Orchidaceae is the Latin name of an orchid that has various shapes, colors and sizes of flowers with unique features. The shape and color of the lips or labellum is a unique orchid that is a differentiator from other plants. In general, the types of orchids have similar colors, textures and flower petals, this causes a person to have difficulty identifying orchid species, especially people who do not know the characteristics of some types of orchids. Therefore the process of identifying orchids needs to be done automatically with a computer system so that it is expected to make it easier to identify the types of orchids. In this study using the GLCM method for feature extraction and KNN method for the process of identifying orchids or orchidaceae. Stages of identification of orchid images are changing the initial size of the image, conversion into gray degrees, median filters, feature extraction of the GLCM method and identification with the KNN method. The success rate of identifying Orchidaceae or orchids reaches 80% with an average of 77%. K value influences the success rate of identification, the greater the K value the smaller the accuracy.

Abstrak

E-learning memberikan kemudahan dan kelancaran proses belajar-mengajar baik bagi mahasiswa maupun dosen. Dengan metode e-learning, dosen dapat meningkatkan intensitas komunikasi interaktif dengan mahasiswa di luar jam kuliah resmi. Metode e-learning memberikan keleluasaan pada dosen untuk memberikan akses kepada mahasiswa untuk mendapatkan referensi ilmiah terkait dengan mata kuliah tersebut yang mungkin tidak didapat selama jam kuliah maupun praktikum. Referensi-referensi tersebut dapat berupa tulisan ilmiah, artikel populer atau jurnal-jurnal elektronik. Hal ini akan sangat berguna bagi mahasiswa, karena selain dapat memperkuat pemahaman mahasiswa untuk tiap pokok bahasan perkuliahan. Penggunaan e-learning bisa memungkinkan mahasiswa untuk belajar dimana saja tanpa harus pergi mengikuti perkuliahan di kelas, khususnya di Fakultas  Program Studi Teknik Informatika Universitas Nusantara PGRI Kediri

Abstrak

Wajah atau muka adalah bagian depan kepala pada manusia meliputi wilayah dari dahi hingga dagu, termasuk rambut, dahi, alis, mata, hidung, pipi, mulut, bibir, gigi, kulit, dan dagu. Sebuah sistem biometrika berdasarkan wajah diharapkan dapat menutup kelemahan sistem presensi konvensional yang berdasarkan tanda tangan. Beberapa kelemahan sistem tersebut antara lain, adanya celah kecurangan dalam proses tanda tangan dan waktu perekapan yang cukup lama. Penulis menggunakan metode ektraksi fitur Eigenface PCA sedangkan untuk klasifikasi menggunakan K-Nearest Neighbor. Akurasi pengenalan wajah dengan menggunakan metode ektrasi fitur eigenface dan K-NN mencapai 80%. Nilai rata-rata FAR terendah adalah 20% sedangkan FRR 15%. Semakin banyak data latih yang digunakan akurasinya semakin tinggi. Akurasi optimal didapat pada kondisi jarak 50 cm dengan cahaya terang.