Claim Missing Document
Check
Articles

Found 7 Documents
Search

Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering Saputra, Riyan; Dila, Rahmah; 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.v5i4.1715

Abstract

Timun merupakan salah satu komoditas pertanian yang rentan terhadap penurunan kualitas akibat proses pembusukan. Klasifikasi timun segar dan busuk secara manual dapat memakan waktu dan tidak konsisten, sehingga diperlukan metode otomatis yang lebih efisien. Tujuan utama dari penelitian ini adalah untuk mengimplementasi sistem klasifikasi otomatis berbasis pengolahan citra dalam mengklasifikasikan timun segar dan timun busuk berdasarkan fitur visual seperti warna, tekstur, dan bentuk, guna meningkatkan efisiensi dan konsistensi dalam proses seleksi kualitas timun. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Algoritma K-Means Clustering berfungsi untuk mengelompokkan citra ke dalam dua cluster, yaitu timun segar dan timun busuk. Data yang digunakan mencakup 50 citra untuk pengujian, yang terdiri dari 25 timun segar dan 25 timun busuk. Hasil penelitian ini menunjukkan bahwa metode ini berhasil mengklasifikasikan timun masak dan timun busuk dengan tingkat akurasi 97% di mana 49 dari 50 citra teridentifikasi dengan benar. Metode K-Means Clustering terbukti efektif dan akurat dalam menentukan jenis timun masak dan timun busuk.
Klasifikasi Timun Segar dan Busuk Menggunakan K-Means Clustering dengan Peningkatan Noise Reduction dan Median Filter Dila, Rahmah; Saputra, Riyan; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 6, No 1 (2025): Edisi Januari
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v6i1.549

Abstract

Cucumber is one of the agricultural commodities that is vulnerable to quality degradation due to the rotting process. Manual classification of fresh and rotten cucumbers can be time-consuming and inconsistent, thus requiring a more efficient automated method. The main objective of this research is to implement an automated image processing-based classification system to classify fresh and rotten cucumbers based on visual features such as color, texture, and shape, in order to improve efficiency and consistency in the cucumber quality selection process. The applied method involves image processing with color space conversion from RGB to LAB to separate brightness and color. Additionally, improvements were made using noise reduction techniques and a median filter to minimize noise interference in the images, resulting in more accurate analysis. Noise reduction is applied to reduce noise that appears during the image acquisition process, which can disrupt the recognition of important features in cucumber images. The use of a median filter helps smooth the images without reducing important details, which is essential to preserve relevant visual information for classification. The K-Means Clustering algorithm is used to group the images into two clusters, namely fresh and rotten cucumbers. The data used includes 70 test images, consisting of 35 fresh cucumbers and 35 rotten cucumbers. The results of this study indicate that this method, with the application of noise reduction enhancement and median filter, successfully classifies fresh and rotten cucumbers with an accuracy rate of 98.6%, where 69 out of 70 images are correctly identified. The K-Means Clustering method enhanced with noise reduction and median filter is proven to be effective and accurate in determining the types of fresh and rotten cucumbers
PENERAPAN HYBRID INTELLIGENCE SYSTEM UNTUK KLASIFIKASI EYLINER, LIPSTIK DAN HANDBODY MENGGUNAKAN METODE KNN DAN PCA Dila, Rahmah; Ramadhanu, Agung
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13099

Abstract

Kosmetik adalah produk yang digunakan untuk memperindah tubuh, terutama wajah, dengan tujuan meningkatkan kepercayaan diri dan estetika. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan produk kosmetik berdasarkan citra visual menggunakan metode Hybrid Intelligence, yaitu kombinasi K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA). Sistem Hybrid Intelligence efektif diterapkan dalam berbagai bidang pengolahan citra, termasuk klasifikasi produk kosmetik. Metode yang diusulkan melibatkan PCA untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi pemrosesan. KNN digunakan untuk mengenali produk berdasarkan kedekatannya dengan data pelatihan. Dataset yang digunakan meliputi 16 data latih (7 eyeliner, 4 handbody, 5 lipstik) dan 10 data uji (4 eyeliner, 3 handbody, 3 lipstik). Hasil menunjukkan sistem hybrid ini mampu mencapai akurasi 96,15% dalam pengujian validasi, dengan nilai parameter K terbaik adalah 3. Sistem ini berhasil mengklasifikasikan eyeliner, lipstik, dan handbody dengan tingkat akurasi tinggi, memberikan solusi efisien dan efektif dalam mendeteksi produk kosmetik berdasarkan citra. Penelitian ini memberikan kontribusi penting bagi pengembangan aplikasi pengenalan citra dalam industri kecantikan, terutama pada sistem deteksi dan rekomendasi produk.
Peran Teknologi Informasi dalam Membentuk Kewirausahaan Modern: Kajian Sistem Literatur Review Berbasis PRISMA Dila, Rahmah; Veri, Jhon
Indo-MathEdu Intellectuals Journal Vol. 6 No. 3 (2025): Indo-MathEdu Intellectuals Journal
Publisher : Lembaga Intelektual Muda (LIM) Maluku

