Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Education Research Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen)
Harnaranda, Jefri
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Education Mathematics Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Identifikasi Jenis Anggur Otomatis Menggunakan Kombinasi Median Filter, K-Means, Lab*, dan Ekstraksi Fitur Harnaranda, Jefri; Afriadi, Afriadi; 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.v5i4.1864

Abstract

Identifikasi varietas anggur secara otomatis adalah langkah krusial dalam proses penyortiran dan pengendalian kualitas di sektor makanan. Dalam penelitian ini, kami mengembangkan sistem untuk mengidentifikasi anggur merah dan hijau dengan memanfaatkan kombinasi Median Filter, segmentasi warna menggunakan K-Means Clustering, serta analisis fitur tekstur. Hasilnya menunjukkan bahwa sistem ini mampu mencapai akurasi 95.45% dalam membedakan kedua jenis anggur dengan waktu eksekusi yang efisien. Dengan mengurangi noise melalui Median Filter, melakukan segmentasi warna dalam model warna Lab*, dan mengekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix, metode ini menunjukkan potensi yang signifikan untuk diterapkan dalam sistem penyortiran buah otomatis. Penelitian ini berkontribusi pada peningkatan efisiensi dan akurasi dalam identifikasi varietas anggur, yang sangat penting bagi industri makanan. Penelitian lebih lanjut dapat difokuskan pada penerapan teknik machine learning untuk meningkatkan kinerja klasifikasi pada dataset yang lebih besar dan lebih beragam.
Identifikasi Varietas Anggur Secara Otomatis Menggunakan Segmentasi Gambar Berbasis Warna dan Analisis Tekstur: Pendekatan K-Means Clustering Afriadi, A; Harnaranda, Jefri; Ramadhanu, Agung
Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Vol 5, No 4 (2024): Edisi Oktober
Publisher : LPPM STIKOM Tunas Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/kesatria.v5i4.518

Abstract

In this study, we propose an automated system for identifying grape varieties (red and green) using color-based image segmentation and texture analysis. The system employs K-Means Clustering for color segmentation in the Lab* color space, followed by Gray-Level Co-occurrence Matrix (GLCM) texture feature extraction to differentiate grape types. The experimental results show that the proposed method achieved an accuracy of over 90% in identifying grape varieties, demonstrating its potential for industrial applications in fruit processing. Our findings indicate that the system is robust under various lighting conditions and can significantly reduce human error in grape sorting processes. Automated Identification of Grape Varieties Using Color-Based Image Segmentation and Texture Analysis: A K-Means Clustering Approach
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.
Identifikasi Jenis Anggur Otomatis Menggunakan Kombinasi Median Filter, K-Means, Lab*, dan Ekstraksi Fitur Harnaranda, Jefri; Afriadi, Afriadi; 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.v5i4.1864

Abstract

Identifikasi varietas anggur secara otomatis adalah langkah krusial dalam proses penyortiran dan pengendalian kualitas di sektor makanan. Dalam penelitian ini, kami mengembangkan sistem untuk mengidentifikasi anggur merah dan hijau dengan memanfaatkan kombinasi Median Filter, segmentasi warna menggunakan K-Means Clustering, serta analisis fitur tekstur. Hasilnya menunjukkan bahwa sistem ini mampu mencapai akurasi 95.45% dalam membedakan kedua jenis anggur dengan waktu eksekusi yang efisien. Dengan mengurangi noise melalui Median Filter, melakukan segmentasi warna dalam model warna Lab*, dan mengekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix, metode ini menunjukkan potensi yang signifikan untuk diterapkan dalam sistem penyortiran buah otomatis. Penelitian ini berkontribusi pada peningkatan efisiensi dan akurasi dalam identifikasi varietas anggur, yang sangat penting bagi industri makanan. Penelitian lebih lanjut dapat difokuskan pada penerapan teknik machine learning untuk meningkatkan kinerja klasifikasi pada dataset yang lebih besar dan lebih beragam.
Co-Authors Afriadi Afriadi Afriadi, A Dila, Rahmah Ramadhanu, Agung Rinaldi Chan, Fajri Sovia, Rini Wirdawati, Wira