UNIPOLUNIPOL
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)Penelitian ini dilakukan untuk mengatasi kesulitan dalam membedakan jenis kurma yang banyak beredar di Indonesia, yaitu Ajwa, Sukari, dan Medjool, yang sering kali memiliki karakteristik visual mirip. Tujuan penelitian adalah mengembangkan sistem klasifikasi otomatis berbasis pengolahan citra digital dan machine learning. Data citra kurma dikumpulkan dan melalui tahapan pra‑pemrosesan, segmentasi dengan adaptive thresholding dan operasi morfologi, dilanjutkan dengan ekstraksi fitur warna (HSV mean dan standar deviasi), bentuk (luas area dan moment invariants), serta tekstur (GLCM). Fitur yang dihasilkan kemudian diklasifikasikan menggunakan Support Vector Machine (SVM) dengan validasi silang k‑fold serta optimasi parameter melalui Grid Search, menggunakan kernel linear dan RBF. Hasil penelitian menunjukkan akurasi yang sangat tinggi, dengan rata‑rata akurasi 96.86% pada kernel linear dan 88.33% pada kernel RBF, dengan model terbaik pada kernel linear dengan parameter C=100. Minimnya kesalahan klasifikasi menunjukkan bahwa fitur yang digunakan mampu membedakan ketiga jenis kurma secara konsisten. Temuan ini membuktikan bahwa metode berbasis ekstraksi fitur klasik yang dipadukan dengan SVM masih sangat kompetitif dan efisien, terutama pada dataset terbatas. Implikasi dari penelitian ini adalah potensi penerapannya dalam mendukung industri perdagangan buah impor serta sebagai acuan untuk penelitian lanjutan di bidang agro‑informatika.
Penelitian ini berhasil mengembangkan model klasifikasi jenis kurma berbasis pengolahan citra digital, dengan akurasi tinggi 96,86% pada kernel linear SVM.Penerapan preprocessing, segmentasi adaptif, dan ekstraksi fitur mendukung representasi visual ketiga jenis kurma secara konsisten.Rekomendasi selanjutnya meliputi perluasan dataset, eksplorasi metode klasifikasi lain, dan integrasi sistem ke aplikasi mobile.
Penelitian selanjutnya dapat memanfaatkan dataset yang lebih beragam dan representatif, termasuk variasi pencahayaan serta kondisi pemotretan yang berbeda, guna men‑stabilkan model terhadap situasi dunia nyata. Selain itu, menguji algoritma klasifikasi alternatif seperti Random Forest, Gradient Boosting, atau jaringan saraf konvolusional ringan dapat memberikan wawasan tentang apakah peningkatan performa dapat dicapai dengan arsitektur lain di lingkungan sumber daya terbatas. Akhirnya, pelaksanaan prototipe aplikasi mobile berbasis pengenalan kurma secara real‑time akan memungkinkan penjual dan konsumen untuk mengidentifikasi varietas secara akurat di lapangan, sekaligus menawarkan platform evaluasi data yang dapat digunakan kembali untuk pelatihan model berkelanjutan.
| File size | 624.29 KB |
| Pages | 8 |
| DMCA | Report |
Related /
JOURNALSTKIPPGRISITUBONDOJOURNALSTKIPPGRISITUBONDO Sekuens dari fitur-fitur tersebut kemudian dianalisis menggunakan Bidirectional Long Short-Term Memory (Bi-LSTM) yang dilengkapi dengan mekanisme AttentionSekuens dari fitur-fitur tersebut kemudian dianalisis menggunakan Bidirectional Long Short-Term Memory (Bi-LSTM) yang dilengkapi dengan mekanisme Attention
UNIPOLUNIPOL Evaluasi dilakukan terhadap akurasi, latensi inferensi, ukuran model, dan robustness model terhadap kondisi tropis. Hasil simulasi menunjukkan model TinyMLEvaluasi dilakukan terhadap akurasi, latensi inferensi, ukuran model, dan robustness model terhadap kondisi tropis. Hasil simulasi menunjukkan model TinyML
UBUB Secara keseluruhan, hasil studi menegaskan bahwa process mining berperan penting dalam mengungkap pola perilaku kompleks serta mendukung peningkatan efektivitasSecara keseluruhan, hasil studi menegaskan bahwa process mining berperan penting dalam mengungkap pola perilaku kompleks serta mendukung peningkatan efektivitas
UBUB Arsitektur monolitik konvensional menghambat integrasi fitur dan adaptasi platform, sementara kebutuhan akan layanan berkelanjutan seringkali tidak terpenuhi.Arsitektur monolitik konvensional menghambat integrasi fitur dan adaptasi platform, sementara kebutuhan akan layanan berkelanjutan seringkali tidak terpenuhi.
