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 25 Documents
 1   2   3 
Penentuan Jumlah Produksi Roti Pada Toko Roti Kayla Menggunakan Fuzzy Logic Metode Tsukamoto Bakri, Muh. Fajrin Bakri; Fajar B, Muhammad; Indriani, Gebby; Rahman, Ahmad Fadhli
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 1 Maret 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i1.300

Abstract

Penentuan jumlah produksi merupakan hal yang perlu diperhatikan sebelum memulai sebuah usaha. Menentukan jumlah produksi suatu barang merupakan langkah penting untuk menghindari risiko kerugian. Dengan adanya metode ini, akan meminimalisir kerugian bagi penyedia usaha karena dapat menyesuaikan jumlah persediaan dan produksi sesuai dengan jumlah permintaan, sehingga bahan baku yang disiapkan akan digunakan secara maksimal. Pada era globalisasi saat ini, persaingan pasar dalam dunia industri sangat kompetitif sehingga dibutuhkan kemampuan pengelola perusahaan yang profesional agar dapat memenangkan persaingan dalam pasar global terutama dalam usaha penjualan Roti. Namun, permasalahan yang terjadi adalah saat menentukan jumlah produksi roti. Banyaknya faktor yang masuk dalam perhitungan membuat sulit untuk menetapkan pedoman penentuan jumlah roti yang akan diproduksi. Pengelolaan produksi roti di toko roti Kayla dalam menentukan jumlah produksi terkadang tidak memenuhi pesanan dengan tepat waktu dan jumlah yang sesuai, sehingga berdampak kerugian terhadap toko dikarenakan jumlah produksi yang tidak sesuai dengan permintaan konsumen. Oleh karena itu, pada penelitian ini akan dilakukan penentuan jumlah produksi roti pada toko roti Kayla untuk menentukan jumlah produksi yang tepat, sesuai dengan jumlah permintaan dan persediaan. Metode yang digunakan pada penelitian ini adalah Fuzzy Logic dengan metode Tsukamoto untuk menentukan jumlah produksi roti. Dibandingkan dengan sebelumnya, dengan adanya penerapan Fuzzy Logic metode Tsukamoto pada kasus ini memberikan output jumlah produksi yang lebih optimal dan mencegah produksi yang kurang ataupun berlebih yang dapat menyebabkan kerugian. 
Sistem Penentuan Produksi Makanan Pada Warung Sate Madura Malengkeri Menggunakan Fuzzy Logic Metode Tsukamoto Amatullah, Mutia; Sumarnie; Tenriajeng, Andi Afrah
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 1 Maret 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i1.301

Abstract

The production determination system using the Tsukamoto fuzzy method can be used to determine the optimum quantity in satay production. However, if the quantity of products produced by Warung Sate Madura Malengkeri is less than the customer demand, the eatery will miss the opportunity to maximize profits, and vice versa. Therefore, planning the production quantity in Warung Sate Madura Malengkeri is crucial to meet customer demand with the appropriate quantity.
Pengendalian Untuk Mengoptimalkan Produksi Mie Pada Warung Mie Pedas Dengan Menggunakan Logika Fuzzy Berbasis Metode Tsukamoto Safitri, Ayu; Azzahra, Aura; Kurnia, Shahnaz Tasha
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 1 Maret 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i1.316

