Article Per Year (5 Year)
p-Index From 2021 - 2026
0.517
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Lentera Pengabdian
Didik Setiyadi
STIE Arlindo
Humanities Computer Science & IT Economics, Econometrics & Finance Education Social Sciences

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

Found 2 Documents
Search

 1 
Automatic diagnosis of rice plant diseases using VGG-16 and computer vision Al-Bahra Al-Bahra; Henderi Henderi; Nur Azizah; Muhammad Hudzaifah Nasrullah; Didik Setiyadi
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 23, No 6: December 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v23i6.26975

Abstract

Pathogens are organisms that cause disease in plants. In the case of rice, these pathogens can include fungi, bacteria, nematodes, protozoa, and viruses. This study aims to investigate rice plant diseases using a hybrid system that employs the visual geometry group-16 (VGG-16) architecture and computer vision techniques, alongside various optimization algorithms and hyperparameters. We utilize the convolutional neural network (CNN) architecture of VGG-16 for feature extraction, implementing a process known as transfer learning. Additionally, this research compares different optimization algorithms with the VGG-16 model to identify the most effective optimization for the CNN architecture applied to the tested dataset. The main contribution of this study is the development of a model for identifying rice plant diseases based on data collected using VGG-16 for feature extraction and neural networks for classification with specific parameters. Our findings indicate that the best optimization algorithm is stochastic gradient descent (SGD) with momentum, achieving training and validation loss results of 0.173 and 0.168, respectively. Furthermore, the training and validation accuracies were 0.95 and 0.957. The model’s performance metrics include an accuracy of 95.75, precision of 95.75, recall of 95.75, and an F1-score of 95.73.
Pemberdayaan Lansia melalui Literasi Keuangan Digital yang Aman dan Mudah Dipahami Happyta Agustin; Didik Setiyadi; Bias Yulisa Geni; Intan Nuraeni
Lentera Pengabdian Vol. 3 No. 04 (2025): Oktober 2025
Publisher : Lentera Ilmu Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59422/lp.v3i04.1243

Abstract

Perkembangan layanan keuangan digital memberikan kemudahan dalam transaksi, namun kelompok lanjut usia masih menghadapi berbagai kendala, seperti keterbatasan pemahaman teknologi, rendahnya kesadaran terhadap keamanan data pribadi, serta risiko menjadi korban penipuan digital. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi keuangan digital lanjut usia agar mampu memahami, menggunakan, dan menjaga keamanan dalam bertransaksi secara digital dengan cara yang aman dan mudah dipahami. Metode pelaksanaan kegiatan dilakukan melalui penyuluhan, diskusi interaktif, demonstrasi penggunaan layanan keuangan digital, simulasi transaksi sederhana, serta evaluasi pemahaman peserta. Materi yang diberikan meliputi pengenalan layanan keuangan digital, manfaat dan risiko transaksi digital, cara menjaga kerahasiaan data pribadi, pengenalan modus penipuan, serta langkah aman dalam menggunakan layanan keuangan berbasis teknologi. Hasil kegiatan menunjukkan bahwa peserta memperoleh pemahaman yang lebih baik mengenai penggunaan layanan keuangan digital secara aman, mampu mengenali potensi risiko penipuan, serta lebih berhati-hati dalam menjaga data pribadi dan melakukan transaksi. Kegiatan ini menyimpulkan bahwa literasi keuangan digital yang disampaikan secara sederhana, praktis, dan sesuai dengan karakteristik lanjut usia dapat membantu meningkatkan kemandirian, kewaspadaan, dan kepercayaan diri peserta dalam menghadapi perkembangan layanan keuangan digital.
Co-Authors Al- Bahra Bias Yulisa Geni Happyta Agustin Henderi . Intan Nuraeni Muhammad Hudzaifah Nasrullah Nur Azizah