Jurnal Ilmu Komputer dan Agri-Informatika
Not a member yet
160 research outputs found
Sort by
SAE-DNN-GA: A Multilabel Classification Approach in Predicting Potential Herbal Compounds for COVID-19 Diseases
Full text linkCOVID-19 adalah penyakit dengan laju penyebaran yang tinggi. Percepatan proses penemuan obat untuk penyakit tersebut sangat dibutuhkan. Penggunaan kembali obat (drug repurposing) merupakan salah satu alternatif dalam pengembangan dan penemuan obat dengan biaya murah serta waktu yang singkat. Tanaman herbal dapat digunakan sebagai obat dengan khasiat yang lebih baik, efek samping yang lebih sedikit, dan lebih murah. Prediksi interaksi obat-target dan penggunaan kembali obat dapat digunakan untuk mengeksplorasi senyawa herbal potensial. Penelitian ini mengatasi kelemahan klasifikasi biner dengan model DSSL-DTI (Deep Semi Supervised Learning-Drug Target Interaction) yang dioptimasi menggunakan Algoritma Genetika. Tujuan penelitian ini adalah mendeteksi kemungkinan adanya hubungan antar label menggunakan pendekatan klasifikasi multilabel dengan model yang dioptimasi. Data yang digunakan penelitian ini antara lain: data protein, data interaksi senyawa-protein, dan data senyawa herbal. Data protein diperoleh dari situs GeneCards yang berisi kumpulan protein yang berasosiasi dengan COVID-19 dan ditemukan pada manusia. Data interaksi senyawa-protein diperoleh dari situs DrugBank dan SuperTarget. Adapun data senyawa herbal diperoleh dari HerbalDB. Hasil penelitian menunjukkan bahwa dengan menggunakan model SAE-DNN-GA yang diusulkan, prediksi senyawa herbal menghasilkan sepuluh senyawa yang berinteraksi dengan dua protein bernilai relevansi tertinggi, yaitu protein INS (7.094) dan ALB (3.178). Hasil ini diharapkan mampu meningkatkan hasil prediksi kandidat senyawa herbal sebagai obat penyakit COVID-19 menjadi lebih akurat.COVID-19 is a disease with a high rate of transmission. Accelerating the drug discovery process for this disease is urgently needed. Drug repurposing is an alternative in drug development and discovery that is cost-effective and time-efficient. Herbal plants can be used as medications with better efficacy, fewer side effects, and lower costs. Drug-target interaction prediction and drug repurposing can be utilized to explore potential herbal compounds. This study addresses the limitations of binary classification with a DSSL-DTI (Deep Semi-Supervised Learning-Drug Target Interaction) model optimized using a Genetic Algorithm. The aim of this research is to detect possible relationships between labels using a multilabel classification approach with an optimized model. The data used in this study include: protein data, compound-protein interaction data, and herbal compound data. Protein data was obtained from GeneCards, which contains a collection of proteins associated with COVID-19 found in humans. Data on compound-protein interactions were obtained from DrugBank and SuperTarget sites. The herbal compound data was obtained from HerbalDB. The results of the study show that using the proposed SAE-DNN-GA model, the prediction of herbal compounds yielded ten compounds that interact with two proteins with the highest relevance values, namely Insulin (7.094) and Albumin (3.178). These results are expected to improve the prediction results of herbal compound candidates as a cure for COVID-19 disease to be more accurate
EVALUASI PENERAPAN SIDALIH MENGGUNAKAN PIECES FRAMEWORK
No full textVarious organizations including government (e-government) have used information technology to support services to the community. Indonesia is one of the major democracies and has implemented e-government in the field of democracy, commonly called e-democracy in the form of applications used to support the implementation of the 2024 election stages, one of which is SIDALIH. The preparation of the voters list is a very important stage to ensure the sovereign rights of citizens. The preparation of the voter list took a long time but until the last election in 2019 there were still various problems, including voters who had