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54373/imeij.v6i3.3409

Abstract

The rapid development of Information Technology (IT) has had a significant impact on the modern entrepreneurial landscape. Technology is a major driver in creating new business opportunities, facilitating operational efficiency, and expanding market reach digitally. This study aims to systematically review the literature discussing the role of IT in the development of modern entrepreneurship using the Systematic Literature Review (SLR) method based on the Prisma (Preferred Reporting Items For Systematic Reviews and Meta-Analyses) guidelines. This study analyzed 100 scientific articles published between 2021-2025 and obtained from reputable databases such as Google Scholar, IEEE Xplore, and ScienceDirect. The results of the study show that IT plays a role in several important aspects, namely the development of digital business models, increasing managerial efficiency, utilizing e-commerce platforms, and supporting product and service innovation. In addition to its benefits, challenges were also found such as limited access to technology, lack of digital literacy, and dependence on IT infrastructure. These findings are expected to provide theoretical and practical contributions in the development of entrepreneurship that is adaptive to technological developments in the digital era
PENDIAGNOSAAN PENYAKIT KARIES GIGI MENGGUNAKAN FUZZY EXPERT SYSTEM DENGAN KOMBINASI METODE FUZZY LOGIC TSUKAMOTO DAN CERTAINTY FACTOR Dila, Rahmah; Wirdawati, Wira; Rinaldi Chan, Fajri; Harnaranda, Jefri; 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.v9i3.13855

Abstract

Penyakit karies gigi atau yang biasa disebut gigi berlubang merupakan penyakit gigi yang berawal dari gigi berlubang yang menjadi masalah serius jika tidak ditangani dengan baik. Dampak awal dimulai dari gigi keropos, gigi berlubang, dan gigi patah. Penyakit ini akan membahayakan nyawa manusia jika tidak diatasi dengan cepat. Oleh sebab itu, sangat penting dilakukan diagnosis dini agar dapat dilakukan pencegahan atau pengobatan lebih awal. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis fuzzy expert system yang menggabungkan metode fuzzy logic Tsukamoto dan certainty factor untuk mendiagnosis penyakit karies gigi. Metode fuzzy logic memungkinkan sistem untuk menangani ketidakpastian dan ambiguitas dalam gejala yang dilaporkan oleh pasien, sementara certainty factor memberikan bobot pada informasi yang ada untuk menghasilkan keputusan yang lebih akurat. Dengan menggunakan pendekatan ini, sistem diharapkan dapat memberikan rekomendasi diagnosis yang lebih baik dan membantu dokter gigi dalam pengambilan keputusan. Metode certainty factor dan fuzzy logic Tsukamoto mendiagnosa masalah Karies Gigi untuk menghitung tingkat akurasi jenis masalah yang dialami berdasarkan gejala-gejala yang dirasakan oleh Pasien. Dari pengujian diperoleh hasil tingkat akurasi sebesar 41,82 %. Sistem pakar yang dihasilkan dapat membantu pasien dalam berkonsultasi untuk menangani masalah penyakit Karies Gigi dan Penelitian ini diharapkan dapat menjadi langkah awal dalam penerapan teknologi informasi untuk meningkatkan kesehatan gigi dan mulut di masyarakat.
Analisis Algoritma K-Means Clustering Dalam Pengelompokan Prestasi Belajar Siswa Menengah Atas (SMA) Dila, Rahmah; Defit, Sarjon; Arlis, Syafri
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.v5i5.751

Abstract

The increased use of social media among high school students has a positive and negative impact on academic achievement. This can be seen from changes in learning patterns, concentration levels, and students' motivation in participating in learning activities. This study aims to classify student learning achievement based on the level of social media use using the K-Means Clustering algorithm. K-Means Clustering is one of the main methods in data mining.  which is a technique of grouping data based on the similarity of its characteristics. The parameters used in analyzing this study are Social Media Duration (X1), Active Time (X2), Main Platform (X3), Main Goal (X4), Social Media Access Time While Learning (X5), Social Media Addiction (X6), Social Media Addiction Level (X7), Number of Study Groups (X8) and Academic Average (X9). Based on the K-Means Clustering method, it has been proven to be able to group students based on the level of social media use. These results can be seen from the cluster category C0 (High) with 46 students, C1 (medium) with 80 students, and C2 (Low) with 72 students. The contribution of this research benefits students by helping them understand the relationship between social media usage habits and learning achievement, so as to encourage more effective time management.
Klasifikasi Timun Segar dan Busuk menggunakan K-Means Clustering Saputra, Riyan; Dila, Rahmah; 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.v5i4.1715

Abstract

Timun merupakan salah satu komoditas pertanian yang rentan terhadap penurunan kualitas akibat proses pembusukan. Klasifikasi timun segar dan busuk secara manual dapat memakan waktu dan tidak konsisten, sehingga diperlukan metode otomatis yang lebih efisien. Tujuan utama dari penelitian ini adalah untuk mengimplementasi sistem klasifikasi otomatis berbasis pengolahan citra dalam mengklasifikasikan timun segar dan timun busuk berdasarkan fitur visual seperti warna, tekstur, dan bentuk, guna meningkatkan efisiensi dan konsistensi dalam proses seleksi kualitas timun. Metode yang diterapkan meliputi pengolahan citra dengan konversi dari ruang warna RGB ke LAB untuk memisahkan kecerahan dan warna. Algoritma K-Means Clustering berfungsi untuk mengelompokkan citra ke dalam dua cluster, yaitu timun segar dan timun busuk. Data yang digunakan mencakup 50 citra untuk pengujian, yang terdiri dari 25 timun segar dan 25 timun busuk. Hasil penelitian ini menunjukkan bahwa metode ini berhasil mengklasifikasikan timun masak dan timun busuk dengan tingkat akurasi 97% di mana 49 dari 50 citra teridentifikasi dengan benar. Metode K-Means Clustering terbukti efektif dan akurat dalam menentukan jenis timun masak dan timun busuk.