Claim Missing Document
Check
Articles

Found 6 Documents
Search

Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning Agus Salim, David; Betriana Roza, Yesi; Ramadhanu , Agung
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5599

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas dan kematangan buah mangga melalui analisis citra digital. Kualitas dan kematangan buah mangga sangat mempengaruhi rasa, tekstur, dan keberlanjutan dalam industri pertanian dan pengolahan makanan. Metode tradisional penilaian yang melibatkan pengamatan warna, tekstur, dan aroma sering kali bersifat subjektif dan sulit diukur secara konsisten. Oleh karena itu, penelitian ini memanfaatkan teknologi pemrosesan gambar berbasis MATLAB untuk memberikan pendekatan objektif dalam penilaian kematangan buah. Fokus penelitian ini adalah pada dua tahap warna mangga yang umum, yaitu hijau (belum matang) dan kuning (matang). Melalui analisis citra digital, algoritma pemrosesan gambar digunakan untuk mendeteksi perubahan warna yang berkaitan dengan kematangan serta mengidentifikasi cacat atau kerusakan fisik pada buah. Hasil penelitian menunjukkan bahwa analisis citra digital efektif dalam membedakan antara mangga matang dan hijau, dengan tingkat akurasi klasifikasi yang tinggi. Temuan ini mendukung pengembangan sistem penilaian otomatis yang dapat meningkatkan efisiensi dan konsistensi dalam pemilihan serta pemrosesan buah mangga. Dari hasil ekstraksi ciri pada  Metric nilai 0.8373 menunjukkan hasil yang relatif baik. Nilai Eccentricity 0.8333, Nilai Contrast 0.084535. Nilai contrast yang rendah seperti 0.084535 menunjukkan bahwa citra memiliki sedikit perbedaan intensitas antara piksel-pikselnya, nilai Correlation yang didapatkan 0.9877, Nilai yang mendekati 1, seperti 0.9877, menunjukkan bahwa ada hubungan yang sangat kuat antara nilai intensitas piksel yang berdekatan. Nilai Energy yang didapatkan adalahh 0.40659. Nilai 0.40659 menunjukkan tingkat energi yang sedang dalam citra. Dan nilai Homogeneity adalah 0.98094. Nilai 0.98094 menunjukkan bahwa citra memiliki tingkat keseragaman yang sangat tinggi, dengan perbedaan intensitas yang sangat sedikit di seluruh citra.
Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter Betriana Roza, Yesi; Agus Salim, David; Ramadhanu, Agung Ramadhanu
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1863

Abstract

Penelitian ini bertujuan meningkatkan penilaian kualitas dan kematangan buah mangga melalui analisis citra digital menggunakan MATLAB. Kematangan mangga mempengaruhi rasa, tekstur, dan daya simpan, dan penilaian tradisional sering kali bersifat subjektif. Oleh karena itu, teknologi pemrosesan gambar digunakan untuk memberikan pendekatan objektif, dengan klasifikasi berdasarkan perubahan warna dari hijau (belum matang) ke kuning (matang). Hasil penelitian menunjukkan akurasi tinggi dalam membedakan mangga matang dan hijau, dengan parameter citra yang diperoleh: Eccentricity 0,84218, Contrast 0,041545, Correlation 0,99141, Energy 0,44415, dan Homogeneity 0,98644. Nilai-nilai ini menunjukkan hubungan kuat antar piksel dan keseragaman citra yang tinggi, yang mendukung pengembangan sistem penilaian otomatis yang efisien untuk menentukan kematangan buah mangga.
IMPLEMENTASI HYBRID INTELLIGENT SYSTEMS DALAM PENGKLASIFIKASIAN JENIS BUAH BERRY Agus Salim, David; Ramadhanu, Agung
JPG: Jurnal Pendidikan Guru Vol. 6 No. 2 (2025): JPG: Jurnal Pendidikan Guru
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/jpg.v6i2.18987

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan jenis buah berry berdasarkan kualitas dan kesegarannya menggunakan metode Principal Component Analysis (PCA) dan K-Nearest Neighbor (KNN). Penelitian dilakukan dengan menggunakan 16 citra latih dan 10 citra uji, yang terdiri atas tiga jenis buah berry: blackberry, blueberry, dan raspberry. Ekstraksi fitur dilakukan menggunakan PCA untuk mengurangi dimensi data, diikuti dengan proses klasifikasi menggunakan algoritma KNN dengan jarak Euclidean. Hasil pengujian menunjukkan bahwa kombinasi metode PCA dan KNN mampu mencapai tingkat akurasi sebesar 100%, yang menunjukkan efektivitas model dalam mengklasifikasikan jenis buah berry dengan akurat. Meskipun akurasi yang tinggi telah diperoleh, diperlukan evaluasi lebih lanjut untuk memastikan kemampuan generalisasi model dan menghindari risiko overfitting. Penelitian ini memberikan solusi praktis untuk klasifikasi buah berry berdasarkan kualitas dan kesegaran dengan lebih cepat dan akurat.  
PERBANDINGAN KINERJA PCA-KNN DAN LDA DALAM KLASIFIKASI JENIS KUPU-KUPU: ANALISIS AKURASI DAN EFEKTIVITAS Chairunnissa Deliva Akbar, Syifa; Agus Salim, David; Rahmad, Rahmad; Khomsi, Ahmad; Sovia, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13863

