Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Teknik Informatika (JUTIF)
Agung, Andi Sadri
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.
CLASSIFICATION OF TOMATO QUALITY BASED ON COLOR FEATURES AND SKIN CHARACTERISTICS USING IMAGE PROCESSING BASED ARTIFICIAL NEURAL NETWORK Agung, Andi Sadri; SR, Amin Farid Dirgantara; Hersyam, Muh Syachrul; Kaswar, Andi Baso; Andayani, Dyah Darma
Jurnal Teknik Informatika (Jutif) Vol. 4 No. 5 (2023): JUTIF Volume 4, Number 5, October 2023
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2023.4.5.730

Abstract

Tomato (Solanum Lycopersicum) is a plantation commodity in Indonesia with a production rate that tends to increase every year. With a high economic value, maintenance is important so that the quality is getting better. The problems that arise at this time are related to the determination of the quality of tomatoes which is still done manually and depends on humans so classification using technology is considered important to be developed. Previously there has been researching related to the classification of tomatoes. However, accuracy and computation time still need to be improved. Therefore, in this research, a method of classification of tomatoes was carried out using Artificial Neural Network (ANN) Backpropagation algorithm by utilizing color features and skin characteristics based on image processing. This research followed several stages, from acquiring 300 tomato images with 3 class levels to the classification process using ANN Backpropagation. Several training scenarios and tests were conducted to select the feature combined with the highest accuracy and fastest computation time. The combination of 3 best features used is RGB color feature with shape and texture features as skin characteristic parameters. Based on training results with 210 training images, an accuracy of 100% was obtained with a computation time of 2.58 seconds per image. While test results with 90 test images, accuracy reaches 95.5% with a computing time of 1.39 seconds per image. So it can be concluded that the method used has gone well in classifying tomato image quality based on color features and skin characteristics.
Co-Authors Andi Baso Kaswar Andi Baso Kaswar Hersyam, Muh Syachrul Mulia, Musda Rida Sasmita SR, Amin Farid Dirgantara WULANDARI