Abstract

ABSTRACT The rapid development of technology has led to a change in consumer consumption patterns, including food consumption, especially the production of noodles. Noodles are a source of energy and nutrients needed by all living organisms. One of the noodle dishes often used as a substitute for rice is instant noodles. Instant noodles are easy to serve and practical, and their production is usually carried out based on consumer demand. However, there is still a lack of research on determining the optimal production quantity of instant noodles to meet consumer demand and align with the availability of raw materials. Therefore, it is suggested to use Fuzzy Logic-based Method Tsukamoto to optimize noodle production at noodle shops. The Fuzzy Logic Method Tsukamoto helps regulate noodle production in accordance with consumer preferences and avoid waste of raw materials. The results of the study show that the method can adjust the production quantity of instant noodles based on consumer demand and availability. This approach ensures that noodle production meets consumer needs and prevents overuse of raw materials Keywords: Noodles, Tsukamoto, demand, supply, production
APPLICATION OF FUZZY LOGIC IN DETERMINING THE AMOUNT OF COTO PRODUCTION AT THE COTO DAENG TATA WARUNG USING FUZZY LOGIC BASED ON THE TSUKAMOTO METHOD Ayu Irdayanti.J; Andi Azizul Hakim; Suci Permatasari; marwan
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 1 Maret 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i1.351

Abstract

This research focuses on enhancing Coto production efficiency at Warung Coto Daeng Tata through the application of fuzzy logic, specifically utilizing the Tsukamoto method. Challenges such as unpredictable demand fluctuations and inconsistent raw material variations hinder production adaptation. However, by refining fuzzy rules based on shop experience and adjusting parameters, this study aims to optimize responses to market changes and customer demands. Method stages encompass establishing fuzzy rules, fuzzification, inference, and defuzzification, yielding adaptive production quantities. Results demonstrate the effectiveness of the Tsukamoto method in optimizing Coto production, aligning with input variables like weather and seasons to minimize waste and enhance customer satisfaction. The application of fuzzy logic enhances responsiveness to market dynamics and customer preferences, potentially improving operational performance and sustaining traditional culinary businesses
The The development of a mobile-based e-donation application as a solution for recording donations : Pengembangan Aplikasi E-Donasi Berbasis Mobile Sebagai Solusi Pencatatan Donasi Akbar, Muh; Suryaningsih, Suryaningsih; Khasanah, Amelia Uswatun; Kasmiryani Ar, Siti Nur Alifya
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 1 Maret 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i1.442

Abstract

Pengembangan aplikasi e-donasi berbasis mobile sebagai solusi pencatatan donasi dimaksudkan untuk mempermudah proses donasi serta menjamin transparansi dan akurasi dalam pencatatan donasi. Untuk mencapai tujuan dari penelitian tersebut digunakan metode pengembangan perangkat lunak waterfall yang terdiri dari beberapa fase yang berurutan: Analisis Kebutuhan, Perancangan Sistem, Implementasi, Pengujian dan Pemeliharaan. Hasil penelitian menunjukkan bahwa Aplikasi e-donasi berbasis mobile telah dirancang dan diuji untuk mempermudah proses pencatatan dan pengelolaan donasi. Fitur Sign Up dan Sign In dinyatakan valid, memungkinkan pengguna membuat akun dan masuk ke dalam aplikasi e-donasi dengan mudah. Halaman menu utama juga dinyatakan valid dengan navigasi ke halaman menu utama setelah login berfungsi dengan baik. Fitur pencatatan donasi berfungsi dengan baik untuk semua kategori donasi, sehingga dinyatakan valid. Namun, fitur hapus riwayat donasi dinyatakan kurang valid dan memerlukan perbaikan untuk memastikan penghapusan riwayat donasi berfungsi dengan benar. Fitur hapus keseluruhan riwayat donasi dinyatakan valid dan berfungsi dengan baik untuk menghapus seluruh riwayat donasi. Fitur rekapan juga dinyatakan valid, menampilkan keseluruhan rekapan donasi yang telah dilakukan dengan baik. Fitur logout dinyatakan valid, dengan berhasil kembali ke halaman utama. Peneliti juga melakukan pengujian 2 user atau lebih dalam penggunaan aplikasi Namun, pengujian dengan dua atau lebih user menunjukkan hasil yang kurang valid. Hal ini dikarenakan saat pengguna baru berhasil masuk, aktivitas yang ditampilkan bukan aktivitas user baru tersebut, melainkan aktivitas user pertama.
KLASIFIKASI KUALITAS BUAH MANGGIS BERDASARKAN TEKSTUR DAN FITUR WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS PENGOLAHAN CITRA DIGITAL Muh Raenaldy; Faldi Firmansyah; Muh Yasin Kadir; Jessica Crisfin Lapendy; Muh. Akbar
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.546

