Journal of Electronics and Instrumentation

Efektivitas Citra PNG dalam Mengidentifikasi Kanker Melalui Hounsfield Units

Fery Ferdianto — 2024-12-30

Perkembangan teknologi dalam bidang medis menjadi peluang dalam deteksi dini berbagai penyakit, termasuk kanker. CT-Scan merupakan salah satu alat yang digunakan dalam mendiagnosis kanker. Akan tetapi, informasi atau data medis dari CT-Scan ini biasanya disimpan dalam format DICOM yang memerlukan perangkat lunak dan peralatan khusus untuk diakses. Oleh karenaa itu penelitian ini bertujuan untuk mengevaluasi efektivitas citra PNG dalam mempertahankan dan merepresentasikan nilai Hounsfield unit yang dibutuhkan untuk mengidentifikasi kanker. Metode yang dilakukan adalah kalibrasi, windowing dan filtering menggunakan metode otsu. Windowing merupakan teknik yang digunakan dalam analisa citra CT-Scan untuk memperjelas tampilan area tertentu dalam gambar medis. Terdapat dua parameter utama dalam teknik ini yaitu Window Width (WW) dan Window Level (WL). Sedangkan metode Otsu digunakan untuk segmentasi citra, yang secara otomatis menentukan threshold optimal untuk memisahkan objek dari latar belakang. Hasil menunjukkan nilai kalibrasi dari citra yang tidak mampu menyamakan nilai HU sesuai dengan metadata dari citra DICOM yang menyebabkan hal tersebut dapat terjadi. Sehingga dapat disimpulkan bahwa citra dengan format PNG mampu atau dapat digunakan untuk mendeteksi jaringan kanker akan tetapi tidak seakurat DICOM dalam aplikasi analisis medis

Klasifikasi Tanah Berdasarkan Reflektansi Cahaya Menggunakan Metode KNN

Ikmal Maulana Muhammad — 2024-12-30

Penelitian ini mengevaluasi efektivitas metode K-Nearest Neighbors
(KNN) dan Decision Tree dalam mengklasifikasikan jenis tanah berdasarkan data
reflektansi dari sensor optik, yang penting untuk mendukung sistem rotasi
tanaman yang efisien dan berkelanjutan. Tujuan dari penelitian ini adalah untuk
menentukan akurasi kedua metode dalam mengidentifikasi pola reflektansi tanah
dan mengevaluasi pengaruh penggunaan pupuk terhadap kualitas tanah. Metode
yang digunakan melibatkan analisis data reflektansi dari beberapa jenis tanah,
termasuk tanah gambut dan tanah mineral, yang diproses menggunakan KNN
untuk mengenali pola kemiripan antar data dan Decision Tree untuk
mengelompokkan tanah berdasarkan perbedaan reflektansi. Selain itu, pengaruh
pupuk organik dan kimia terhadap kesuburan tanah juga dianalisis. Hasil penelitian
menunjukkan bahwa KNN dan Decision Tree berhasil mencapai akurasi tinggi,
dengan KNN efektif mengenali pola reflektansi dan Decision Tree mencapai
tingkat akurasi 93,33%. Tanah gambut terbukti paling cocok untuk rotasi tanaman
karena kandungan bahan organiknya yang tinggi, yang mendukung kelembapan
dan kesuburan tanah secara optimal. Pupuk organik terbukti lebih unggul dalam
menjaga kualitas tanah dibandingkan pupuk kimia, yang dalam penggunaan
jangka panjang dapat menurunkan kualitas tanah. Kesimpulan penelitian ini
menunjukkan bahwa metode KNN dan Decision Tree dapat diandalkan untuk
klasifikasi tanah, mendukung pemilihan tanah yang sesuai untuk rotasi tanaman,
dan merekomendasikan pupuk organik sebagai pilihan yang lebih berkelanjutan
untuk menjaga kualitas tanah. Keterbatasan penelitian ini terdapat pada
portabilitas alat pengukuran yang masih kurang efisien untuk pengumpulan data
lapangan.

