Article Per Year (5 Year)
p-Index From 2019 - 2024
1.789
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Edukasi dan Penelitian Informatika (JEPIN) Agrokreatif Jurnal Ilmiah Pengabdian kepada Masyarakat ILKOM Jurnal Ilmiah Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Nasional Cosphi Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)
Kartika Chandra Pelangi
Universitas Ichsan Gorontalo
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
PENGELOMPOKAN BUAH JERUK MENGGUNAKAN NAïVE BAYES DAN GRAY LEVEL CO-OCCURRENCE MATRIX Haba, Rahmat Karim; Pelangi, Kartika Chandra
ILKOM Jurnal Ilmiah Vol 12, No 1 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1951.348 KB) | DOI: 10.33096/ilkom.v12i1.494.17-24

Abstract

Tangerines are fruits that are rich in high vitamin C content. Every orchard owner always tries to improve the quality of their plantation. In the selection of tangerines to be classified as ripe or immature at harvest time, the garden planters are already accustomed, but sometimes the farmer grouping the ripe oranges has problems such as physical limitations of the farmer, which is caused by fatigue factor. because it is still grouping with conventional systems so it is not effective and efficient in classifying ripe oranges. So from that we need a computerized system that can help gardeners in classifying ripe oranges. One of the technologies currently developing in agriculture and plantations is digital image processing using a classification system based on the texture and naïve bayes method. Based on the results that have been made, that the classification system using the Naïve Bayes method on tangerine images can be classified and obtain effective and efficient performance based on testing of 82% so that it can be implemented.
SISTEM CERDAS DALAM KLASIFIKASI KEMATANGAN BUAH JERUK BERDASARKAN FITUR EKSTRAKSI GLCM DENGAN METODE NAÏVE BAYES Abd Rahmat Karim Haba; Kartika Chandra Pelangi
Jurnal Teknologi dan Manajemen Informatika Vol 5, No 2 (2019): Desember 2019
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jtmi.v5i2.3935

Abstract

Selama ini para petani kebun dalam menentukan kematangan buah jeruk yang mereka panen tidaklah sulit karena mereka telah terbiasa namun terkadang dalam penyortiran untuk mengelompokkan buah jeruk yang matang mendapatkan permasalahan seperti keterbatasan fisik sehingga tidak efektif dan efisien dalam mengelompokan kematangan buah jeruk. Salah satu inovasi teknologi informasi dan komunikasi dalam bidang pertanian dan perkebunan adalah penggunaan metode klasifikasi dengan algoritma naïve bayes pada sistem cerdas. Yang menjadi rumusan masalah dalam penelitin ini adalah bagaimana melakukan klasifikasi dengan sistem cerdas pada kematangan buah jeruk keprok dan bagaimana memperoleh sistem cerdas yang efektif dan efisien sehingga dapat di implementasikan. Tujuan dari penelitian ini adalah untuk melakukan pengklasifikasian dengan sistem cerdas pada kematangan buah jeruk keprok dan untuk memperoleh sistem cerdas yang efektif dan efisien sehingga dapat di implementasikan. Berdasarkan hasil dan analisis yang telah dilakukan, dapat disimpulkan bahwa Dapat melakukan pengklasifikasian kematangan buah jeruk keprok dengan sistem cerdas dengan menggunakan fiur ekstraksi GLCM dan metode Naïve Bayes dan Dapat memperoleh kinerja yang efektif dan efisien dari sistem cerdas klasifikasi kematangan buah jeruk keprok sehingga dapat di implementasikan. DOI: https://doi.org/10.26905/jtmi.v5i2.3935
PENERAPAN DATA MINING UNTUK MENENTUKAN POTENSI HUJAN HARIAN DENGAN MENGGUNAKAN ALGORITMA K NEAREST NEIGHBOR (KNN) Rofiq Harun; Kartika Chandra Pelangi; Yuliyanti Lasena
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 3 No. 1 (2020): MISI Januari 2020
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v3i1.125

