Article Per Year (5 Year)
p-Index From 2020 - 2025
1.197
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Bulletin of Computer Science Research Journal of Education Research Indonesian Journal Computer Science (ijcs) Jurnal Keilmuan dan Aplikasi Teknologi Industri
Yulihartati, Sandra
Unknown Affiliation
Humanities Computer Science & IT Education Engineering Industrial & Manufacturing Engineering Mathematics Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis Wirdawati, Wira; Yulihartati, Sandra; 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.v3i2.5600

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.
Identifikasi Citra Jeruk Nipis dengan Contrast Stretching dan Median Filter Wirdawati, Wira; Yulihartati, Sandra; Ramadhanu, Agung
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.v5i4.1987

Abstract

Citra digital adalah suatu citra yang dapat didefinisikan sebagai fungsi f(x,y) yang memiliki koordinat spasial dan tingkat kecerahan yang diskrit. Penelitian ini bertujuan Mengimplementasikan citra pada jeruk nipis menggunakan Teknik Median filter dan Metode Contrast Stretching.  Contrast stretching adalah salah satu metode untuk perbaikan kualitas citra. Penelitian ini menggunakan aplikasi atau perangkat lunak MATLAB yang digunakan untuk memperbaiki kualitas citra. Sedangkan, Median Filter adalah salah satu teknik dalam pengolahan citra pada domain spasial yang dapat digunakan untuk peningkatan kualitas citra (image enhancement) terutama mengurangi noise (distorsi) pada sebuah Citra. Metode ini menunjukkan hasil dengan Nilai Metric: 0.97555 yang Menandakan Kesesuaian Tinggi, Nilai Eccentricity: 0.29717 menandakan nilai sempurna, dan Untuk Nilai Contrast: 0.023662 menunjukan nilai yang rendah, dan Nilai Correlation: 0.99765 menandakan Nilai yang baik, pada nilai Energy: 0.65264 menunjukkan tekstur yang seragam dengan hasil yang baik, kemudian untuk nilai Homogeneity: 0.99397 menandakan Keseragaman intensitas Pixel Citra yang cukup tinggi.
IMPLEMENTASI ALGORITMA KNN, PCA PADA KLASIFIKASI BUAH PIR MADU, PIR HIJAU DAN APEL MERAH Yulihartati, Sandra; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13835

Abstract

Klasifikasi citra buah dapat dilakukan berdasarkan bentuk, ukuran, tekstur, warna buah. Buah merupakan salah satu data yang dipakai pada pengolahan data yang dapat mempermudah identifikasi jenis buah berdasarkan ciri-ciri fisiknya. Penelitian ini bertujuan mengimplementasikan algoritma K-Nearest Neighbors (KNN) dan Principal Component Analysis (PCA) untuk mengklasifikasikan tiga jenis buah, yaitu Pir Madu, Pir Hijau, dan Apel Merah. PCA digunakan untuk mereduksi dimensi data morfologi yang terdiri dari fitur berat, panjang, dan lebar buah, sehingga meningkatkan efisiensi dan efektivitas model KNN dalam melakukan klasifikasi. Data yang digunakan terdiri dari 26 data yang dibagi menjadi data latih dan data uji. Setelah proses standarisasi, PCA diterapkan untuk mengurangi jumlah komponen fitur menjadi dua komponen utama yang mempertahankan informasi penting dalam data. Selanjutnya, algoritma KNN dengan parameter k=3 digunakan untuk melakukan klasifikasi pada data uji. Hasil penelitian menunjukkan bahwa kombinasi PCA dan KNN menghasilkan akurasi klasifikasi sebesar 90%, dengan nilai precision 90 %, recal 90%, dan F1-score 94,7% yang baik untuk setiap jenis buah. Hasil ini menunjukkan bahwa teknik PCA dapat meningkatkan kinerja algoritma KNN dalam klasifikasi buah dengan mengurangi dimensi data yang kompleks. Penelitian ini memberikan kontribusi pada pengembangan teknik klasifikasi buah berbasis data morfologi dengan penerapan PCA dan KNN.
Analisis Algoritma K-Means Clustering untuk Pengelompokan Rekomendasi Judul Proposal Tugas Akhir Mahasiswa Yulihartati, Sandra; Defit, Sarjon; Nurcahyo, Gunadi Widi
Bulletin of Computer Science Research Vol. 5 No. 5 (2025): August 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i5.755