Sistem Deteksi Pakan Otomatis Berbasis Sensor RGB yang Terintegrasi dengan Smartphone

Muhammad Fais — 2024-12-30

Artikel ini mengembangkan sistem pendeteksi pakan otomatis berbasis sensor RGB TCS34725 yang terintegrasi dengan smartphone menggunakan aplikasi Blynk untuk memantau ketersediaan pakan secara real-time. Sistem ini memanfaatkan nilai RGB untuk mendeteksi perubahan kondisi pakan dari penuh ke kosong dan memberikan notifikasi otomatis kepada peternak saat pakan perlu diisi ulang. Penelitian menggunakan pendekatan eksperimental kuantitatif dengan pengujian dalam dua kondisi, yaitu lingkungan terkontrol dan lingkungan terbuka. Pada lingkungan terkontrol, sensor menunjukkan akurasi tinggi dengan nilai RGB yang stabil pada jarak 30 hingga 50 cm. Pada lingkungan terbuka dengan pengaruh dari intensitas cahaya luar terutama pada siang hari dengan gangguan maksimum sebesar 21.540 dapat memengaruhi hasil pembacaan. Kalibrasi menggunakan sensor TEMT6000 membantu meningkatkan akurasi pembacaan nilai RGB dalam kondisi pencahayaan variabel. Hasil menunjukkan akurasi optimal sebesar 100% pada malam hari dan penurunan akurasi hingga 62,7% di siang hari. Sistem ini memungkinkan pemantauan pakan secara otomatis dan real-time sehingga mengurangi risiko kelalaian dan meningkatkan efisiensi manajemen pakan. Integrasi dengan aplikasi Blynk memberikan kemudahan bagi peternak untuk memantau kondisi pakan kapan saja dan di mana saja. Penelitian ini menunjukkan potensi besar teknologi IoT berbasis sensor RGB dalam mendukung efisiensi dan keberlanjutan sektor peternakan modern. Pengembangan lebih lanjut, seperti integrasi dengan algoritma koreksi otomatis atau penambahan filter optik dapat dilakukan untuk mengatasi efek gangguan cahaya luar sehingga sistem ini memiliki dapat memiliki tingkat akurasi yang lebih tinggi dalam mendeteksi tingkat ketersediaan pakan.

Klasifikasi Kualitas Telur Berdasarkan Warna Cangkang Menggunakan Metode Rule-Based Calssification

Moh. Aditya Prima Mabruri — 2024-12-30

Industri peternakan ayam petelur memegang peran penting dalam penyediaan sumber protein hewani yang berkualitas tinggi dan terjangkau. Salah satu tantangan utama yang dihadapi oleh peternak adalah memastikan kualitas telur yang dihasilkan tetap optimal, yang dipengaruhi oleh berbagai faktor, termasuk nutrisi pakan. Saat ini, metode penilaian kualitas telur umumnya mahal dan rumit, sehingga sulit diakses oleh peternak kecil. Penelitian ini bertujuan untuk mengembangkan alat yang lebih terjangkau dan efisien dalam memonitor kualitas telur berdasarkan warna cangkang sebagai indikator kualitas menggunakan metode rule-based classification. Metode yang digunakan melibatkan pengukuran reflektansi cangkang telur menggunakan sensor photodioda dan tiga LED berwarna (merah, hijau, biru) yang terhubung dengan Arduino Uno. Setiap warna LED dinyalakan secara bergantian, dan sensor mengukur intensitas cahaya yang dipantulkan dari cangkang telur. Data reflektansi yang diperoleh dianalisis untuk menentukan rentang reflektansi yang mewakili kategori warna cangkang telur, yaitu brown, Faded brown, dan off-white brown. Hasil penelitian menunjukkan bahwa alat ini mampu mengklasifikasikan telur berdasarkan warna cangkang dengan akurasi tinggi, mendukung hipotesis bahwa warna cangkang dapat digunakan sebagai indikator kualitas telur. Implikasi penelitian ini menunjukkan potensi alat berbasis Arduino untuk menjadi alternatif yang lebih terjangkau bagi peternak dalam memonitor kualitas telur. Alat ini tidak hanya mudah diakses, tetapi juga dapat disesuaikan dengan kebutuhan peternak untuk evaluasi kualitas produksi telur. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan sensor yang lebih canggih guna meningkatkan akurasi dan kapasitas analisis data secara real-time.

