Article Per Year (5 Year)
p-Index From 2019 - 2024
2.705
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Jurnal Mantik Journal Dynamic SainT BERNAS: Jurnal Pengabdian Kepada Masyarakat Teknika INFINITY : UKI TORAJA JOURNAL OF INFORMATION TECHNOLOGY J-Icon : Jurnal Komputer dan Informatika TONGKONAN: Jurnal Pengabdian Masyarakat The Indonesian Journal of Computer Science
Juprianus Rusman
Program Studi Teknik Informatika, Universitas Kristen Indonesia Toraja, Tana Toraja, Sulawesi Selatan
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Teknika

 1 
Kombinasi Pretrained Model dan Random Forest Pada Klasifikasi Bakso Mengandung Boraks dan Non-Boraks Berbasis Citra Aryo Michael; Srivan Palelleng; Irene Devi Damayanti; Juprianus Rusman
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.591

Abstract

Makanan memainkan peran penting dalam kelangsungan hidup manusia. Salah satu makanan tradisional yang populer di Indonesia adalah bakso. Penggunaan Bahan Tambahan Makanan (BTM) dalam makanan, terutama makanan olahan, tidak dapat dihindari. Salah satu BTM yang sering digunakan adalah boraks. Penggunaan boraks dalam pembuatan bakso dapat menyebabkan efek samping kesehatan bagi konsumen. Oleh karena itu, penting untuk menentukan apakah suatu produk bakso mengandung borax atau tidak. Artikel ini bertujuan untuk mengusulkan pendekatan kombinasi model yang terdiri dari pretrained model sebagai fitur extractor dan Random Forest digunakan untuk mengklasifikasikan gambar bakso serta melakukan evaluasi terhadap model yang dibangun. Kombinasi parameter yang digunakan pada Random Forest menggunakan parameter terbaik dari tuning hyperparameter GridsearchCV. Hasil pengujian menunjukkan kombinasi pretrained model Xception dan Random Forest menghasilkan kinerja dengan akurasi sebesar 85%, presisi sebesar 87%, recall sebesar 83% dan F1-score sebesar 85%.
Prototype Sistem Penyortir Buah Kopi Arabika Berdasarkan Tingkat Kematangan Menggunakan Metode Support Vector Machine Juprianus Rusman; Nofrianto Pasae
Teknika Vol 12 No 1 (2023): Maret 2023
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v12i1.602

Abstract

Salah satu proses peningkatan mutu kopi adalah menyeleksi buah kopi yang matang dan belum matang pasca panen yang dilakukan dengan cara memilih satu per satu. Namun dengan cara tersebut terdapat kelemahan yaitu inkonsistennya hasil sortiran karena faktor subjektifitas dan intentitas cahaya. Sebagai solusi, pada penelitian ini didesain alat bantu dalam bentuk prototipe untuk menyortir buah kopi berdasarkan kematangannya. Kopi matang ditandai dengan warna merah, kopi setengah matang dengan warna kuning kemerahan dan kopi mentah dengan warna hijau. Kamera diletakkan dalam kotak guna mengurangi intentitas cahaya eksternal, digunakan untuk mengambil citra buah kopi kemudian citra buah kopi akan dipisahkan dengan background dengan metode segmentasi warna hue, saturation, value (HSV). Selanjutnya citra buah kopi diekstraksi untuk mendapatkan nilai setiap warna dengan parameter red, green, blue (RGB) dan HSV guna membentuk model klasifikasi metode support vector machine (SVM). Parameter SVM optimum yaitu cost (C)= 10,0 dan gamma (γ)= 0,001. Prototipe yang dibangun berbentuk persegi panjang dengan panjang 70 cm, lebar 10 cm dan tinggi 12 cm. Komponen penyortir yaitu servo yang memutar ke sudut 90o untuk klasifikasi “matang”, sudut 45o untuk klasifikasi “matang setengah” dan sudut 135o untuk klasifikasi “mentah” sedangkan conveyor belt digerakkan oleh motor DC 12 V. Meskipun pada proses prediksi perangkat lunak terdapat kesalahan prediksi namun perangkat keras telah bekerja dengan baik ditandai dengan servo berhasil memutar link ke sudut yang telah ditentukan sesuai hasil prediksi. Dengan demikian, dapat disimpulkan bahwa prototipe sistem penyortir buah kopi arabika berdasarkan kematangannya berhasil dibangun.
Co-Authors Adha, Muhammad Sofwan Amarya Sula Boas Gallaran, Ferayanti Damayanti, Irene Devi Eko Suripto Pasinggi Garonga, Melki Gidion A.N. Pongdatu Haryati, Berlian Zetikarya Irene Devi Damayanti Michael, Aryo Nerlys Amelia Padang, Semuel Yacobus Palelleng, Srivan Pallu, Seltiani Patandung, Suryaningsih Pongdatu, Gideon A.N. Pongdatu, Gidion Aryo Nugraha Romiger Rongko, Yunita Toding Sandri Matarru Srivan Palelleng Upa, Samrius