Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika
Denny Vasanando Sabanise
Politeknik Purbaya Tegal
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit Daun Padi Menggunakan CNN EfficientNetB0 Dengan Evaluasi Kinerja Model Puput Nofita Sari; Denny Vasanando Sabanise
Jurnal Sarjana Teknik Informatika Vol. 14 No. 2 (2026): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v14i2.32187

Abstract

Penelitian ini dilatarbelakangi oleh tingginya tingkat serangan penyakit daun padi yang berdampak pada penurunan produktivitas hasil panen, serta keterbatasan metode diagnosis manual yang cenderung lambat dan subjektif. Oleh karena itu, penelitian ini bertujuan pada pengembangan dan penerapan sistem pengklasifikasian penyakit daun padi melalui pengolahan citra digital dengan memanfaatkan teknik Convolutional Neural Network (CNN). Metode yang digunakan dalam penelitian ini yaitu metode eksperimen dengan memanfaatkan arsitektur EfficientNetB0 yang telah disempurnakan lewat penambahan dual pooling, aktivasi Swish, dan dropout untuk regularisasi guna memaksimalkan kemampuan model. Data citra sebanyak 5.688 buah dibagi menjadi bagian training, validasi, serta testing. Penilaian model mengandalkan metrik seperti akurasi, presisi, recall, F1-score, dan confusion matrix. Temuan utama mengungkap bahwa model ini berhasil meraih akurasi 91,84%, terutama unggul pada kategori healthy serta bacterial leaf blight. Model kemudian diimplementasikan dalam bentuk aplikasi web berbasis Flask dengan format ONNX untuk mendukung deployment yang efisien. Sistem yang dikembangkan mampu melakukan klasifikasi secara cepat dan akurat, serta menyediakan rekomendasi penanganan penyakit. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan sistem cerdas untuk deteksi penyakit tanaman padi secara otomatis dan aplikatif.
Sistem Absensi Menggunakan Face Recognition dengan Metode Haar dan LBPH berbasis Python Nia Rahmadhani; Denny Vasanando Sabanise
Jurnal Sarjana Teknik Informatika Vol. 14 No. 2 (2026): Juni
Publisher : Program Studi Informatika, Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/jstie.v14i2.32191

Abstract

Sistem absensi menggunakan cara umum masih banyak digunakan dalam organisasi, namun memiliki kelemahan seperti manipulasi data, ketidakefisienan waktu, serta kesalahan pencatatan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem absensi berbasis face recognition menggunakan metode Haar Cascade untuk deteksi wajah dan Local Binary Pattern Histogram (LBPH) untuk pengenalan wajah berbasis Python. Sistem dikembangkan melalui tahapan pengambilan dataset wajah, pelatihan model, implementasi absensi secara real-time menggunakan webcam, dan penyimpanan basis data berbasis web. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi dan mengenali wajah pengguna secara otomatis serta mencatat kehadiran ke dalam basis data dengan tingkat akurasi yang cukup baik pada kondisi pencahayaan yang memadai. Selain itu, sistem mampu meningkatkan efisiensi proses absensi dan meminimalkan potensi kecurangan seperti titip absen. Meskipun demikian, akurasi sistem masih dipengaruhi oleh faktor pencahayaan dan jarak kamera.
Co-Authors Nia Rahmadhani Puput Nofita Sari