Abstract

Pentingnya informasi ramalan cuaca yang tepat dan tidak membingungkan untuk berbagai hal bidang-bidang seperti pertanian perikanan yang terkait erat dengan prakiraan cuaca, Prediksi cuaca yang tepat dan cepat diperlukan oleh bidang-bidang ini untuk melakukan berbagai variasi kegiatan Tentunya tidak hanya nelayan atau petani yang dapat memanfaatkan ramalan cuaca informasi, masih banyak bidang kerja terkait lainnya, seperti pariwisata, perkapalan, perkebunan, kehutanan, konstruksi bangunan, perencanaan regional, kesehatan dan bahkan di bidang olahraga memerlukan informasi ini karena itu perlu membuat aplikasi untuk menentukan informasi cuaca, sehingga informasi tersebut dapat dimanfaatkan secara maksimal oleh Publik. desain sistem yang akan mengklasifikasikan secara otomatis dapat dikembangkan dengan menerapkan metode (KNN) berdasarkan Analisis data cuaca untuk menentukan apakah cuaca tidak hujan, cuaca hujan, hujan lebat, dan Dan hasil pengujian menunjukan baahwa klasifikasi penentuan cuaca harian dengan algoritma K-Nearest Neighbor mendapatkan Nilai RMSE 9.899 +/- 0.000 Kata kunci: K-Nearest Neighbor, Informasi cuaca
Pemberdayaan Kelompok PKK Desa Ilomata melalui Wirausaha Keripik Pisang Aneka Rasa Tri Handayani; Nurhayati Olii; Kartika Chandra Pelangi
Agrokreatif: Jurnal Ilmiah Pengabdian kepada Masyarakat Vol. 7 No. 2 (2021): Agrokreatif Jurnal Ilmiah Pengabdian Kepada Masyarakat
Publisher : Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/agrokreatif.7.2.185-191

Abstract

Ilomata Village is one of the villages in Gorontalo District which has the potential of banana farming commodities, but it has not been utilized optimally. The aim of this community service activity are empowering the Ilomata Village PKK group through training activities for making various flavors of banana chips, simple bookkeeping training and product marketing training. The method applied is training and mentoring, whose activities include 1) Training in making various flavored banana chips; 2) Simple bookkeeping training; 3) Product marketing training; and 4) Mentoring in determining the name of the product, making packaging labels, and handling PIRT distribution permit. The results of the activity showed that the PKK group members understood and had skills in making banana chips with various flavors, doing simple bookkeeping and marketing the product. The availability of a banana chip product named banana chips I-Bas (Ilomata-Banana chips) with No. distribution license for PIRT 214750201001324 and has been marketed both offline and online. Thus, the empowerment of the PKK groups through banana chips entrepreneurship can increase the utilization of the potential of the banana commodity in line with the increased understanding and skill of PKK group members in making and marketing various flavored banana chips products.
PREDIKSI PRODUKSI TANAMAN PANGAN DI PROVINSI GORONTALO MENGGUNAKAN METODE K-NN (K-Nearest Neighbor) Kartika Chandra Pelangi
Simtek : jurnal sistem informasi dan teknik komputer Vol 6 No 2 (2021): Oktober 2021
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v6i2.113

