Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Teknik dan Komputer
Zendi Iklima
Electrical Engineering
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

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

Found 2 Documents
Search

 1 
Klasifikasi Hasil Potret pada Cacat Produk Spring Washer menggunakan Metode Transfer Learning Convolutional Neural Network Zendi Iklima; Dinar Sakti Candra Ningrum
Jurnal Ilmu Teknik dan Komputer Vol. 9 No. 1 (2025)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v9i1.003

Abstract

Spring Washer merupakan komponen yang dapat digunakan untuk pengencang berulir. Spring Washer terbuat dari bahan logam lalu dibentuk ring bulat. Dalam Quality Prosedur Perusahaan produk yang diproduksi harus dicek kualitasnya agar tidak ada kecacatan produk terkirim ke pelanggan. Kecacatan pada produk berbahan logam diantaranya adalah korosi pada produk. Pengecekan Spring Washer biasanya dilakukan secara visual manual oleh karyawan, hal ini memerlukan waktu yang tidak sebentar jika yang dicek memiliki kuantitas yang banyak. Dengan adanya Convolutional Neural Network (CNN) dilakukanya perancangan untuk mengklasifikasikan Spring Washer berkualitas baik dan korosi. Dalam penelitian ini dilakukan pembentukan sistem dengan Tiga model transfer learning CNN yaitu VGG16, MobileNet dan Xception. Pembentukan algoritma sistem menggunakan Google Colaboration dengan Bahasa pemrograman Phyton. Dataset diambil dari gambar produk Spring Washer sebanyak 1048 foto dengan keadaan yang berbeda, yaitu Spring Washer Bagus atau Korosi.
Klasifikasi Citra Hasil Potret Daun Tanaman Jagung Menggunakan Transfer Learning Deep Learning Zendi Iklima; Yananto Mihadi Putra
Jurnal Ilmu Teknik dan Komputer Vol. 8 No. 2 (2024)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jitkom.v8i2.008

Abstract

Penyakit pada tanaman jagung dapat mempengaruhi produksi jagung,menghambat pertumbuhan tanaman jagung, penurunan kualitas jagung, dan kelangkaan jagung yang memicu kenaikan harga jagung. Hama serangga menjadi salah satu ancaman pada tanaman jagung. Kerusakan yang diakibatkan oleh hama serangga dapat dirasakan secara langsung dengan adanya daun – daun yang berlubang. Pendeteksian lebih dini dapat membantu para petani untuk memaksimalkan hasil panen. Teknik pembelajaran mesin menjadi salah satu teknologi yang telah digunakan untuk menyederhanakan proses klasifikasi penyakit pada daun. Dataset yang digunakan ialah hasil potret citra pada daun tanaman jagung yang sehat dan berlubang akibat hama. Dari beberapa metode yang ada, Convolutional Neural Network (CNN) menjadi metode yang paling optimal dalam domain klasifikasi tersebut. Peneltian ini menggunakan model deep learning terlatih yaitu transfer learning model yang sudah dilatih menggunakn berbagai macam dataset yang beragam. Adapun beberapa transfer learning model seperti MobileNet, VGG, Inception, dan lainnya. Hasil pengujian menunjukkan bahwa model VGG16 dan model Inception_V3 memiliki nilai akurasi paling tinggi dengan nilai akurasi 94.44%, dilanjutkan dengan model MobileNet dengan nilai akurasi 91.67%, model Xception dengan nilai akurasi 88.89%, dan model Inception_ResNet_V2 memiliki nilai akurasi paling rendah dengan nilai akurasi 87.50%.
Co-Authors Dinar Sakti Candra Ningrum Yananto Mihadi Putra