p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Generic
-, Abdurahman -
Unknown Affiliation

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

Found 2 Documents
Search
Journal : Jurnal Generic

Sistem Deteksi Kematangan Buah Pisang Berdasarkan Warna Kulit Menggunakan Metode HSV Zarkasi, Ahmad; Y. A. P, Kadek Dwivayana; Ubaya, Huda; Afifah, Nurul; Heriyanto, Ahmad; Sazaki, Yoppy; -, Abdurahman -
Generic Vol 16 No 1 (2024): Vol 16, No 1 (2024)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/generic.v16i1.178

Abstract

Pengolahan citra digital merupakan teknik manipulasi citra secara digital yang khususnya menggunakan komputer menjadi citra lain yang sesuai dengan kebutuhan. Klasifikasi kematangan pisang dapat dilakukan dengan dua cara, yaitu dengan menggunakan kandungan nutrisi dan tingkat kematangan warna pisang. Penelitian ini pengusulkan pendeteksian kematangan buah pisang berdasarkan warna kulit, dengan menggunakan metode ruang warna HSV (Hue, Saturation, Value). Komponen prosesor utama menggunakan Raspberry Pi 3B sebagai pengolah data Raspberry Pi Camera V2 sebagai penangkap citra buah pisang. Hasil penelitian ini berupa sistem bisa membedakan warna dari buah pisang yang berada dalam satu frame. Hasil yang diperoleh adalah , nilai efektif HSV yang didapat dari pengujian deteksi warna kuning kulit buah pisang adalah Hmin 15, Hmax 40-60, Smin 100, Smax 255, Vmin 60, dan Vmax 255. Dengan nilai HSV tersebut didapatkan nilai rata-rata keberhasilan sebesar 55%.
Implementasi Algoritma K-Means Clustering Berdasarkan Karakteristik Suara untuk Pengelompokan Gender pada Data Audio Waveform -, Isbatudinia -; -, Abdurahman -; -, Sukemi -; Buchari, M. Ali; Latifah, Siti; Hamidah, Wanda; Efendi, Rusdi
Generic Vol 16 No 2 (2024): Vol 16, No 2 (2024)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/generic.v16i2.198

Abstract

Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk mengidentifikasi gender berdasarkan karakteristik suara. Metodologi melibatkan pre-processing data audio, ekstraksi fitur menggunakan Mel-Frequency Cepstral Coefficients (MFCC), dan pengelompokan dengan K-Means. Hasil menunjukkan keberhasilan dalam memisahkan suara menjadi dua cluster: 70.2% suara perempuan dan 29.8% suara laki-laki. Kombinasi MFCC dan K-Means terbukti efektif dalam menangkap perbedaan karakteristik frekuensi antar gender. Metode ini menunjukkan potensi signifikan untuk aplikasi pengenalan suara berbasis gender tanpa memerlukan label awal.