Abstract

Pertanian sudah menjadi peranan penting bagi suatu masyarakat di Provinsi Gorontalo khususnya pada daerah lahan yang luas serta memiliki tanah yang subur. Selain itu, pertanian berperan penting dalam peningkatan suatu daerah serta perekonomian daerah itu sendiri dan sebagai sarana dalam berusaha menghidupi kebutuhan keluarga, begitu pun pangan mempunyai peranan yang sangat penting bagi kehidupan manusia karena pangan adalah bahan makanan pokok yang paling utama di butuhkan oleh tubuh manusia, Permasalahannya yaitu luas panen yang mengalami perubahan setiap tahunnya berpengaruh pada hasil produksi tanaman pangan, Karena jika luas panen tanaman pangan besar maka hasil produksi akan meningkat dan jika luas panennya kecil maka hasil produksi tanaman pangan menurun. Untuk memenuhi kebutuhan pangan di Provinsi Gorontalo yang sering mengalami perubahan pada jumlah produksi tanaman pangan yang tidak menentu tiap tahunnya, pemerintah akan terus berupaya untuk meningkatkan hasil pertanian, Maka diperlukan suatu sistem untuk melakukan prediksi terhadap hasil pertanian yang ada di Provinsi Gorontalo berdasarkan luas lahan dan produksi panen di tiap tahunnya. Tujuannya yaitu untuk mengetahui hasil produksi tanaman pangan yang ada di Dinas Pertanian Provinsi Gorontalo. Dari hasil penelitian dengan program untuk Prediksi Produksi Tanaman Pangan Di Provinsi Gorontalo menggunakan metode K-nearest neighbor di dapatkan tingkat akurasi tertingi pada komoditi jagung dengan tingkat akurasi sebesar 92,83 %. Hasil akurasi tersebut dapat dikategorikan bahwa aplikasi yang dibuat layak untuk digunakan dalam memprediksi hasil produksi tanaman pangan
Pengelompokan Buah Jeruk menggunakan Naïve Bayes dan Gray Level Co-occurrence Matrix Rahmat Karim Haba; Kartika Chandra Pelangi
ILKOM Jurnal Ilmiah Vol 12, No 1 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i1.494.17-24

Abstract

Tangerines are fruits that are rich in high vitamin C content. Every orchard owner always tries to improve the quality of their plantation. In the selection of tangerines to be classified as ripe or immature at harvest time, the garden planters are already accustomed, but sometimes the farmer grouping the ripe oranges has problems such as physical limitations of the farmer, which is caused by fatigue factor. because it is still grouping with conventional systems so it is not effective and efficient in classifying ripe oranges. So from that we need a computerized system that can help gardeners in classifying ripe oranges. One of the technologies currently developing in agriculture and plantations is digital image processing using a classification system based on the texture and naïve bayes method. Based on the results that have been made, that the classification system using the Naïve Bayes method on tangerine images can be classified and obtain effective and efficient performance based on testing of 82% so that it can be implemented.
Prediksi Hasil Produksi Jagung Menggunakan Metode Least Square Kartika Chandra Pelangi
Jurnal Cosphi Vol 5, No 2 (2021): Agustus-Desember 2021
Publisher : Teknik Elektro - Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (102.859 KB)

Abstract

Penelitian ini bertujuan untuk memprediksi hasil produksi jagung berdasarkan luas tanam, hasil produksi jagung dalam tiap tahunnya mengalami perbedaan dengan target yang telah ditentukan, hal ini diakibatkan adanya ketidaksesuaian antara  luas tanam dengan target yang ditentukan oleh pemerintah sehingga terjadi perbedaan data produksi jagung di tiap tahunnya. Permasalahan luas Tanam yang berubah setiap tahunnya berpengaruh pada hasil produksi jagung, Karena jika luas Tanam jagung kecil maka produksi jagung menurun (sedikit) dan jika luas Tanam jagungnnya besar maka produksi jagung meningkat (banyak). Penelitian ini membuat sistem dengan Teknik Data Mining yang akan digunakan untuk memprediksi hasil produksi jagung berdasarkan data produksi sebelumnya dengan menggunakan Metode Least Square. Dengan mencari tingkat Error menggunakan Mean Absolute Persentage Error (MAPE), dengan rata-rata Error sebesar 41,20% kemudian hasil tingkat akurasi untuk produksi hasil jagung sebesar 58,8% dengan nilai n=16
The Implementation of GLCM and ANN Methods to Identify Dragon Fruit Maturity Level Muhammad Faisal; Maryam Hasan; Kartika Candra Pelangi
ILKOM Jurnal Ilmiah Vol 15, No 1 (2023)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v15i1.1504.64-71