not been recorded in the DPT, fake voters, multiple voters, data disabilities, and abnormal data. Bawaslu\u27s findings that 1,013,366 DPTs that were declared double were distributed in seventy-five districts/cities. Research on the use of SIDALIH in the 2024 election using the pieces framework. The variables in this study are performance, information and data, economics, control and security, efficiency, and service. The population in this study were all SIDALIH users in Kebumen Regency, while the sample was 320 from the organizers of the Kebumen Regency KPU. Data analysis was carried out using SmartPLS 3.0, including the outer model test, inner model including the R² test. The results showed that as many as 2 variables, namely performance and efficiency, had no influence on user satisfaction, and the variables of information and data, economics, control and security, service had a positive and significant influence on user satisfaction. Together the pieces framework has a contribution of 64.2% to user satisfaction, while 35.2% is influenced by other variables.Berbagai organisasi termasuk pemerintahan (e-government) telah menggunakan teknologi informasi untuk mendukung pelayanan kepada masyarakat. Indonesia merupakan salah satu negara demokrasi besar dan telah menerapkan e-government dalam bidang demokrasi biasa disebut e-democracy dalam bentuk aplikasi yang digunakan untuk mendukung penyelenggaraan tahapan pemilu 2024, salah satunya adalah SIDALIH. Penyusunan daftar pemilih merupakan tahapan sangat penting untuk memastikan hak kedaulatan warga negara. Penyusunan daftar pemilih memakan waktu yang panjang tetapi sampai dengan pemilu terakhir 2019 masih terdapat berbagai permasalahan antara lain pemilih belum tercatat dalam DPT, pemilih bodong, pemilih ganda, data disabilitas, dan data tidak normal. Temuan Bawaslu bahwa 1.013.366 DPT yang dinyatakan ganda terdistribusi di tujuh puluh lima kabupaten/kota. Penelitian penggunaan SIDALIH dalam pemilu 2024 menggunakan pieces framework. Variabel dalam penelitian ini yaitu performance, information and data, economics, control and security, efficiency, dan service. Populasi penelitian ini adalah seluruh pengguna SIDALIH di kabupaten Kebumen, sedangkan sampel sejumlah 320 dari jajaran penyelenggara KPU Kabupaten Kebumen. Analisis data dilakukan dengan bantuan aplikasi SmartPLS 3.0, meliputi uji outer model, inner model termasuk uji R². Hasil penelitian menunjukkan bahwa sebanyak 2 variabel yaitu performance dan efficiency tidak berpengaruh terhadap user satisfaction, dan variabel information and data, economics, control and security, service memiliki pengaruh positif dan signifikan terhadap user satisfaction. Secara bersama-sama pieces framework memiliki kontribusi sebesar 64,2% terhadap user satisfaction, sedangkan 35,2% dipengaruhi oleh variabel lain
Evaluation of Information Security Level at The South Lampung Communications and Information Service Using the Kami 4.3 Index
Full text linkDinas Komunikasi dan Informasi kabupaten Lampung Selatan mengelola dan menyimpan berbagai jenis
data sensitif, termasuk data pribadi penduduk seperti nama, alamat, nomor identitas, dan data pribadi lainnya.
Kebocoran data dapat menimbulkan risiko tindak kejahatan memberikan akses yang tidak sah kepada pihak-pihak yang tidak berwenang. Salah satu cara untuk mencegah dan mengurangi ancaman kebocoran data di sistem informasi dengan melakukan audit keamanan sistem informasi. Metode audit keamanan sistem informasi yang diaplikasikan adalah indeks Keamanan Informasi (KAMI). Hasil menunjukkan bahwa tingkat kematangan bernilai I yang bermakna kerangka kerja dan teknologi dan keamanan bernilai rendah dan belum layak sehingga diperlukan banyak perbaikan, untuk kategori pengolahan risiko dan pengolahan aset termasuk dalam tingkat kematangan I+ yang menunjukkan bahwa tergolong rendah sehingga butuh perbaikan dan peningkatan untuk mendapatkan nilai yang cukup baik atau baik, tata kelola termasuk dalam tingkat kematangan II yang menunjukkan bahwa pengelolaan aset tergolong pemenuhan kerangka kerja dasar.
