Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Adiningsi, Sri
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI BENTUK TELUR AYAM BERBASIS CITRA DIGITAL MENGGUNAKAN METODE K-MEANS CLUSTERING Adiningsi, Sri; Siti Nurhalisa, Waode; Adi Saputra, Rizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6462

Abstract

Di Indonesia, permintaan dan penggunaan telur meningkat setiap tahunnya. Berdasarkan.data yang ada di. Badan Pusat Statistik (BPS), konsumsi/permintaan.telur.per.kapita mencapai.9,98. butir pada. September.2021. Untuk itu peternak perlu meningkatkan produksi mereka secara komparatif dalam hal konsumsi. Hal ini sebanding dengan permintaan pasar yang tinggi harus membutuhkan penjual telur yang bisa menyortir telur berdasarkan kualitas dan ukurannya. Untuk menyortir telur masih banyak manusia yang menyortir telur dengan cara manual/tangan manusia sehingga membutuhkan waktu yang cukup lama, akurasinya masih tergolong kecil yang menyebabkan sering terjadi kesalahan manusia. Dari masalah ini diperlukan sistem penilaian telur otomatis untuk menghemat waktu. Oleh karena itu, penelitian ini mengajukan sistem klasifikasi telur ayam dengan metode K-means Clustering dengan mengelompokkan telur ayam menjadi 2 kelompok yaitu telur berukuran besar dan telur berukuran kecil. Berdasarkan hasil pelatihan dan pengujian data secara otomatis menggunakan GUI Matlab dihasilkan akurasinya yaitu 91,67% dari 36 data uji, dimana terdapat 3 kesalahan data yang diidentifikasi.
IDENTIFIKASI KUALITAS IKAN CAKALANG SEGAR BERBASIS CITRA MATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DENGAN FUNGSI KERNEL RADIAL BASIS FUNCTION Adiningsi, Sri; Pramono, Bambang; Mashur Sajiah, Adha; Adi Saputra, Rizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12641

Abstract

Sulawesi Tenggara, yang mengalami peningkatan potensi perikanan dari 11,25% pada 2019 menjadi 11,60% pada 2021, memiliki kontribusi besar dalam komoditas seperti cakalang, dengan tangkapan sebesar 21.868 ton senilai Rp 501 miliar. Namun, tantangan utama yang dihadapi adalah jaminan mutu dan kualitas ikan untuk mempertahankan kepercayaan konsumen. Proses pendeteksian kesegaran ikan, yang umumnya dilakukan secara manual melalui indera manusia, menjadi tidak efektif untuk volume besar karena memakan biaya dan waktu yang tinggi. Penelitian ini bertujuan mengimplementasikan metode Support Vector Machine (SVM) dengan Kernel Radial Basis Function untuk mendeteksi kualitas ikan segar dan tidak segar berdasarkan citra mata ikan. Dataset yang digunakan sebanyak 1.830 citra, terdiri dari 1.050 citra ikan segar dan 870 citra tidak segar, yang dibagi 80% untuk pelatihan dan 20% untuk pengujian. Model yang dibangun mencapai akurasi sebesar 92,8% dan f1-score 93,4% berdasarkan confusion matrix. Pengujian menggunakan K-Fold Cross-Validation (K=10) menghasilkan akurasi tertinggi sebesar 94,54% dengan deviasi standar 1,69, menunjukkan kestabilan dan keandalan model. Hasil penelitian ini mendukung penerapan sistem deteksi otomatis berbasis citra mata ikan sebagai alat yang efisien dan akurat untuk menilai kualitas ikan, serta dapat meningkatkan daya saing produk perikanan di pasar global.
Co-Authors Bambang Pramono Mashur Sajiah, Adha Rizal Adi Saputra Siti Nurhalisa, Waode