Abstract

The identification of the maturity level of dragon fruit in this study was divided into two groups of ripeness: the unripe and the ripe. This study aims to classify the maturity level based on dragon fruit images using the feature extraction method, the gray level co-occurrence matrix (GLCM). This research method consists of converting RGB data to grayscale, image normalization, detection of dragon fruit maturity, feature extraction, and identification. Data collection from real data totaled 60 images used in this study consisting of 40 training data and 20 testing data which are RGB image data in JPG format. Each data consists of 2 maturity categories. Training data consists of 20 images of 99% ripe dragon fruit and 20 images of 85%. Meanwhile, the testing data consisted of 10 of 99% ripe dragon fruit images and 10 of 85% ripe dragon fruit images. The image data is processed into a grayscale image which then detects the ripeness of the dragon fruit. After the maturity of the dragon fruit is obtained, segmentation is carried out on the location of the dragon fruit found. Then the feature calculation is performed using the Gray Level Co-Occurrence Matrix (GLCM). The Artificial Neural Network (ANN) algorithm is used for the identification process. The final test results show that the proposed method has been able to detect dragon fruit maturity level with an accuracy of = 9/10* 100% = 90%, calculated using the confusion matrix. Thus, implementing the Gray Level Co-Occurrence Matrix and Artificial Neural Network methods to the maturity level problem dragon fruit needs to be developed.
Penerapan Metode K-Means Untuk Clustering Penjualan Suku Cadang Kendaraan Viar (Studi Kasus: CV. Gotama Viar Gorontalo) Iftinan Inayah Mohamad; Irvan Abraham Salihi; Kartika Chandra Pelangi
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 2 No 1 (2023): Edisi Mei 2023
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/balok.v1i2.399

Abstract

Until now motorcycles are still one of the most widely used means of transportation by Indonesian people. One of the authorized VIAR dealers in Sulawesi is CV Gotama VIAR Gorontalo. The company sells several VIAR-branded motorcycles and some genuine spare parts. There are stock-outs in several types of VIAR vehicle spare parts that are sold because many consumers buy them. There is a stacking of stock of other types of VIAR vehicle spare parts in the warehouse because they are not well sold. It is caused by the company experiencing confusion in determining what types of spare parts are more and less in-demand. The purpose of this study is to group several types of vehicle spare parts that are more and less in demand. The K-Means method is one of the methods in partitional clustering which works in grouping large data by dividing the data into one or more clusters. Based on the results of this study, it can be concluded that the results obtained explain that there are 373 types of goods categorized as more in-demand and 7 types of goods categorized as less in-demand. The system created can obtain a system that can classify spare parts sales data using the K-Means method which is reliable when applied.
Pengenalan Ekspresi Wajah Pengemudi Berbasis Fitur Eigenface dan Gray Level Co-Occurance Matrice Sudirman S. Panna; Aprianto Alhamad; Kartika Chandra Pelangi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.61857

Abstract

Umumnya kecelakaan lalu lintas disebabkan oleh terjadinya penurunan konsentrasi saat berkendara yang diakibatkan oleh rasa kantuk yang dialami, terdapat 20% kecelakaan disebabkan oleh penurunan konsentrasi. Teknologi computer vision berupaya mengembangkan teknologi driving assistance dalam menyelesaikan persoalan kecelakaan lalu lintas. Penelitian sebelumnya terkait deteksi ekspresi wajah pengemudi menyimpulkan bahwa metode eigenface memiliki waktu komputasi yang cukup baik akan tetapi hanya mampu menghasilkan akurasi sebesar 80%, sehingganya dalam penelitian ini akan dilakukan pengabungan dua buah fitur ekstraksi (eigenface dan GLCM) serta algoritma ANN sebagai pengklasifikasi. Pada penelitian yang kami lakukan menunjukkan metode yang diusulkan dapat memberikan performa dengan nilai akurasi sebesar 83%, recall sebesar 86%, precission sebesar 81% dan F1-Score sebesar 83%.
Co-Authors Abd Rahmat Karim Haba Aprianto Alhamad Iftinan Inayah Mohamad Irvan A. Salihi Maryam Hasan Muh Faisal Nurhayati Olii Rofiq Harun Sudirman S. Panna Tri Handayani Yulianty Lasena