The South Lampung district communications and information service manages and stores various types of
sensitive data, including residents\u27 personal data such as names, addresses, identity numbers, and other personal
data. Data leaks can pose a risk of criminal activities by providing unauthorized access to unauthorized
parties. One way to prevent and reduce the threat of data leaks in information systems is by conducting
information system security audits. The applied method for information system security audit is the Information
Security Index (KAMI). The results indicate that the maturity level is rated as I, indicating that the framework,
technology, and security are of low value and not yet feasible, thus requiring significant improvements. For the
risk processing and asset processing categories, a maturity level of I+ suggests a low classification, warranting
focused improvements to attain higher standards. Governance is included in maturity level II, indicating
satisfactory asset management aligned with foundational frameworks
Pengamatan Lingkungan Kandang Berbasis Internet of Things (Iot) pada Pertumbuhan Ayam Pedaging
Full text linkInternet of Things (IoT) merupakan sistem jaringan dengan sensor-sensor tertanam yang terhubung ke internet. Dengan penerapan IoT dalam peternakan ayam, diharapkan kegiatan peternakan ayam menjadi lebih efektif. Ayam broiler merupakan ayam ras yang digunakan untuk menghasilkan daging dan merupakan peralihan dari vertebrata (berdarah panas) ke avertebrata (berdarah dingin) dengan suhu pemeliharaan optimal 23–24 ºC, sedangkan kelembapan ideal berkisar antara 50%–70%. Suhu lingkungan di Indonesia yang beriklim tropis mencapai rata-rata 27–28 ºC, dapat menyebabkan stres pada ayam. Ciri-ciri heat stress pada ayam meliputi gangguan pertumbuhan, penurunan konsumsi pakan, kegelisahan, pengembangan sayap, peningkatan konsumsi air, hingga kematian. Penelitian ini bersifat deskriptif dan menggunakan metode pengamatan dengan satu perlakuan dan lima ulangan. Parameter yang diukur dalam penelitian ini meliputi suhu, kelembapan, pakan, dan bobot ayam. Parameter tersebut digunakan untuk menghitung Temperature-Humidity Index (THI), konsumsi pakan, pertambahan bobot badan, bobot badan akhir, dan Feed Conversion Ratio (FCR) dengan menggunakan metode regresi dan korelasi. Analisis regresi dalam penelitian ini menunjukkan bahwa terdapat pengaruh yang sangat signifikan antara variabel terikat (THI) terhadap variabel bebas (konsumsi pakan, FCR, PBB) dengan nilai P < 0.01, dan variabel terikat (THI) terhadap variabel bebas (mortalitas) memiliki pengaruh yang signifikan dengan nilai P < 0.05. Hasil ANOVA yang digunakan untuk mengetahui perbedaan antar kandang menunjukkan superskrip yang sama.The Internet of Things (IoT) is a network system with embedded sensors connected to the internet. By applying IoT in poultry farming, it is expected that poultry farming activities will become more efficient. Broiler chickens are a breed used for meat production and represent a transition from vertebrates (warm-blooded) to invertebrates (cold-blooded), requiring an optimal maintenance temperature of 23–24 ºC and an ideal humidity range of 50%–70%. The environmental temperature in tropical Indonesia averages 27–28 ºC, which can cause stress in chickens. Symptoms of heat stress in chickens include growth disorders, decreased feed intake, restlessness, wing spreading, increased water consumption, and even death. This descriptive study uses an observational method with one treatment and five repetitions. The parameters measured in this study include temperature, humidity, feed, and chicken weight. These parameters are used to calculate the Temperature-Humidity Index (THI), feed consumption, body weight gain, final body weight, and Feed Conversion Ratio (FCR) using regression and correlation methods. The regression analysis in this study indicates a very significant effect of the dependent variable (THI) on the independent variables (feed consumption, FCR, weight gain) with a value of P < 0.01 and a significant effect of the dependent variable (THI) on the independent variable (mortality) with a value of P < 0.05. The ANOVA results, which assess differences between cages, indicate the same superscript
Quality of Service Analysis on Tomato Plant Disease Detection Design Based on CNN and Telegram Application
