Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Embedded Systems, Security and Intelligent Systems
Mulia, Musda Rida
Unknown Affiliation
Computer Science & IT Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Kandungan Nutrisi Buah Pisang Berdasarkan Fitur Tekstur dan Warna LAB menggunakan Jaringan Syaraf Tiruan Berbasis Pengloahan Citra Digital Wulandari; Sasmita; Mulia, Musda Rida; Kaswar, Andi Baso; Andayani, Dyah Darma; Agung, Andi Sadri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938332

Abstract

Pisang (musa spp.) merupakan salah satu jenis buah yang tingkat produksinya selalu meningkat di setiap tahunnya, terutama di Indonesia. Hal ini dikarenakan pisang memiliki kandungan nutrisi yang berbeda di setiap kematangannya, sehingga aman dikonsumsi oleh semua tingkatan usia sesuai kebutuhan nutrisinya.  Namun, sebagian besar orang kesulitan menentukan kematangan pisang yang sesuai dengan kebutuhan nutrisi mereka dikarenakan perlu melakukan uji laboratorium yang memakan waktu dan peralatan canggih. Sehingga pemanfaatan teknologi menggunakan citra digital dirasa sangat perlu digunakan untuk menilai kandungan nutrisinya. Sebelumnya, terdapat penelitian yang telah melakukan klasifikasi kematangan buah pisang. Namun, belum ada yang berfokus pada klasifikasi kandungan nutrisinya, serta perlu adanya penambahan parameter pengukuran lainnya untuk bisa mendapatkan hasil klasifikasi yang lebih akurat. Oleh karena itu, pada penelitian ini diusulkan sistem klasifikasi kandungan nutrisi buah pisang berdasarkan fitur tekstur dan warna LAB dengan menggunakan jaringan syaraf tiruan berbasis pengolahan citra digital. Metode yang diusulkan tersebut terdiri atas enam tahap, diantaranya yaitu tahap akuisisi citra, preprocessing, segmentasi, morfologi, ekstraksi fitur, dan klasifikasi berdasarkan model yang telah dilatih. Pada penelitian ini juga, dilakukan beberapa skenario pelatihan dan pengujian untuk menentukan kombinasi fitur yang memiliki tingkat akurasi terbaik. Sehingga didapatkan dua kombinasi fitur terbaik yaitu fitur warna LAB dan fitur tekstur dimana yang diambil adalah nilai contrast dan energy. Berdasarkan hasil pengujian terhadap 100 citra uji, diperoleh rata-rata precision 98,18%, recall 98%, F1-Score 98,09% dan akurasi keseluruhan mencapai 98%. Berdasarkan hasil tersebut maka dapat disimpulkan bahwa metode yang diusulkan dapat mengklasifikasikan kandungan nutrisi buah pisang dengan akurasi yang tinggi.
Comparative Analysis of the Performance of Hadith Text Classification Methods: A Case Study with ANN and SVM Surianto, Dewi Fatmarani; Fajar B, Muhammad; Mulia, Musda Rida; Indanasufya, Indanasufya
Journal of Embedded Systems, Security and Intelligent Systems Vol 5, No 1 (2024): March 2024
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v5i1.2942

Abstract

Hadith is the second holy book for Muslims after the Quran, containing instructions from the Prophet Muhammad SAW, and narrated by Ulama / Mufti. As one of the main sources of Islamic teachings, hadith is used to explain and illustrate the teachings of the Quran. This study aims to compare the performance of hadith text classification using Artificial Neural Network (ANN) and Support Vector Machine (SVM) with Hadith Bukhari dataset. The stages include preprocessing, feature extraction with TF-IDF, classification, and evaluation. The evaluation results show different performance between ANN and SVM in two scenarios: with and without stemming. The use of stemming has a significant impact on model performance, reducing word variation and can result in a decrease in accuracy. The SVM model consistently showed higher accuracy than ANN in both scenarios, with the highest accuracy reaching 85% for classification without stemming. This study provides insight into the application of ANN and SVM in hadith text classification, emphasizing the importance of selecting a method that suits the characteristics of the data.
Co-Authors Agung, Andi Sadri Andi Baso Kaswar Andi Baso Kaswar Dewi Fatmarani Surianto Indanasufya, Indanasufya Muhammad Fajar B Sasmita WULANDARI