Abstract

The academic process requires speed and accuracy in processing student data, such as submitting final project titles. In the context of final project title recommendations, many universities have not yet implemented the Data Mining approach optimally. Based on this, this study aims to recommend grouping of student final project proposal titles. The K-Means clustering method can be used in grouping data based on similarities between analyzed objects. With the K-Means method, the student grouping process utilizes grade data from the courses of Rock Mechanics, Drilling and Excavation Techniques, Underground Mining Methods, Reserve Modeling and Evaluation, Explosives and Blasting Techniques, Open Pit Mining, Mine Drainage Systems, Mapping Surveys, and Mineral Resources. The results of K-Means are strongly influenced by the k parameter and centroid initialization. The research variables include data mapping of course grades of students in the Mining Engineering Study Program. Based on the K-Means Clustering Method, it has been able to divide 104 student value data into 3 clusters, namely Natural Resource Exploration (C0), Geomechanics (C1) and Mining Environment (C2). The results of Cluster CO are 60, the results of Cluster C1 are 27 and the results of Cluster C2 are 17. The contribution of this research can provide fast, precise and accurate information in grouping recommendations for student final project proposal titles.
Implementasi Euclidean Distance dan Segmentasi K-Means Clustering Pada Identifikasi Citra Jeruk Nipis Yulihartati, Sandra; Ramadhanu , Agung; Wirdawati, Wira
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.v3i2.5600

Abstract

Jeruk nipis (Citrus aurantifolia) adalah buah kecil yang berasal dari Asia Tenggara dan dikenal luas karena aroma dan rasa asamnya. Buah ini memiliki berbagai manfaat kesehatan dan masakan. Penelitian ini bertujuan mengimplementasikan algoritma Euclidean Distance dan segmentasi citra dengan K-Mean Clustering pada identifikasi citra jenis Jeruk Nipis berdasarkan ciri bentuk dan teksturnya. Algoritma K-Mean Clustering digunakan untuk memisahkan antara Foreground dan Background pada citra. Objek tersebut akan diekstraksi cirinya berdasarkan bentuk dan ciri tekstur dengan menggunakan MATLAB. Segmentasi citra merupakan langkah penting dalam pengolahan citra. Fokus penelitian ini adalah pada dua warna jeruk nipis hijau  dan jeruk nipis kuning. Proses segmentasi dimulai dengan tahap praproses citra, seperti konversi ke ruang warna Lab* untuk meningkatkan ketepatan segmentasi berdasarkan komponen warna. Algoritma K-Means Clustering digunakan untuk membagi citra menjadi beberapa kluster yang masing-masing mewakili segmen berbeda dari citra jeruk nipis. Hasil segmentasi dievaluasi untuk memastikan kluster yang terbentuk mampu memisahkan objek jeruk nipis dengan akurat dari latar belakang.  Maka didapatkan hasil ekstraksi ciri pada Metric adalah 0,95965 menunjukan hasil yang sangat baik, pada Eccentricity 0,18568 menunjukan  Ukuran eksentrisitas objek menggambarkan Nilai yang Sempurna. untuk Contrast 0,02922 merupakan nilai yang cukup rendah, pada Correlation tingkat keteraturan atau hubungan antara piksel dalam citra bernilai 0.99448 mendekati 1 dan dapat diartikan memiliki nilai yang baik , untuk Energy 0,67743 Cukup tinggi yang menunjukkan tekstur yang lebih seragam. untuk Homogeneity Keseragaman intensitas Pixel dalam Citra memiliki nilai yang cukup tinggi yaitu  0,99201. fitur-fitur ini digunakan untuk mengidentifikasi citra berdasarkan karakteristik yang relevan.
Identifikasi Citra Jeruk Nipis dengan Contrast Stretching dan Median Filter Wirdawati, Wira; Yulihartati, Sandra; Ramadhanu, Agung
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.v5i4.1987

