Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Teknologi Sistem Informasi dan Aplikasi
Pratiwi, Ayu Okta
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
DETEKSI TEPI PADA CITRA OBJEK BENDA MENGGUNAKAN ALGORITMA SOBEL DAN PREWITT DENGAN PYTHON Qisthiano, M Riski; Pratiwi, Ayu Okta
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6407

Abstract

Deteksi tepi merupakan salah satu teknik penting dalam pengolahan citra digital untuk mengekstraksi informasi bentuk dan struktur suatu objek. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Sobel dan Prewitt dalam mendeteksi tepi pada citra objek benda. Permasalahan yang dihadapi adalah bagaimana efektivitas kedua algoritma dalam menghasilkan deteksi tepi yang optimal pada berbagai jenis citra. Metode yang digunakan dalam penelitian ini meliputi pemrosesan citra dengan Python, penerapan algoritma Sobel dan Prewitt, serta evaluasi hasil berdasarkan kualitas deteksi tepi yang dihasilkan. Hasil penelitian menunjukkan bahwa algoritma Sobel menghasilkan tepi yang lebih tajam dengan kontras tinggi, sedangkan algoritma Prewitt lebih sensitif terhadap perubahan intensitas tetapi memiliki respon yang lebih lemah dibandingkan Sobel. Berdasarkan hasil eksperimen, algoritma Sobel lebih disarankan untuk citra dengan kontras tinggi, sementara algoritma Prewitt lebih sesuai untuk citra dengan gradasi halus. Penelitian ini diharapkan dapat memberikan wawasan bagi pengembangan lebih lanjut dalam analisis citra digital, terutama dalam aplikasi deteksi objek dan pengolahan gambar berbasis kecerdasan buatan
Komparasi Metode Klasifikasi terhadap Data Penderita Penyakit Diabetes Menggunakan Python 3 Pratiwi, Ayu Okta; Kurniawan, Tri Basuki; Negara, Edi Surya; Kunang, Yesi Novaria
Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 6 No. 4 (2023): Jurnal Teknologi Sistem Informasi dan Aplikasi
Publisher : Program Studi Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Diabetes is a serious challenge in the world of health, with broad impacts. In an effort to overcome this problem, it is important to analyze the classification of diabetes data to provide valuable insights. This study focuses on the comparison of the two main classification methods, namely Naive Bayes and Support Vector Machine (SVM), in analyzing diabetes data. We use the Python 3 programming language for implementation. The initial study involved the characterization of the dataset, including parameters such as blood pressure and blood glucose levels, which were important factors in the analysis. The preprocessing process is carried out to ensure data quality by overcoming missing or invalid values. After that, the dataset is divided into training and testing subsets. The Naive Bayes and SVM methods are implemented using the scikit-learn library in Python 3. Both models are trained using a training subset and tested on a test subset. The test results show that both methods have good performance in classifying diabetes data, but SVM stands out with higher accuracy. SVM has the ability to handle complex data and find optimal decision boundaries. The Naive Bayes model achieves the highest accuracy of 78.13% on 70% training data and 30% testing data, while the SVM model achieves 79.63% on 90% training data and 10% testing data. Overall, this study provides an in-depth understanding of the effectiveness of both methods in the context of classifying data on diabetics.
DETEKSI TEPI PADA CITRA OBJEK BENDA MENGGUNAKAN ALGORITMA SOBEL DAN PREWITT DENGAN PYTHON Qisthiano, M Riski; Pratiwi, Ayu Okta
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6407

Abstract

Deteksi tepi merupakan salah satu teknik penting dalam pengolahan citra digital untuk mengekstraksi informasi bentuk dan struktur suatu objek. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Sobel dan Prewitt dalam mendeteksi tepi pada citra objek benda. Permasalahan yang dihadapi adalah bagaimana efektivitas kedua algoritma dalam menghasilkan deteksi tepi yang optimal pada berbagai jenis citra. Metode yang digunakan dalam penelitian ini meliputi pemrosesan citra dengan Python, penerapan algoritma Sobel dan Prewitt, serta evaluasi hasil berdasarkan kualitas deteksi tepi yang dihasilkan. Hasil penelitian menunjukkan bahwa algoritma Sobel menghasilkan tepi yang lebih tajam dengan kontras tinggi, sedangkan algoritma Prewitt lebih sensitif terhadap perubahan intensitas tetapi memiliki respon yang lebih lemah dibandingkan Sobel. Berdasarkan hasil eksperimen, algoritma Sobel lebih disarankan untuk citra dengan kontras tinggi, sementara algoritma Prewitt lebih sesuai untuk citra dengan gradasi halus. Penelitian ini diharapkan dapat memberikan wawasan bagi pengembangan lebih lanjut dalam analisis citra digital, terutama dalam aplikasi deteksi objek dan pengolahan gambar berbasis kecerdasan buatan
Co-Authors Edi Surya Negara Kurniawan, Tri Basuki Qisthiano, M Riski Yesi Novaria Kunang