Pengaruh Implan Gigi dan Gigi Berlubang Terhadap Kejelasan Mental Foramen dan Foramen Mandibula pada Citra Panoramic X-Ray

Letsy Jelita Cinta Pradana — 2024-12-30

Kesehatan gigi merupakan hal penting yang harus diperhatikan. Pemeriksaan gigi menjadi salah satu cara untuk melihat kesehatan gigi. Panoramic x-ray merupakan salah satu alat medis yang dapat digunakan untuk melihat rongga mulut pasien. Prinsip kerja dari panoramik x-ray yaitu dengan mengarahkan sinar-x ke area yang diinginkan. Gambar hasil dari citra ini menunjukkan sendi antara rahang dan tengkorak, dagu, tulang belakang, dan detail lain dari tulang-tulang di daerah hidung dan wajah. Panoramic x-ray dapat menunjukkan rahang dan tengkorak, dagu, tulang belakang, dan detail lain dari tulang-tulang di daerah hidung dan wajah. penelitian ini akan memfokuskan kepada pengaruh implan gigi dan lubang yang ada di antara gigi karna gigi hilang terhadap kualitas dari citra panoramic x-ray. Sebanyak 115 gambar dianalisa menggunakan klasifikasi two-way anova. Hal yang dilihat dari klasifikasi tersebut yaitu mental foramen dan foramen mandibula. Hasil dari penelitian ini yaitu berdasarkan metode kluster yang telah dilakukan terdapat 6 kelas yang dibagi menjadi gigi dengan implan dan lubang, gigi dengan implan, gigi dengan lubang, gigi tidak teratur, tidak ada gigi dan juga gigi sempurna. Salah satu gangguan yang dapat menyebabkan hasil gambar buruk untuk panoramic x-ray yaitu implan gigi dan gigi dengan lubang akibat gigi yang hilang. Hasil menunjukkan bahwa implan gigi dan gigi berlubang merupakan faktor yang menyebabkan hasil gambar buruk dengan jumlah gambar sebanyak 25 dari 115 gambar. Letak objek yang ingin diamati juga berpengaruh terhadap hasil gambar. Mental foramen lebih terlihat daripada foramen mandibula. Selain itu dosis yang digunakan juga berpengaruh terhadap hasil gambar x-ray.

Sistem Klasifikasi Akurat Penyakit Daun Padi Menggunakan Convolutional Neural Network (CNN) Model Xception

Rico Satria Ananda Putra — 2024-12-30

Penelitian ini mengatasi tantangan dalam mengidentifikasi penyakit tanaman daun padi secara akurat dalam pengolahan tanaman agar berjalan secara efektif dan mengurangi kerugian ekonomi yang disebabkan oleh penrunan produktivitas hasil panen. Padi merupakan komoditas utama dalam sektor pertanian, sehingga aya identifkasi dini terhadap penyakit tanaman daun padi dapat memberikan dampak signifikan terhadap stabilitas pangan. Dengan memanfaat metode Convolution Neural Network (CNN) untuk menganalisis gambar daun yang terinfeksi, penelitian ini juga bertujuan untuk meningkatkan akurasi klasifikasi penyakit, sehingga dapat mendukung interferensi yang cepat dan tanggap dalam pengoahan padi yang lebih tepat. Metode yang digunakan dalam penelitian ini menggunakan CNN dengan fokus pada analisis tekstur citra daun padi yang diambil menggunakan kamera Vivo Y17. Data set yang digunakan mencakup berbagai jenis penyakit yang telah diberi label dengan kategori penyakit, meliputi bacterial blight, blast, brown spot, sehat dan tungro. Data set ini diperoleh dari berbagai kondisi pencahayaan dan variasi daun yang terinfeksi kemudian digunakan untuk memastikan kekayaan data yang dapat meningkatkan akurasi model. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur Xception yang dibangun memiliki kinerja yang sangat baik dengan akurasi sebesar 98,99%, nilai presisi sebesar 94%, nilai recall 96%, dan F1-Score 96% yang mengindikasikan bahwa model ini dapat membedakan berbagai kategori penyakit dengan akurasi yang tinggi berperan besar dalam membantu diagnosis otomatis penyakit daun padi dengan menganalisis gambar daun secara cepat dan akurat.

Cover Volume 2 Nomor 1

2024-12-30