Article Per Year (5 Year)
p-Index From 2019 - 2024
1.152
P-Index
This Author published in this journals
All Journal Jurnal Informatika Universitas Pamulang RESEARCH : Computer, Information System & Technology Management Jurnal Nasional Komputasi dan Teknologi Informasi Insand Comtech : Information Science and Computer Technology Journal
Nur Nafi'iyah
Universitas Islam Lamongan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : RESEARCH : Computer, Information System

 1 
Klasifikasi Jenis Pisang Berdasarkan Fitur Warna, Tekstur, Bentuk Citra Menggunakan SVM dan KNN Yusuf Eka Yana; Nur Nafi'iyah
RESEARCH : Journal of Computer, Information System & Technology Management Vol 4, No 1 (2021)
Publisher : UNIVERSITAS PGRI MADIUN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/research.v4i1.6687

Abstract

Di Indonesia mempunyai beragam jenis tanaman, buah yang dapat ditanam di berbagai daerah Indonesia. Contohnya buah Pisang mempunyai beragam jenis Pisang, dan beberapa masyarakat kurang memahami jenis-jenis Pisang yang ada di Indonesia. Dengan kondisi itu maka kami akan melakukan suatu penelitian terkait mengklasifikasikan jenis Pisang berbasis komputer. Tujuan penelitian ini, yaitu mengidentifikasi atau mengklasifikasi jenis Pisang berdasarkan fitur citra (warna, tekstur, bentuk) dengan algoritma SVM dan KNN. Data yang digunakan adalah citra Pisang total 399, yang diklasifikasi menjadi 7 jenis, Pisang ambon, Pisang kepok, Pisang susu, Pisang raja, Pisang mas, Pisang raja nangka, Pisang cavendish. Dari citra Pisang diambil fitur warna nilai rata-rata RGB, standar deviasi RGB, skewness RGB, entropy RGB. Fitur tekstur nilai rata-rata citra grayscale, standar deviasi grayscale, dan gray level co-occurance matrix (kontras, energi, korelasi, homogeneity). Serta fitur bentuk dari citra biner nilai area, perimeter, metric, major axis, minor axis, eccentricity. Hasil ujicoba menunjukkan algoritma SVM nilai akurasi mengklasifikasi jenis Pisang secara berturut-turut dari fitur warna, tekstur, bentuk adalah 41,67%, 33,3%, 8,3%. Dan hasil klasifikasi jenis Pisang dengan algoritma KNN, nilai K terbaik adalah 2 pada fitur warna 55,95%, fitur tekstur 58,33%, dan fitur bentuk 45,24%.
Prediksi Jumlah Penjualan pada Toko Makmur Jaya Elektronik dengan Regresi Linier Nur Nafi'iyah
RESEARCH : Journal of Computer, Information System & Technology Management Vol 2, No 2 (2019)
Publisher : UNIVERSITAS PGRI MADIUN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (947.712 KB) | DOI: 10.25273/research.v2i02.5143

Abstract

Toko Makmur Jaya Elektronik merupakan toko yang bergerak di toko elektronik. Karena jumlah permintaan barang di setiap bulan kurang menentu, maka membuat pemilik toko kesulitan dalam menyediakan stok barang setiap bulan. Jika persediaan stok barang kurang maka membuat toko kehilangan laba dari perjualan. Tujuan penelitian ini untuk menentukan stok persediaan barang di bulan berikutnya menggunakan algoritma regresi linier berganda. Metode yang digunakan dalam penelitian ini adalah regresi linier berganda dengan inputan jenis barang, bulan, dan outputnya adalah stok barang. Barang yang akan diprediksi adalah kulkas dan televisi selama 3 tahun, sebanyak 72 baris dataset. Hasil perhitungan menunjukkan bahwa metode regresi linier nilai MAPE sebesar 27,291 dan MAD sebesar 9,916.
Co-Authors Muchammad Khudori Purnomo Hadi Susilo Rizki Ardhian Ahmad Sholikah Indrawati Siti Mujilahwati Yusuf Eka Yana