No abstract

No abstract

Medicinal plants can be used as an alternative natural treatment, instead of chemical drugs. But because of too many types of plants and lack of knowledge, it will be difficult to identify these herbs. Computer assistance can be used to facilitate the identification of these herbs. This research proposes the identification of herbal plants based on leaf image using texture analysis. There are 10 types of herbal medicinal plants used in this study. The texture analysis used was GLCM by extracting contrast, correlation, energy, and homogeneity. Classification is done by KNN. The result of the experiment showed that the accuracy of identification using 9-fold cross-cross validation method was 83.33% using 9 subsets.

In this work, we developed a QSAR model using the K-Nearest Neighbor (KNN) algorithm to predict the corrosion inhibition performance of the inhibitor compound. To overcome the small dataset problems, virtual samples are generated and added to the training set using a Virtual Sample Generation (VSG) method. The generalizability of the proposed KNN + VSG model is verified by using six small datasets from references and comparing their prediction performances. The research shows that for the six datasets, the proposed model is able to make predictions with the best accuracy. Adding virtual samples to the training data helps the algorithm recognize feature-target relationship patterns, and therefore increases the number of chemical quantum parameters correlated with corrosion inhibition efficiency. This proposed method strengthens the prospect of ML for developing material designs, especially in the case of small datasets.

<p>Penelitian ini akan membahas tentang permasalahan yang terjadi pada PT. Menara Jenang Kudus, yaitu kesulitan dalam memprediksi jumlah produksi jenang perbulannya. Setiap bulannya penjualan jenang meningkat dan pihak perusahaan hanya mengandalkan perhitungan<br />secara manual untuk menentukan jumlah produksi jenang pada bulan berikutnya. Dengan menggunakan perhitungan secara manual kadang terjadi kelebihan produksi yang mengakibatkan jenang menjadi basi karena jumlah produksi tidak sesuai dengan permintaan.<br />Untuk dapat mengatasi permasalahan ini dan membantu mempermudah dalam memprediksi jumlah produksi Jenang perbulannya, maka diperlukan sistem untuk memprediksi secara otomatis menggunakan kecerdasan buatan. Logika fuzzy adalah sebuah metode dalam<br />kecerdasan buatan yang menggunakan variabel kata-kata sebagai pengganti berhitung dengan bilangan. Dengan logika fuzzy, sistem kepakaran manusia bisa diimplementasikan ke dalam bahasa mesin secara mudah dan efisien. Logika fuzzy diaplikasikan untuk data di PT. Menara Jenang Kudus dari bulan Februari sampai September dengan hasil dari pengujian menggunakan MSE untuk Jenang Wijen sebesar 7.121, jenang spesial sebesar 15.940 dan Jenang Duren sebesar 21.168, yang menunjukkan bahwa meskipun terjadi error namun hasil prediksi masih dapat diterima.  </p><p><br />Kata Kunci—Fuzzy Tsukamoto, jenang, kecerdasan buatan, produksi, prediksi</p>