Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Artificial Intelligence and Engineering Applications (JAIEA)
Kana Saputra S
Ilmu Komputer, Universitas Negeri Medan
Automotive Engineering Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
IDENTIFIKASI JENIS PENYAKIT PADA TANAMAN CABAI RAWIT MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DI DESA BINTANG KECAMATAN SIDIKALANG Todo Josafat Simanjutak; Kana Saputra S; Hermawan Syahputra; Said Iskandar Al Idrus; Didi Febrian
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12403

Abstract

Cabai rawit merupakan jenis tanaman terna atau setengah merdu, memiliki tinggi sekitar 50-120 cm dengan umur bisa mencapai 3 tahun, Prospek cabai rawit cukup menjanjikan untuk memenuhi kebutuhan domestik dan ekspor Namun, produksi justru menurun. Salah satu faktor penyebab rendahnya produksi tanaman cabai adalah adanya gangguan penyakit yang menyerang. Identifikasi penyakit tanaman menjadi langkah penting dalam pemeliharaan dan perawatan, termasuk pada cabai rawit.metode yang digunakan dalam penelitian ini adalah Metode CNN (Convolutional Neural Network) dengan LeNet-5 sebagai arsitekturnya.Penelitian ini berhasil mengembangkan sistem berbasis Convolutional Neural Network (CNN) menggunakan arsitektur LeNet-5 untuk mengidentifikasi dan mengklasifikasi enam kelas penyakit pada tanaman cabai rawit di Desa Bintang, Kecamatan Sidikalang, dengan kinerja yang cukup baik ditunjukkan oleh akurasi 86%, presisi 87%, recall 86%, dan f1-score 86%.Untuk meningkatkan performa sistem, disarankan untuk melakukan eksperimen lebih lanjut dengan mengoptimalkan hyperparameter seperti learning rate dan jumlah epoch, memperluas dataset dengan variasi citra, mengeksplorasi arsitektur model yang lebih modern seperti AlexNet atau ResNet, serta menggunakan perangkat keras dengan spesifikasi yang lebih tinggi untuk efisiensi dan kecepatan pemrosesan yang lebih baik.
Comparative Analysis of Model Architectures Using Transfer Learning Approach in Convolutional Neural Networks for Traditional Ulos Fabric Classification Taufik Abdullah; Kana Saputra S; Hermawan Syahputra; Zulfahmi Indra; Dinda Kartika
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.719

Abstract

Ulos cloth is a traditional woven fabric of the Batak tribe in North Sumatra, valued for its aesthetic and symbolic significance in various ceremonies. The diversity of ulos motifs presents challenges in preservation due to their unique patterns and functions. This study aims to develop an accurate method for classifying ulos motifs using Transfer Learning on Convolutional Neural Network (CNN) architectures. Five popular models—VGG16, VGG19, MobileNetV3, Inception-V3, and EfficientNetV2—were evaluated on a dataset of 962 ulos images across six motif categories.The results show that Inception-V3 outperformed other models with an average validation accuracy of 98.13% and the lowest loss of 5.67%. Inception-V3 also demonstrated superior generalization, achieving the highest K-fold validation accuracy, while VGG16 and VGG19 exhibited overfitting at higher learning rates. Two-way ANOVA analysis confirmed significant performance differences among the models and highlighted the interaction between model type and training methods. This research recommends Inception-V3 as the optimal model for ulos motif classification, offering an efficient and reliable tool to support cultural preservation through advanced image recognition technology.
Co-Authors Didi Febrian Dinda Kartika Hermawan Syahputra Said . Iskandar Taufik Abdullah Todo Josafat Simanjutak Zulfahmi Indra