Full text linkPeningkatan tanaman tomat terjadi secara konsisten dari tahun ke tahun dan berkontribusi signifikan terhadap perekonomian nasional. Peningkatan kepadatan tanaman dan perluasan area panen dapat menciptakan kondisi yang ideal untuk penyebaran penyakit pada tanaman tomat, yang berpotensi mengancam hasil panen. Penelitian ini merancang model machine learning menggunakan algoritme Convolutional Neural Networks (CNN) untuk mendeteksi penyakit tanaman tomat dengan tingkat akurasi yang diperoleh mencapai 96%. Tingkat loss dari model tergolong rendah yaitu sekitar 13%, membuktikan bahwa prediksi model cukup dekat dengan kondisi sebenarnya. Hasil ini menunjukkan bahwa kinerja model efektif untuk mencegah penyebaran penyakit tanaman tomat dengan membantu mengidentifikasi penyakit lebih awal. Model machine learning diimplementasikan melalui Bot Telegram sebagai antarmuka pengguna, yang tidak hanya efektif dalam memberikan informasi deteksi penyakit tanaman tomat, tetapi juga memastikan informasi tersampaikan dengan efisien dan tepat. Analisis Quality of Service (QoS) dilakukan terhadap komunikasi antara pengguna dan server Telegram dengan mempertimbangkan parameter throughput, delay, dan packet delivery. Nilai QoS secara keseluruhan adalah berindeks 3 kategori “Memuaskan” sesuai standarisasi versi TIPHON. Nilai QoS tersebut didapatkan dari nilai parameter throughput dengan indeks 4 kategori “Sangat Bagus”, nilai parameter packet delivery dengan indeks 4 kategori “Sangat Bagus”, serta nilai parameter delay dengan indeks 4 kategori “Sangat Bagus”.The increase in tomato cultivation has been consistent over the years and significantly contributes to the national economy. The increase in plant density and the expansion of harvesting areas can create ideal conditions for the spread of diseases in tomato plants, potentially threatening crop yields. This study presents a machine learning model using Convolutional Neural Networks (CNN) algorithms to detect tomato plant diseases, achieving an accuracy rate of 96%. The model demonstrates a relatively low loss rate of approximately 13%, indicating that the predictions closely align with actual conditions. These results indicate that the model\u27s performance is effective in preventing the spread of tomato plant diseases by helping to identify diseases earlier. The machine learning model is implemented through a Telegram Bot as a user interface, which is not only effective in providing information on tomato plant disease detection, but also ensures that the information is delivered efficiently and accurately. A Quality of Service (QoS) analysis was conducted on the communication between users and the Telegram server, considering parameters such as throughput, delay, and packet delivery. The overall QoS score is indexed at 3 in the "Satisfactory" category according to TIPHON standards. This QoS score is derived from the throughput parameter with an index of 4 in the "Very Good" category, the packet delivery parameter with an index of 4 in the "Very Good" category, and the delay parameter with an index of 4 in the "Very Good" category
Classification of Fishing Ground Using Random Forest and Support Vector Machine Agorithms
Full text linkKondisi ekonomi nelayan tradisional masih berada di lingkaran kemiskinan sehingga diperlukan solusi untuk meningkatkan kesejahteraan. Salah satu solusi adalah dengan menggunakan teknologi informasi mengenai daerah penangkapan ikan, sehingga nelayan dapat menghemat bahan bakar dan menambah jumlah tangkapan. Informasi daerah penangkapan ikan dapat di tentukan dengan cara mengolah data citra satelit dan menggunakan teknologi machine learning. Penelitian ini bertujuan membuat model yang dapat melakukan menklasifikasi daerah penangkapan ikan menggunakan algoritma Random Forest dan Support Vector Machine menggunakan data citra satelit laut jawa dan sekitarnya dari tahun 2019-2021 dengan menggunakan parameter klorofil, suhu permukaan laut, salinitas, ketinggian dan suhu air laut. Hasil penelitian ini menunjukan parameter klorofil mempunyai peran paling besar sebesar 77.14% dalam menentukan daerah penangkapan ikan. Hasil nilai precision yang dihasilkan algoritma Support Vector Machine (99.83%) lebih tinggi dibanding dengan yang dihasilkan algoritma Random Forest (99.80%). Meski demikian model klasifikasi yang dihasilkan algoritma Random Forest mempunyai nilai accuracy (99.90%), recall (100%) dan F1 score (99.90%) yang lebih tinggi dibanding dengan yang dihasilkan algoritma Support Vector Machine dengan nilai accuracy (99.89%), recall (99.96%) dan F1 score (99.89%).The economic condition of traditional fishermen is still in a cycle of poverty, so solutions are needed to improve welfare. One solution is to use information technology regarding fishing ground so that fishermen can save fuel and increase the number of