fast growth or are called fast growing species. However, many people do not know about these fast growing species. Even though knowledge about the types of fast growing plant species is very important for the community to have so that the community can find out which plants can accelerate forest rehabilitation. Fast growing species of plants can actually be identified from the shape of the leaves. This study aims to build a classification model for fast growing species plant images based on leaf images by applying the Radial Basis Function (RBF) artificial neural network algorithm with morphological feature extraction. Morphological feature extraction is used to identify the shape of an object in order to obtain feature values based on predetermined parameters. These features then become input for the RBF artificial neural network to obtain learning patterns. The RBF network has three layers that are feedforward so that it can support solving classification or pattern recognition problems. Based on the results of accuracy testing, an accuracy value of 87.50% was obtained. This means that the Radial Basis Function (RBF) neural network is able to classify fast growing plant species based on leaf images.
Klasifikasi Buah Berkhasiat Obat Dengan Algoritme Euclidean Distance Menggunakan Ekstraksi Ciri Bentuk dan Tekstur Amalya, Farida; Harlena, Silvia
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 2 (2022)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i2.3688

Abstract

Mengonsumsi buah sangat dianjurkan karena mengandung vitamin, mineral, serta serat yang dibutuhkan oleh tubuh. Selain itu, ternyata buah-buahan dapat menjadi obat dan mencegah dari berbagai penyakit. Berdasarkan kajian riset secara empiris menunjukkan bahwa buah memiliki kandungan yang yang dapat menjadi obat bagi tubuh manusia. Akan tetapi, pengetahuan mengenai khasiat buah sebagai obat belum tersebar ke banyak orang. Buah-uahan yang berkhasiat obat dapat dikenali jika dilihat dari bentuk dan teksturnya. Penelitian ini bertujuan untuk melakukan klasifikasi jenis buah berkhasiat obat menggunakan euclidean distance dengan ekstraksi ciri bentuk dan tekstur. Proses ekstraksi ciri dilakukan agar dapat mengidentifikasi informasi dari ciri-ciri yang terdapat pada sebuah citra. Ekstraksi ciri bentuk didapatkan berdasarkan nilai metric dan eccentricity. Untuk ekstraksi ciri tekstur digunakan Gray Level Co-occurence Matrix (GLCM). Sedangkan proses klasifikasi menggunakan euclidean distance yang memiliki fungsi sebagai penentu tingkat kemiripan dari beberapa citra berdasarkan jarak eucliedean. Berdasarkan evaluasi model dengan menggunakan uji akurasi memperlihatkan bahwa model yang dikembangkan memiliki tingkat akurasi mencapat 83,33%. Hasil tersebut menunjukkan model yang dikembangkan mampu melakukan klasifikasi dengan baik.
Co-Authors Amalya, Farida Ariestiandy, Deny Rini Nuraini, Rini