Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen)
Khomsi, Ahmad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
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.
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%.
Co-Authors Agus Salim, David Chairunnissa Deliva Akbar, Syifa Permata, Edo Rahmad Rahmad Ramadhanu, Agung Sovia, Rini