Abstract

Masalah dalam proses penyortiran buah manggis di Indonesia adalah masih dilakukan secara manual, mengakibatkan ketidakkonsistenan dan rendahnya akurasi dalam klasifikasi kualitas buah. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kematangan buah manggis secara otomatis menggunakan metode Jaringan Syaraf Tiruan (JST) berbasis pengolahan citra digital. Metode yang digunakan mencakup enam tahapan: akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Hasil penelitian menunjukkan bahwa metode JST dapat mengklasifikasikan buah manggis dalam tiga kelas tingkat kematangan (belum matang, setengah matang, dan matang) dengan akurasi 100% baik pada data latih maupun data uji. Fitur terbaik diperoleh dari kombinasi RGB + tekstur (contrast + homogeneity) dengan waktu komputasi paling efisien (136,61 detik untuk data latih dan 28,13 detik untuk data uji). Metode JST terbukti lebih efektif dibandingkan metode klasifikasi lainnya seperti Naive Bayes dan KNN, khususnya dalam menghadapi data berdimensi tinggi. Penelitian ini menyimpulkan bahwa sistem klasifikasi berbasis JST dapat diimplementasikan untuk meningkatkan efisiensi dan akurasi penyortiran buah manggis secara industri.
Klasifikasi Tingkat Kematangan Buah Jeruk Nipis (Citrus Aurantifolia) Menggunakan Metode Jaringan Saraf Tiruan Berbasis Citra Digital Nurhidayat; Andi Jaedil Bugdady; Fadhil Dhanendra; Marwan Ramdhany Edy
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.547

Abstract

Jeruk Nipis Merupakan warisan budaya indonesia yang telah diturunkan berabad-abad. Buah Jeruk nipis memiliki banyak Vitamin terutama Vitamin C yang dianggap bermanfaat signifikan kepada Tubuh. Penelitian ini bertujuan untuk mengetahui tingkat kematangan buah jeruk nipis (Citrus Aurantifolia) menggunakan Citra digital. Penelitian ini dilakukan pada bulan Maret 2024. Penelitian ini menggunakan Metode Jaringan Saraf Tiruan (JST) dengan penggambilan citra jeruk nipis untuk mendeteksi tingkat kematangan buah Jeruk Nipis yang dibagi menjadi dua dataset Uji dan Latih. Hasil penelitian menunjukkan bahwa metode ini mencapai tingkat akurasi sebesar 87% pada tahap pelatihan dan 68% pada tahap pengujian. Waktu komputasi yang dibutuhkan untuk mengklasifikasikan satu citra adalah 207.36 detik pada tahap pelatihan dan 42.15 detik pada tahap pengujian.
Klasifikasi tingkat aroma daun jeruk purut menggunakan metode jaringan saraf tiruan backpropagation Muh. Asmar; M. Rizky Kurniawan; Reynaldi Nafzal Ashari; Muh. Akbar; Rezki Nurul Jariah S.Intam
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.548

