Article Per Year (5 Year)
p-Index From 2019 - 2024
1.363
P-Index
This Author published in this journals
All Journal Berkala Fisika Indonesia : Jurnal Ilmiah Fisika, Pembelajaran dan Aplikasinya JINOP (Jurnal Inovasi Pembelajaran) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Physics: Theories and Applications Krea-TIF: Jurnal Teknik Informatika Reswara: Jurnal Pengabdian Kepada Masyarakat Journal of Novel Engineering Science and Technology
Sabarudin Saputra
IKIP MUHAMMADIYAH MAUMERE
Religion Agriculture, Biological Sciences & Forestry Humanities Astronomy Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Physics Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Krea-TIF: Jurnal Teknik Informatika

 1 
Identifikasi Kesegaran Ikan Menggunakan Algoritma KNN Berbasis Citra Digital Sabarudin Saputra; Anton Yudhana; Rusydi Umar
Krea-TIF: Jurnal Teknik Informatika Vol 10, No 1 (2022)
Publisher : Fakultas Teknik Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/krea-tif.v10i1.6845

Abstract

Ikan merupakan komoditas utama laut yang penting sebagai sumber makanan. Ikan perlu diketahui kesegarannya sebelum dikonsumsi manusia. Tingkat kesegaran ikan biasanya diidentifikasi dengan cara konvensional seperti analisis kimiawi atau biokimiawi ikan,  analisis kandungan mikrobiologi pada ikan, dan metode pemeriksaan sensori. Metode-metode tersebut dapat dilakukan namun membutuhkan kekuatan manusia yang cenderung mengalami kelelahan. Penelitian ini bertujuan untuk mengidentifikasi kesegaran ikan hasil tangkapan dengan menggunakan sistem komputerisasi digital. Metode yang digunakan adalah K-Nearest Neighbor dengan memanfaatkan citra mata ikan berbasis nilai fitur warna RGB. Data yang digunakan adalah 150 citra mata ikan yang diambil pada rentang waktu satu jam, lima jam, dan 10 jam. Citra mata ikan tersebut sebelumnya telah dilakukan cropping, segmentasi dan ekstraksi nilai RGB untuk kemudian diklasifikasikan berdasarkan kelas target. Data penelitian dibagi menjadi 120 citra untuk pelatihan dan 30 citra untuk pengujian. Hasil pengujian menunjukkan bahwa nilai akurasi paling tinggi menggunakan nilai K=1 yaitu sebesar 93,33%. Berdasarkan hasil akurasi tersebut maka metode KNN dapat menjadi model pengembangan identifikasi kesegaran ikan menggunakan citra digital.
Co-Authors Aang Anwarudin Adi Jufriansah Anton Yudhana Azmi Khusnani Fitrah Juliansyah hikmatiar, hamzarudin Kristina Theresia Leto Nurfitriah Safrudin Nursina Sya'bania Rezki Ramdhani Rusydi Umar Tanti Diyah Rahmawati Yudhiakto Pramudya