cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andi Baso Kaswar
Contact Email
a.baso.kaswar@gmail.com
Phone
+6285656227888
Journal Mail Official
fakhri@diginus.id
Editorial Address
Antang, Makassar, South Sulawesi, Indonesia
Location
Kota makassar,
Sulawesi selatan
INDONESIA
Journal of Deep Learning, Computer Vision and Digital Image Processing
Published by Sakura Digital Nusantara
ISSN : 29868920     EISSN : 29868939     DOI : https://doi.org/10.61255/decoding
Core Subject : Science,
Computer Science & IT
The Journal of Deep Learning, Computer Vision and Digital Image Processing (DECODING), covers all topics of artificial intelligence and soft computing and their applications, including but not limited to: • Neural networks • Reasoning and evolution • Intelligent search • Intelligent planning • Intelligence applications • Computer vision and speech understanding • Multimedia and cognitive informatics • Data mining and machine learning tools, heuristic and AI planning strategies and tools, computational theories of learning • Technology and computing (like particle swarm optimization); intelligent system architectures • Knowledge representation • Bioinformatics • Natural language processing • Automated reasoning • Logic programming • Machine learning • Visual/linguistic perception • Evolutionary and swarm algorithms • Derivative-free optimisation algorithms • Fuzzy sets and logic • Rough sets • Simulated biological evolution algorithms (like genetic algorithm, ant colony optimization, etc) • Multi-agent systems • Data and web mining • Emotional intelligence • Hybridisation of intelligent models/algorithms • Parallel and distributed realisation ofintelligent algorithms/systems • Application in pattern recognition, image understanding, control, robotics and bioinformatics • Application in system design, system identification, prediction, scheduling and game playing • Application in VLSI algorithms and mobile communication/computing systems
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 4 Documents
 1 
Search results for , issue "Volume 1 Issue 1 Maret 2023" : 4 Documents clear
MEDICINE CLASSIFICATION BASED ON LOGO ON PACKAGING USING K-NEAREST NEIGHBOR ALGORITHM BASED ON DIGITAL IMAGES: KLASIFIKASI JENIS OBAT BERDASARKAN LOGO PADA KEMASAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS CITRA DIGITAL Trisakti Akbar; Marwan Ramdhany Edy; Nurul Amanda Pratiwi Hasbullah; Rifaldy Alam Saputra; Muhammad Akbar Amir
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.48

Abstract

Obat adalah suatu zat yang dikonsumsi untuk menjaga kesehatan, menyembuhkan, dan mencegah penyakit. Penggunaan obat lazim kita temui dalam kehidupan sehari-hari, baik untuk keperluan penyembuhan, pencegahan penyakit maupun sebagai suplemen kesehatan. Meski begitu, kemudahan mendapatkan obat juga membawa dampak negatif. Misalnya, semakin banyak masyarakat yang menggunakan obat secara irasional. Pengetahuan masyarakat terkait penggolongan dan pola logo pada kemasan obat masih kurang sehingga obat yang diharapkan dapat menyembuhkan penyakit justru dapat membahayakan diri masyarakat yang mengkonsumsinya. Sebelumnya telah dilakukan penelitian untuk mengklasifikasikan jenis obat berbasis citra digital, namun proses cropping logo masih dilakukan secara manual. Oleh karena itu, penelitian ini mengusulkan metode baru untuk mengklasifikasikan jenis obat berdasarkan logo pada kemasannya menggunakan metode K-Nearest Neighbor (K-NN) dengan ekstraksi fitur warna. Tahapan metode yang diusulkan terdiri dari akuisisi citra, preprocessing, deteksi tepi, Circle Hough Transformation, segmentasi citra, cropping dan resize, ekstraksi fitur, dan klasifikasi. Berdasarkan hasil pengujian yang dilakukan, diperoleh tingkat akurasi sebesar 93,33%. Hasil pengujian tersebut menunjukkan bahwa metode yang diusulkan dapat mengklasifikasikan jenis obat dengan tingkat akurasi yang tinggi.
SULSEL TYPICAL BATIK MOTIF CLASSIFICATION USING NEURAL NETWORK METHOD WITH GLCM FEATURE EXTRACTION: KLASIFIKASI MOTIF BATIK KHAS SULSEL MENGGUNAKAN METODE JST DENGAN EKSTRAKSI FITUR GLCM Trisakti Akbar; Muhammad Fajar B; Muhammad Akbar Amir; Andi Akram Nur Risal; Nur Azizah Ayu Safanah; M. Miftach Fakhri
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.49

