Claim Missing Document
Check
Articles

Found 2 Documents
Search

Eksplorasi Fungsi Polinomial Dalam Pembentukan Motif Kain Tradisional Berdasarkan Tanggal Lahir Wayan Sauri Peradhayana; I Kadek Adiana Putra; I Gede Putra Adinata
Emasains : Jurnal Edukasi Matematika dan Sains Vol. 15 No. 2 (2026): Juli 2026
Publisher : Program Studi Pendidikan Matematika dan Pendidikan Biologi Universitas PGRI Mahadewa Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59672/emasains.v15i2.5555

Abstract

Penelitian ini bertujuan untuk mengeksplorasi penerapan fungsi polynomial dalam desain motif kain tradisional dengan menggunakan tanggal lahir sebagai parameter utama. Urgensi penelitian ini terletak pada perlunya inovasi berbasis matematika dalam pelestarian budaya local, khususnya dalam pengembangan motif kain tradisional. Melalui pendekatan ini, desain kain dapat dipersonalisasi berdasarkan karakteristik numerik dari tanggal lahir seseorang. Metode yang digunakan dalam penelitian ini mencakup pengumpulan data tanggal lahir, konversi data menjadi parameter fungsi polinomial, dan visualisasi hasil dalam bentuk motif kain. Simpulan yang didapat sebagai berikut. Pertama: metode konversi tanggal lahir menjadi fungsi polinomial berhasil menghasilkan bentuk kurva yang unik untuk setiap responden. Kedua: visualisasi menggunakan GeoGebra memberikan representasi matematis yang presisi, sedangkan pengolahan desain di PowerPoint memberikan fleksibilitas dalam menciptakan pola berulang, mengatur tata letak, dan menyesuaikan warna. Ketiga: tingkat kepuasan responden terhadap desain motif yang dihasilkan tergolong tinggi, dengan 60% responden menyatakan sangat puas, 30% puas, dan 10% cukup puas. Keempat: Penelitian ini membuktikan bahwa integrasi matematika dan seni rupa dapat menciptakan produk kreatif yang memiliki nilai personal, estetika, serta potensi ekonomi di bidang industri kreatif berbasis budaya.
Performance Comparison of MobileNetV2 and NASNetMobile Architectures in Soybean Leaf Disease Classification I Gede Rian Lanang Oka; Anak Agung Gede Bagus Ariana; Wayan Sauri Peradhayana; Ni Luh Wiwik Sri Rahayu Ginantra; I Ketut Sutarwiyasa
Indonesian Journal of Data and Science Vol. 6 No. 2 (2025): Indonesian Journal of Data and Science
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i2.243

Abstract

Soybean is one of the essential commodities in Indonesia, commonly used as a raw material for tofu and tempeh, making it highly sought after. However, soybean production has decreased by up to 30% due to disease attacks, necessitating preventive measures. This study aims to compare two Convolutional Neural Network (CNN) architectures, MobileNetV2 and NASNetMobile, in classifying soybean leaf diseases. The models were trained using a leaf image dataset collected directly from agricultural fields and categorized into five classes. The dataset underwent augmentation to increase its size, resulting in a total of 6,000 images, which were then split with an 80:10:10 ratio. The models were trained using the Adam optimizer with a learning rate of 0.001, optimized using ReduceLROnPlateau, and a dropout rate of 0.2 to prevent overfitting. Evaluation results using a confusion matrix indicated that MobileNetV2 performed better with an accuracy of 96.67%, precision of 96.70%, recall of 96.67%, and an F1-score of 96.68%, compared to NASNetMobile, which achieved an accuracy of 86.33%, precision of 86.91%, recall of 86.33%, and an F1-score of 86.40%.