catches. Fishing ground information can be determined by processing satellite image data and using machine learning technology. This research aims to create a model that can classify fishing ground using Random Forest and Support Vector Machine algorithms using satellite image data of the Java Sea and its surroundings from 2019-2021 with the parameters chlorophyll, sea surface temperature, salinity, height of the sea, and water temperature. This research shows that the chlorophyll parameter has the greatest role (77.14%) in determining fishing ground. The precision value produced by the Support Vector Machine algorithm (99.83%) is higher than that produced by the Random Forest algorithm (99.80%). However, the classification model produced by the Random Forest algorithm has higher accuracy (99.90%), recall (100%) and F1 score (99.90%) compared to that produced by the Support Vector Machine algorithm, with an accuracy value of (99.89%), recall (99.96%) and F1 score (99.89%)
Measuring E-Readiness for Information Technology Adoption in Poktan Hidup Baru using Digital Literacy Index
Full text linkAlthough advances in digital technology offer great opportunities to improve efficiency and productivity in agricultural sector, its application has been uneven. Adoption of information technology still faces challenges, especially among farmers. This study aims to measure the readiness of information technology adoption in the Kelompok Tani (Poktan) Hidup Baru, Cempaka District, OKU Timur, using the Digital Literacy Index (DLI) which includes four main pillars such as Digital Skill, Digital Ethics, Digital Safety, and Digital Culture. The results show that farmers\u27 digital literacy index has an average of 2.91, lower than the national average of 3.54. The biggest gap is in the digital skills pillar (2.20), signaling difficulties in operating devices. Meanwhile, digital ethics awareness is quite good (2.87). Education level (r = 0.79) and frequency of internet use (r = 0.97) have positive correlations with digital skills. However, the correlation between digital skills and digital safety was weak (r = 0.14), indicating a lack of understanding of cybersecurity. These findings emphasize the need to improve digital literacy to support technology adoption
Performance Analysis of LoRa-Based Data Communication on IoT for Monitoring Chicken Coop Environmental
Full text linkTeknologi IoT dapat mempermudah peternak dalam memantau kandang ayam dari jauh. Teknologi LoRa cocok untuk diterapkan untuk implementasi IoT pada lingkungan kandang yang umunya berada jauh dari pemukiman penduduk, karena memiliki jarak jangkauan yang jauh dan hemat dalam penggunaan daya. Penelitian ini bertujuan untuk mengimplementasikan dan menguji kinerja IoT menggunakan LoRa dengan modul RFM95W pada lingkungan kandang ayam. Kinerja yang diamati berupa jarak, kekuatan sinyal, dan keberhasilan transmisi data. Pengujian yang dilakukan adalah pengujian fungsional dan pengujian kinerja dengan antena 3 dBi dan 5 dBi pada SF7. Hasil pengujian fungsional berhasil mengirimkan data ke Thingspeak. Hasil pengujian menggunakan antena 5 dBi mendapatkan hasil yang lebih baik dibandingkan dengan antena 3 dBi. Untuk skenario tanpa halangan, jarak terjauh adalah 400 m dengan error rate 15% dan untuk skenario dengan halangan jarak terjauh adalah 80 m dengan error rate 5%.IoT technology can make it easier for farmers to monitor the chicken coop from afar. LoRa technology is suitable for IoT implementation in cage environments that are generally far from residential areas, because it has a long range and is economical in power usage. This study aims to implement and test the performance of IoT using LoRa with the RFM95W module in a chicken coop environment. Performance observed in the form of distance, signal strength, and success of data transmission. The tests carried out are functional testing and performance testing using 3dBi and 5dBi antennas on SF7. The results of functional testing successfully send data to Thingspeak. Experiments results using the 5 dBi antenna obtained better results than the 3 dBi one. For the scenario without obstacles, the furthest distance is 400 m with an error rate of 15% and for the scenario with obstacles the furthest distance is 80 m with an error rate of 5%
Classification Model for Garlic Land Suitability Using Spatial Interpolation and Decision Tree Algorithm