Abstract

Batik adalah salah satu warisan budaya Indonesia yang terbuat dari corak/gambar di atas sebuah kain. Di Sulawesi Selatan, terdapat begitu banyak motif batik. Motif-motif itu pun terus mengalami perkembangan seiring berjalannya waktu. Karena jumlahnya yang banyak, tentunya akan membuat masyarakat kesulitan untuk mengidentifikasi motif batik yang ada saat ini. Untuk mengatasi permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan motif batik menggunakan Jaringan Syaraf Tiruan (JST) dengan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM). Sampel yang digunakan adalah batik khas Sulawesi Selatan, yaitu motif Tongkonan, motif Kapal Pinisi, motif Lontara, dan motif Toraja gabungan. GLCM digunakan untuk mengekstraksi fitur, terdiri dari Angular Second Moment (ASM), kontras, Inverse Difference Moment (IDM), entropi, dan korelasi, yang kemudian diklasifikasikan dengan metode JST. Berdasarkan hasil uji coba menggunakan 120 data latih dan 40 data uji dari masing-masing jenis batik, didapatkan tingkat akurasi yang sangat tinggi yaitu 100%.
Klasifikasi Penyakit Pada Padi Dengan Ekstraksi Fitur LBP dan GLCM Ananta Dwi Prayoga Alwy; M Syahid Nur Wahid; Bukhari Naufal Nur Ag; M Miftach Fakhri
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.51

Abstract

Padi merupakan salah satu komoditas penting di Indonesia yang menjadi sumber utama pangan, namun sering terancam oleh berbagai penyakit yang dapat menyebabkan gagal panen. Deteksi dini penyakit pada padi sangat penting, namun sulit dilakukan secara manual oleh petani. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit pada tanaman padi menggunakan ekstraksi fitur GLCM (Gray Level Co-occurrence Matrix) dan warna. Metode yang digunakan meliputi akuisisi citra, segmentasi citra menggunakan Otsu thresholding, operasi morfologi dengan area-open, ekstraksi fitur LBP (Local Binary Pattern) dan GLCM, serta klasifikasi dengan algoritma Decision Tree. Dataset yang digunakan terdiri dari 120 citra daun padi yang terinfeksi oleh tiga jenis penyakit: Brown Spot, Hispa, dan Leaf Blast. Berdasarkan hasil pengujian, sistem klasifikasi ini berhasil mencapai akurasi sebesar 90%. Hasil ini menunjukkan bahwa kombinasi ekstraksi fitur LBP dan GLCM mampu meningkatkan akurasi dalam mendeteksi penyakit pada padi jika dibandingkan dengan metode K-Nearest Neighbor (KNN) yang hanya mencapai akurasi sekitar 77%. Meskipun demikian, kesalahan klasifikasi masih terjadi pada penyakit dengan gejala yang serupa, seperti Leaf Blast yang terkadang terdeteksi sebagai Brown Spot. Oleh karena itu, penelitian ini menyarankan pengembangan teknik ekstraksi fitur yang lebih kompleks atau penggabungan metode lain untuk meningkatkan akurasi sistem. Diharapkan, sistem ini dapat diimplementasikan di lapangan untuk membantu petani dalam mendeteksi dan menangani penyakit padi lebih cepat, meningkatkan hasil pertanian, serta ketahanan pangan di Indonesia.
ANALISIS DAN PERANCANGAN DESAIN APLIKASI KEAMANAN DATA BERBASIS TEKS MENGGUNAKAN ALGORITMA RSA Wa Ode Nurfadilat Aulia; Wahyu Hidayat M; Fadhlirrahman Baso
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.52

Abstract

Keamanan data menjadi masalah penting dalam era digital, terutama untuk data teks yang bersifat sensitif dan rentan terhadap akses yang tidak sah. Penelitian ini bertujuan untuk merancang aplikasi keamanan data berbasis teks menggunakan algoritma RSA untuk melindungi data teks dari ancaman kebocoran informasi. Metode yang digunakan meliputi enkripsi dan dekripsi menggunakan algoritma RSA, di mana teks diubah menjadi ciphertext yang hanya dapat dibaca oleh pihak yang memiliki kunci privat. Hasil pengujian menunjukkan bahwa algoritma RSA efektif dalam mengenkripsi data teks dengan tingkat keamanan yang tinggi, meskipun ada tantangan dalam kecepatan enkripsi untuk data berukuran besar. Sistem yang dikembangkan berhasil menjaga kerahasiaan informasi dengan mengandalkan enkripsi asimetris yang lebih aman dibandingkan dengan algoritma simetris. Penelitian ini menyimpulkan bahwa RSA adalah metode yang sangat efektif untuk pengamanan data teks, meskipun perlu adanya pengembangan lebih lanjut untuk meningkatkan efisiensi dalam mengatasi kelemahan terkait kecepatan enkripsi.

Page 1 of 1 | Total Record : 4

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Volume 3 Issue 1 Maret 2025 Volume 2 Issue 2 September 2024 Volume 2 Issue 1 Maret 2024 Volume 1 Issue 2 September 2023 Volume 1 Issue 1 Maret 2023