Abstract

Kupu-kupu merupakan serangga yang tergolong dalam ordo Lepidoptera atau serangga bersayap sisik. Keanekaragaman spesies kupu-kupu menjadi objek penelitian yang menarik dalam bidang ekologi, biologi, dan ilmu komputer, khususnya dalam bidang pengolahan citra digital dan kecerdasan buatan. Penelitian ini membandingkan kinerja metode Principal Component Analysis (PCA) dengan K-Nearest Neighbor (KNN) dan Linear Discriminant Analysis (LDA) dalam mengklasifikasikan jenis kupu-kupu Chestnut dan Clouded Sulphur. Perbandingan ini dilakukan untuk mengevaluasi efektivitas metode reduksi dimensi PCA dalam meningkatkan efisiensi klasifikasi dibandingkan dengan pendekatan pemisahan kelas berbasis LDA. PCA digunakan untuk mereduksi dimensi data guna meningkatkan efisiensi klasifikasi, sedangkan KNN dan LDA berperan sebagai algoritma klasifikasi dengan pendekatan yang berbeda dalam memisahkan kelas data. Hasil penelitian ini menunjukkan bahwa penggunaan metode PCA dalam klasifikasi citra kupu-kupu Chestnut dan kupu-kupu Clouded Sulphur dapat meningkatkan efisiensi dan keakuratan sistem secara signifikan. Hal ini dibuktikan dengan akurasi yang dicapai oleh PCA-KNN sebesar 93,3%, sedangkan LDA-KNN hanya mancala 80%.
Evaluasi Kualitas dan Kematangan Mangga Menggunakan Analisis Citra Digital dengan Euclidean Distance Fokus pada Buah Hijau dan Kuning Agus Salim, David; Betriana Roza, Yesi; Ramadhanu , Agung; Betriana, Yesi
Indonesian Journal Computer Science Vol. 3 No. 2 (2024): Oktober 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v3i2.5599

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas dan kematangan buah mangga melalui analisis citra digital. Kualitas dan kematangan buah mangga sangat mempengaruhi rasa, tekstur, dan keberlanjutan dalam industri pertanian dan pengolahan makanan. Metode tradisional penilaian yang melibatkan pengamatan warna, tekstur, dan aroma sering kali bersifat subjektif dan sulit diukur secara konsisten. Oleh karena itu, penelitian ini memanfaatkan teknologi pemrosesan gambar berbasis MATLAB untuk memberikan pendekatan objektif dalam penilaian kematangan buah. Fokus penelitian ini adalah pada dua tahap warna mangga yang umum, yaitu hijau (belum matang) dan kuning (matang). Melalui analisis citra digital, algoritma pemrosesan gambar digunakan untuk mendeteksi perubahan warna yang berkaitan dengan kematangan serta mengidentifikasi cacat atau kerusakan fisik pada buah. Hasil penelitian menunjukkan bahwa analisis citra digital efektif dalam membedakan antara mangga matang dan hijau, dengan tingkat akurasi klasifikasi yang tinggi. Temuan ini mendukung pengembangan sistem penilaian otomatis yang dapat meningkatkan efisiensi dan konsistensi dalam pemilihan serta pemrosesan buah mangga. Dari hasil ekstraksi ciri pada  Metric nilai 0.8373 menunjukkan hasil yang relatif baik. Nilai Eccentricity 0.8333, Nilai Contrast 0.084535. Nilai contrast yang rendah seperti 0.084535 menunjukkan bahwa citra memiliki sedikit perbedaan intensitas antara piksel-pikselnya, nilai Correlation yang didapatkan 0.9877, Nilai yang mendekati 1, seperti 0.9877, menunjukkan bahwa ada hubungan yang sangat kuat antara nilai intensitas piksel yang berdekatan. Nilai Energy yang didapatkan adalahh 0.40659. Nilai 0.40659 menunjukkan tingkat energi yang sedang dalam citra. Dan nilai Homogeneity adalah 0.98094. Nilai 0.98094 menunjukkan bahwa citra memiliki tingkat keseragaman yang sangat tinggi, dengan perbedaan intensitas yang sangat sedikit di seluruh citra.
Optimasi Kualitas dan Kematangan Mangga Melalui Pemrosesan Citra Menggunakan Median Filter Betriana Roza, Yesi; Agus Salim, David; Ramadhanu, Agung Ramadhanu
Journal of Education Research Vol. 5 No. 4 (2024)
Publisher : Perkumpulan Pengelola Jurnal PAUD Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37985/jer.v5i4.1863

Abstract

Penelitian ini bertujuan meningkatkan penilaian kualitas dan kematangan buah mangga melalui analisis citra digital menggunakan MATLAB. Kematangan mangga mempengaruhi rasa, tekstur, dan daya simpan, dan penilaian tradisional sering kali bersifat subjektif. Oleh karena itu, teknologi pemrosesan gambar digunakan untuk memberikan pendekatan objektif, dengan klasifikasi berdasarkan perubahan warna dari hijau (belum matang) ke kuning (matang). Hasil penelitian menunjukkan akurasi tinggi dalam membedakan mangga matang dan hijau, dengan parameter citra yang diperoleh: Eccentricity 0,84218, Contrast 0,041545, Correlation 0,99141, Energy 0,44415, dan Homogeneity 0,98644. Nilai-nilai ini menunjukkan hubungan kuat antar piksel dan keseragaman citra yang tinggi, yang mendukung pengembangan sistem penilaian otomatis yang efisien untuk menentukan kematangan buah mangga.