Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar
Muhammad Sarjan
Fakultas Ilmu Komputer, Universitas Al Asyariah Mandar
Computer Science & IT

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

Found 2 Documents
Search

 1 
IDENTIFIKASI PENGELOLAAN CITRA KUALITAS BERAS Rifai Rifai; Muhammad Sarjan; Akhmad Qashlim
JURNAL ILMU KOMPUTER Vol 11 No 1 (2025): Edisi April
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i1.355

Abstract

Beras merupakan makanan pokok masyarakat Indonesia karena mengandungkarbohidrat kompleks dan dapat memberikan berbagai nutrisi penting lainnya bagi tubuh. Banyak orang yang masih beranggapan bahwa beras itu bersih, tak berbau, dan memiliki harga lebih mahal, beras tersebut berkualitas baik, padahal belum tentu beras yang dimaksud tersebut mempunyai kualitas baik. Untuk alasan ini, kualitas beras ditentukan selama penelitian, dan ini membantu membedakan antara kualitas yang baik dan yang buruk nantinya. Kualitas beras dipengaruhi oleh berbagai faktor seperti pecahan bulir, warna yang tidak rata, dan bau. Pada penelitian ini persentase butir beras pecah dan keseragaman warna digunakan untuk menentukan kualitas beras. Pada penelitian ini digunakan parameter kerusakan gabah dan sebaran warna, diproses dengan K-means clustering, dan skor cluster digunakan sebagai skor kelas untuk pelabelan kultivar padi menurut mutu medium 1. Selain itu, data yang berisi cluster berlabel diproses untuk mendapatkan klasifikasi. Akurasi dan metode klasifikasi terbaik adalah neural network dengan 99,85%.
PERBANDINGAN KEAKURATAN ALGORITMA SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS DALAM KLASIFIKASI TINGKAT KUALITAS CABAI BESAR Nur Fadhila Djamal; Muhammad Sarjan; Ul khairat; Muslihan Muslihan
JURNAL ILMU KOMPUTER Vol 11 No 2 (2025): Edisi September
Publisher : LPPM Universitas Al Asyariah Mandar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35329/jiik.v11i2.359

Abstract

Cabai besar memiliki nilai ekonomi yang tinggi, namun kualitasnya sangat bergantung pada pemilihan dan klasifikasi yang akurat. Penelitian ini telah berhasil mengembangkan model klasifikasi otomatis untuk mendeteksi kualitas cabai menggunakan dua metode, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa model SVM mencapai akurasi tertinggi sebesar 92% untuk masing-masing kategori cabai: "Cabai Baik", "Cabai Buruk", dan "Tidak Terdeteksi". Sementara itu, KNN juga memberikan hasil yang baik, dengan akurasi masing-masing mencapai 88% untuk kelas "Cabai Baik" dan "Tidak Terdeteksi", serta 86% untuk "Cabai Buruk". Hasil ini menegaskan efektivitas kedua model dalam mengklasifikasikan cabai berdasarkan fitur visualnya, yang dapat memberikan manfaat signifikan bagi para petani dan distributor dalam menentukan kualitas produk mereka
Co-Authors Akhmad Qashlim Muslihan Muslihan Nur Fadhila Djamal Rifai Rifai Ul khairat