Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Journal of Deep Learning, Computer Vision and Digital Image Processing
Nurul Amanda Pratiwi Hasbullah
Universitas Negeri Makassar
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Deteksi Nominal Uang Kertas Menggunakan OCR (Optical Character Recognition) Wanda Hamidah; Tsabita Syalza Billa Irawan; Nurul Amanda Pratiwi Hasbullah; Andi Baso Kaswar
Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Vol 7 No 2 (2022): Techno Xplore: Jurnal Ilmu Komputer dan Teknologi Informasi
Publisher : Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36805/technoxplore.v7i2.2123

Abstract

Instrumen pembayaran yang saat ini umum digunakan diseluruh dunia ialah uang kertas. Saat ini, perkembangan sistem teknologi yang semakin canggih membuat seluruh aktivitas dan pekerjaan yang dilakukan oleh seseorang dapat diselesaikan lebih mudah dan lebih cepat. Salah satu keringanan yang dapat dinikmati oleh masyarakat adalah adanya teknologi atau sistem yang mampu mendeteksi/mengenal nominal dari uang kertas. Pada penelitian ini, penulis mengusulkan metode untuk mendeteksi nominal uang kertas dengan menggunakan OCR (Optical Character Recognition). Tahapan-tahapan untuk mendeteksi nominal dari citra uang adalah Resize, Cropping, Rotasi Citra, Grayscale, Filter, Biner, Morfologi, dan OCR. Total dataset uang kertas yang digunakan sebanyak 70 lembar uang dengan pecahan Rp 1,000,00, Rp 2,000,00, Rp 5,000,00, Rp 10,000,00, Rp 20,000,00, Rp 50,000,00, dan Rp 100,000, Dari Dari hasil penelitian yang dilakukan menggunakan 70 sampel uang kertas, didapatkan hasil tingkat akurasi deteksi citra uang kertas yang benar sebesar 94%, dengan tingkat akurasi error sebesar 6%.
MEDICINE CLASSIFICATION BASED ON LOGO ON PACKAGING USING K-NEAREST NEIGHBOR ALGORITHM BASED ON DIGITAL IMAGES: KLASIFIKASI JENIS OBAT BERDASARKAN LOGO PADA KEMASAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR BERBASIS CITRA DIGITAL Trisakti Akbar; Marwan Ramdhany Edy; Nurul Amanda Pratiwi Hasbullah; Rifaldy Alam Saputra; Muhammad Akbar Amir
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.48

Abstract

Obat adalah suatu zat yang dikonsumsi untuk menjaga kesehatan, menyembuhkan, dan mencegah penyakit. Penggunaan obat lazim kita temui dalam kehidupan sehari-hari, baik untuk keperluan penyembuhan, pencegahan penyakit maupun sebagai suplemen kesehatan. Meski begitu, kemudahan mendapatkan obat juga membawa dampak negatif. Misalnya, semakin banyak masyarakat yang menggunakan obat secara irasional. Pengetahuan masyarakat terkait penggolongan dan pola logo pada kemasan obat masih kurang sehingga obat yang diharapkan dapat menyembuhkan penyakit justru dapat membahayakan diri masyarakat yang mengkonsumsinya. Sebelumnya telah dilakukan penelitian untuk mengklasifikasikan jenis obat berbasis citra digital, namun proses cropping logo masih dilakukan secara manual. Oleh karena itu, penelitian ini mengusulkan metode baru untuk mengklasifikasikan jenis obat berdasarkan logo pada kemasannya menggunakan metode K-Nearest Neighbor (K-NN) dengan ekstraksi fitur warna. Tahapan metode yang diusulkan terdiri dari akuisisi citra, preprocessing, deteksi tepi, Circle Hough Transformation, segmentasi citra, cropping dan resize, ekstraksi fitur, dan klasifikasi. Berdasarkan hasil pengujian yang dilakukan, diperoleh tingkat akurasi sebesar 93,33%. Hasil pengujian tersebut menunjukkan bahwa metode yang diusulkan dapat mengklasifikasikan jenis obat dengan tingkat akurasi yang tinggi.
Penghitungan Jumlah Sel Darah Merah pada Citra Menggunakan Hough Transform Ananta Dwi Prayoga Alwy; Kurnia Prima Putra; Andi Nurul Izzah; Nurul Amanda Pratiwi Hasbullah; Bukhari Naufal Nur Ag; Muhammad Fajar B
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.50

Abstract

Darah adalah cairan yang terdiri dari sel-sel khusus yang tersuspensi dalam media plasma. Komponen seluler darah terdiri dari tiga jenis sel yaitu sel darah merah (eritrosit), sel darah putih (leukosit) dan platelet (trombosit). Fungsi utama sel darah merah (RBC) adalah untuk mengangkut oksigen dari paru-paru ke jaringan dan karbon dioksida dari jaringan ke paru-paru. Jumlah sel darah merah penting dilakukan untuk mengetahui tanda penyakit yang mungkin memerlukan bantuan medis. Oleh karena itu, penelitian ini dilakukan untuk membuat sistem penghitung jumlah sel darah merah yang ada pada manusia menggunakan hough transform, operasi morfologi dan proses segmentasi. Beberapa penelitian sebelumnya, telah dilakukan beberapa metode dan tahapan unuk melakukan penghitung jumlah sel darah merah. Namun, peneliti sebelumnya hanya menggunakan citra sel darah merah saja. Pada penelitian ini, peneliti menggunakan citra yang terdapat sel darah putih sehingga sistem ini mampu menghitung jumlah sel darah merah walaupun didalam citra terdapat sel darah putih. Dari hasil pengujian sistem berdasarkan metode yang diusulkan yaitu algoritma Hough Transform mendapatkan nilai akurasi sebesar 91%.
Co-Authors Ananta Dwi Prayoga Alwy Andi Baso Kaswar Andi Baso Kaswar Andi Nurul Izzah Bukhari Naufal Nur Ag Kurnia Prima Putra Marwan Ramdhany Edy Muhammad Akbar Amir Muhammad Fajar B Rifaldy Alam Saputra Trisakti Akbar Tsabita Syalza Billa Irawan Wanda Hamidah