Abstract

Penelitian ini bertujuan untuk mengembangkan metode klasifikasi tingkat aroma pada daun jeruk menggunakan citra daun sebagai input. Dataset yang digunakan terdiri dari 300 lembar daun jeruk yang dibagi menjadi tiga kelas aroma: kuat, sedang, dan rendah. Proses klasifikasi melibatkan tahap preprocessing, ekstraksi fitur, pelatihan model menggunakan Jaringan Saraf Tiruan (JST), dan pengujian model. Tahap preprocessing mencakup ekstraksi channel warna dan segmentasi citra. Fitur-fitur warna dan tekstur diekstraksi untuk digunakan dalam pelatihan model JST. Hasil eksperimen menunjukkan bahwa menggunakan fitur warna RGB memberikan akurasi pelatihan sebesar 91,25% dengan waktu komputasi 5,79 detik per citra, dan akurasi pengujian mencapai 100% dengan waktu komputasi 7,76 detik per citra. Hal ini menunjukkan bahwa metode klasifikasi yang dikembangkan mampu dengan baik dalam menentukan tingkat aroma daun jeruk. Namun, dalam penelitian ini kami menyarankan perbaikan pada proses akuisisi citra dan pengembangan metode klasifikasi tambahan untuk meningkatkan keakuratan dalam menentukan tingkat aroma daun jeruk.
Klasifikasi Tingkat Kesegaran Sayur Bayam Berdasarkan Tekstur Daunnya Berbasis Citra Digital Khaidir; Reyna Buryani Al’Safinat; A. Muhammad Fuad Fadhlurrahman; By Tri Agung Nusantara Kr. J. Tompong; Jessica Crisfin Lapendy
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.549

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tingkat kesegaran sayur bayam berdasarkan tekstur daunnya menggunakan citra digital. Metode yang diusulkan terdiri dari 6 tahap, yaitu akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, dan klasifikasi. Penelitian ini menggunakan metode klasifikasi untuk menentukan kualitas bayam menggunakan algoritma K-Means dengan fitur RGB + LAB + TEKSTUR. Hasil menunjukkan akurasi tertinggi sebesar 92,91% untuk data latih dan 88,33% untuk data uji. Proses morfologi dalam penelitian dimulai dengan operasi opening pada gambar segmentasi menggunakan elemen struktural berbentuk disk berukuran 3 piksel, dilanjutkan dengan hole filling untuk mengisi lubang kecil di dalam objek, dan bwareaopen untuk menghilangkan noise atau objek kecil yang tidak penting. Tahap ekstraksi fitur mencakup fitur warna dan tekstur, dengan menggunakan GLCM untuk menghitung nilai homogeneity, contrast, correlation, dan energy. Tahap klasifikasi dilakukan dengan algoritma clustering K-Means untuk membedakan kelas gambar daun bayam berdasarkan kualitasnya. Saran untuk penelitian selanjutnya adalah memperbaiki proses pengambilan gambar dan mencoba metode klasifikasi dan fitur lainnya.
Kombinasi Tekstur dan Warna dalam Mengidentifikasi Kualitas Buah Rambutan Menggunakan Metode Jaringan Syaraf Tiruan Jumriah; Nur Aisyah; Andi Nur Humairah; Sasmita; Wahyu Hidayat M
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 2 Issue 2 September 2024
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v2i2.550

Abstract

Penelitian ini menekankan pentingnya meningkatkan produksi dan menilai kualitas buah rambutan di Indonesia, sebuah tanaman tropis yang bernilai gizi tinggi. Meskipun manfaat kesehatannya sudah diakui, evaluasi kualitas masih bergantung pada metode manual yang kurang akurat dan efisien. Beberapa penelitian sebelumnya telah mengusulkan metode berbasis teknologi, seperti pengolahan citra digital dan pendekatan kecerdasan buatan, untuk meningkatkan keakuratan penilaian kualitas buah rambutan. Namun, tingkat akurasi klasifikasi masih perlu ditingkatkan. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi kualitas buah rambutan dengan memadukan analisis warna dan tekstur kulit menggunakan jaringan syaraf tiruan. Proses ini terdiri dari enam tahap utama yaitu akuisisi citra, preprocessing, segmentasi, operasi morfologi, ekstraksi fitur, hingga klasifikasi. Proses klasifikasi bergantung pada warna dan tekstur kulit, memanfaatkan dataset yang terdiri dari 300 citra rambutan dibagi menjadi tiga kelas yang berbeda. Untuk evaluasi lebih mendalam guna meningkatkan hasil klasifikasi citra secara signifikan.

Page 2 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2023 2025


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