UBUB Produksi animasi 3D menuntut sistem penyimpanan dengan performa tinggi dan latensi rendah. Penelitian ini membandingkan cloud storage (Azure Blob Hot TierProduksi animasi 3D menuntut sistem penyimpanan dengan performa tinggi dan latensi rendah. Penelitian ini membandingkan cloud storage (Azure Blob Hot Tier
UNIPOLUNIPOL Tahapan penelitian meliputi pra‑pemrosesan data, seleksi fitur adaptif, pengembangan model, evaluasi performa, dan analisis feature importance. ModelTahapan penelitian meliputi pra‑pemrosesan data, seleksi fitur adaptif, pengembangan model, evaluasi performa, dan analisis feature importance. Model
UNIPOLUNIPOL Toko Yayyshop merupakan sebuah bisnis yang bergerak di bidang penjualan kosmetik dan skincare. Toko Yayyshop berlokasi di Bumi Pratama Residance Jl. TamangapaToko Yayyshop merupakan sebuah bisnis yang bergerak di bidang penjualan kosmetik dan skincare. Toko Yayyshop berlokasi di Bumi Pratama Residance Jl. Tamangapa
STMIK BANJARBARUSTMIK BANJARBARU Hasil evaluasi menunjukkan akurasi 81%, presisi rata‑rata 80%, recall 80%, dan f‑measure 80%, menandakan Random Forest efektif untuk klasifikasi sentimenHasil evaluasi menunjukkan akurasi 81%, presisi rata‑rata 80%, recall 80%, dan f‑measure 80%, menandakan Random Forest efektif untuk klasifikasi sentimen
Useful /
SIBERPUBLISHERSIBERPUBLISHER Penelitian ini bertujuan untuk mengkaji secara sistematis peran modal manusia kewirausahaan dalam mendorong kreativitas dan inovasi dalam konteks kewirausahaan.Penelitian ini bertujuan untuk mengkaji secara sistematis peran modal manusia kewirausahaan dalam mendorong kreativitas dan inovasi dalam konteks kewirausahaan.
UBUB Penelitian ini berkontribusi pada pengembangan solusi IoT pertanian yang terjangkau, adaptif terhadap kondisi geografis Indonesia, dan dapat mendukungPenelitian ini berkontribusi pada pengembangan solusi IoT pertanian yang terjangkau, adaptif terhadap kondisi geografis Indonesia, dan dapat mendukung
UNIPOLUNIPOL Evaluasi prototipe menunjukkan bahwa query dapat dikirim dari base station ke node sensor dan data hasil pengindraan berhasil diterima, membuktikan kelancaranEvaluasi prototipe menunjukkan bahwa query dapat dikirim dari base station ke node sensor dan data hasil pengindraan berhasil diterima, membuktikan kelancaran
UNIPOLUNIPOL 000 baris) dengan throughput 4,8 req/s mengalahkan Go dan Bun, namun dengan error rate yang masih sangat tinggi (99,7%). Bottleneck database (MySQL melalui000 baris) dengan throughput 4,8 req/s mengalahkan Go dan Bun, namun dengan error rate yang masih sangat tinggi (99,7%). Bottleneck database (MySQL melalui