Full text linkBawang putih merupakan salah satu hasil hortikultura yang harus terpenuhi setiap tahunnya. Jumlah produksi bawang putih tidak sebanding dengan jumlah konsumsi bawang putih menjadi acuan pemerintah untuk melakukan impor guna mencukupi kebutuhan dalam negeri. Hal ini menjadi dasar pemerintah untuk melakukan swasembada bawang putih. Usaha yang dilakukan untuk mencapai swasembada bawang putih salah satunya adalah melakukan perluasan lahan untuk tanaman bawang putih. Penelitian ini bertujuan untuk menentukan model klasifikasi kesesuaian lahan bawang putih menggunakan algoritme C5.0 berdasarkan karakteristik lahan dan interpolasi temperatur menggunakan metode Inverse Distance Weighted (IDW). Penelitian ini menghasilkan pohon keputusan dengan 5 aturan kelas kesesuaian lahan dengan akurasi sebesar 97.81% pada dataset dengan data temperatur bulan Mei 2022. Variabel penting dalam menentukan kelas kesesuaian lahan pada periode ini adalah kedalaman mineral tanah. Sedangkan nilai akurasi pada dataset dengan data temperatur bulan Juli 2022 menghasilkan model pohon keputusan dengan 17 aturan kelas kesesuaian lahan dengan akurasi sebesar 95.91%. Variabel penting dalam menentukan kelas kesesuaian lahan pada periode ini adalah kejenuhan basa.Garlic stands as a vital horticultural product requiring consistent fulfillment each year. The production of garlic is not proportional to meet the consumption demand, prompting the government to import garlic to meet domestic needs. Among these efforts, expanding garlic cultivation lands holds significant importance. This study aims to determine a classification model for garlic suitability of land using the C5.0 algorithm based on land characteristics and temperature interpolation using the IDW method. The research resulted in 5 rules for land suitability classes with an accuracy of 97.81% on a dataset with temperature data for May 2022. The important variable in determining land suitability classes during this period is soil mineral depth. On the other hand, the accuracy value on a dataset with temperature data for July 2022 yielded 17 rules for land suitability with an accuracy of 95.91%. The important variable in determining land suitability classes during this period is base saturation
Tomato Ripeness Identification Using Principal Component Analysis and K-Nearest Neighbor Based on Color Image
Full text linkPenentuan tingkat kematangan tomat secara manual memiliki kelemahan karena standar yang subjektif dan memakan waktu. Penelitian ini bertujuan untuk mengidentifikasi kematangan tomat berbasis representasi warna Hue Saturation Value (HSV) menggunakan Principal Component Analysis (PCA) sebagai ekstraksi ciri dan K-Nearest Neighbor (KNN) untuk klasifikasi. Penelitian ini menggunakan 400 citra dengan resolusi spasial 400x400 yang dikelompokkan dalam 5 tingkat kematangan yaitu green, turning, pink, light red dan red. Data terbagi menjadi data latih dan data uji dengan rasio 80:20. Skenario yang diberlakukan merupakan pembagian data ruang warna yaitu Hue (H), Saturation (S), Value (V), Hue-Saturation (HS), Hue-Value (HV), Saturation-Value (SV) dan HSV. Nilai k sebagai tetangga pada KNN yang dijadikan sebagai skenario adalah 1, 3, 5, 7, 9 dan 11. Adapun nilai principal componen yang diterapkan sebesar 5, 10, 15 dan 65 dengan varian rasio 95%. Hasil penelitian menunjukkan bahwa dengan K=7 dan nilai PC =5 menghasilkan nilai akurasi tertinggi dengan persentase 94% pada pengujian HV. Hasil penelitian ini menunjukkan bahwa dengan klasifikasi data uji sebanyak 80 data citra, didapatkan hasil sebanyak 75 data hasil akurat dan 5 data yang tidak akurat.Manually determining the level of ripeness of tomatoes has weaknesses because the standards are subjective and time consuming. This research aims to identify ripeness of tomatoes based on Hue Saturation Value (HSV) color representation using Principal Component Analysis (PCA) as feature extraction and K-Nearest Neighbor (KNN) for classification. This research uses 400 images with a spatial resolution of 400x400 which are grouped into 5 levels of maturity, namely green, turning, pink, light red and red. The data is divided into training data and test data with a ratio of 80:20. The scenario applied is a division of color space data, namely Hue (H), Saturation (S), Value (V), Hue-Saturation (HS), Hue-Value (HV), Saturation-Value (SV) and HSV. The values of k as a neighbor in KNN used as a scenario are 1, 3, 5, 7, 9 and 11. The principal component values applied are 5, 10, 15 and 65 with a variance ratio of 95%. The research results show that with K=7 and PC value =5 it produces the highest accuracy value with a percentage of 94% in HV testing. The results of this research show that by classifying test data of 80 image data, the results obtained were 75 accurate data and 5 inaccurate data