Abstract

Citra digital adalah suatu citra yang dapat didefinisikan sebagai fungsi f(x,y) yang memiliki koordinat spasial dan tingkat kecerahan yang diskrit. Penelitian ini bertujuan Mengimplementasikan citra pada jeruk nipis menggunakan Teknik Median filter dan Metode Contrast Stretching.  Contrast stretching adalah salah satu metode untuk perbaikan kualitas citra. Penelitian ini menggunakan aplikasi atau perangkat lunak MATLAB yang digunakan untuk memperbaiki kualitas citra. Sedangkan, Median Filter adalah salah satu teknik dalam pengolahan citra pada domain spasial yang dapat digunakan untuk peningkatan kualitas citra (image enhancement) terutama mengurangi noise (distorsi) pada sebuah Citra. Metode ini menunjukkan hasil dengan Nilai Metric: 0.97555 yang Menandakan Kesesuaian Tinggi, Nilai Eccentricity: 0.29717 menandakan nilai sempurna, dan Untuk Nilai Contrast: 0.023662 menunjukan nilai yang rendah, dan Nilai Correlation: 0.99765 menandakan Nilai yang baik, pada nilai Energy: 0.65264 menunjukkan tekstur yang seragam dengan hasil yang baik, kemudian untuk nilai Homogeneity: 0.99397 menandakan Keseragaman intensitas Pixel Citra yang cukup tinggi.
Adaptasi Guru terhadap Revolusi Teknologi Pendidikan: Analisis Systematic Literature Review  (SLR) tentang Kompetensi Digital di Era 5.0 Yulihartati, Sandra; Veri, Jhon
Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri Vol. 25 No. 1 (2025): Regular Issue
Publisher : SEKOLAH TINGGI TEKNOLOGI INDUSTRI PADANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36275/7txpjz24

Abstract

Teknologi 5.0 merupakan fase evolusi terbaru dalam perkembangan teknologi yang mengintegrasikan dunia fisik dan digital serta menekankan keseimbangan antara kemajuan teknologi dan nilai-nilai kemanusiaan. Dalam konteks pendidikan, Era 5.0 menghadirkan perubahan paradigma yang mendalam melalui integrasi kecerdasan buatan, Internet of Things (IoT), dan sistem cerdas lainnya ke dalam proses pembelajaran. Penelitian systematic literature review ini bertujuan mengidentifikasi tingkat Kesanggupan guru dalam menghadapi transformasi digital, menganalisis faktor-faktor yang memengaruhi adaptasi teknologi, dan merumuskan strategi pengembangan profesional guru. Metode penelitian menggunakan Systematic Literature Review (SLR) dengan pendekatan kualitatif-deskriptif. Penelitian berfokus pada pendidikan, teknologi, dan Kesanggupan guru. Hasil penelitian menunjukkan bahwa mayoritas guru masih berada pada tahap adaptasi awal dengan tingkat kompetensi digital yang beragam. Faktor usia, latar belakang pendidikan, dan aksesibilitas infrastruktur teknologi signifikan memengaruhi Kesanggupan guru. Guru dengan usia lebih muda cenderung lebih responsif terhadap perubahan teknologi dibandingkan guru senior. Empat strategi utama peningkatan kompetensi guru diidentifikasi yaitu  pengembangan model pelatihan blended learning, kolaborasi lintas institusi, pengembangan kurikulum responsif teknologi, dan pemberdayaan melalui komunitas profesional digital. Pendekatan holistik ini bertujuan mengembangkan kemampuan teknis, berpikir kritis, kreativitas, dan adaptabilitas guru. Penelitian menekankan perlunya pendekatan sistemik dan berkelanjutan dalam pengembangan profesional guru, dengan fokus pada pemberdayaan, aksesibilitas teknologi, dan pengembangan kompetensi adaptif di Era 5.0.
Co-Authors Gunadi Widi Nurcahyo Ramadhanu , Agung Ramadhanu, Agung Sarjon Defit Veri, Jhon Wirdawati, Wira