Permata, Edo
Unknown Affiliation

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

Found 2 Documents
Search

Optimalisasi Kentang Merah dan Kentang Biasa Secara Otomatis Menggunakan Median Filter dan Segmentasi Gambar Berbasis Warna dan Analisis Tekstur: Pendekatan K-Means Clustering Permata, Edo; Khomsi, Ahmad; 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.v6i1.551

Abstract

In this study, we propose an automated system to identify potato varieties (red and regular potatoes) using color-based image segmentation, median filter, and texture analysis. The system uses K-Means Clustering for color segmentation in Lab color space, followed by the application of median filter to reduce noise in the image, as well as texture feature extraction using Gray-Level Co-occurrence Matrix (GLCM) to distinguish potato types. Experimental results show that the proposed method achieves more than 90% accuracy in identifying potato varieties, demonstrating its potential for industrial applications in tuber processing. Our findings show that the system is robust under various lighting conditions and can significantly reduce human error in the potato sorting process.
KLASIFIKASI BAWANG MERAH, BAWANG PUTIH, DAN TOMAT DENGAN HYBRID INTELLIGENCE SYSTEM BERBASIS KNN DAN PCA Permata, Edo; 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.v9i2.13559

Abstract

Sektor pertanian memiliki peran penting dalam meningkatkan ketersediaan pangan, kesejahteraan petani, serta menjaga kelestarian lingkungan. Komoditas seperti bawang putih, bawang merah, dan tomat berkontribusi dalam mendukung ketahanan pangan dan perekonomian petani. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan bawang putih, bawang merah, dan tomat 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. Dataset yang digunakan meliputi 16 data latih (7 bawang putih, 4 bawang merah, 5 tomat) dan 10 data uji (4 bawang putih, 3 bawang merah, 3 tomat). Hasil menunjukkan sistem hybrid ini mampu mencapai akurasi 96,15% dalam pengujian validasi, dengan nilai parameter K terbaik adalah 3. Sistem ini berhasil mengklasifikasikan bawang putih, bawang merah, dan tomat dengan tingkat akurasi tinggi, memberikan solusi efisien dan efektif dalam mendeteksi berdasarkan citra