Article Per Year (5 Year)
p-Index From 2021 - 2026
3.323
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika Kaputama (JIK) Jurnal Sistem Informasi Kaputama (JSIK) JATI (Jurnal Mahasiswa Teknik Informatika) Yayasan Cita Cendikiawan Al Khwarizmi Jurnal Ilmu Komputer dan Sistem Komputer Terapan (JIKSTRA) INCODING: Journal of Informatics and Computer Science Engineering EXPLORER Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Journal of Mathematics and Technology (MATECH) Prioritas : Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik, Komputer, Agroteknologi dan Sains
Sembiring, Arnes
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Klasifikasi Tumbuhan Obat Berdasarkan Citra Daun Menggunakan Algoritma CNN Sinaga, Nicolas Novelico; Sembiring, Arnes
INCODING: Journal of Informatics and Computer Science Engineering Vol 5, No 1 (2025): INCODING APRIL
Publisher : Mahesa Research Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34007/incoding.v5i1.833

Abstract

This study aims to classify various types of medicinal plants based on leaf images by utilizing the Convolutional Neural Network (CNN) algorithm. The model used is the MobileNetV2 architecture because of its ability to balance accuracy and computational efficiency. The leaf images dataset is divided into training and validation data, then processed through several stages such as augmentation, fine-tuning, and regularization. The evaluation results show that the model successfully achieved the highest validation accuracy of 98,43%, proving that this approach is effective in identifying types of medicinal plants.
Jaringan Syaraf Tiruan Memprediksi Tingkat Penggunaan Sosial Media Dimasa Pandemi Menggunakan Metode Backpropagation Naufal, Tengku Akhdan; Sembiring, Arnes; Sembiring, Hermansyah
Educativo: Jurnal Pendidikan Vol 1 No 1 (2022): Jurnal Teknik, Komputer, Agroteknologi dan Sains (Marostek)
Publisher : PT. Marosk Zada Cemerlang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (633.163 KB) | DOI: 10.56248/marostek.v1i1.19

Abstract

Media sosial merupakan sebuah media online di mana para penggunanya dapat dengan bebas dan mudah berbagi serta menciptakan isi pesan yang diinginkan. Media sosial juga sebagai tempat untuk membagi kegiatan atau aktifitas pengguna. Pengguna juga tidak dirumitkan dalam pembuatan media sosial dan tidak ada batasan ruang dan waktu di mana pengguna dapat membuka media sosal dalam waktu 24 jam sehingga memberikan kecanduan bagi para pengguna media sosial. Saat ini penggunaan media sosial menjadi salah satu alat komunikasi berbasis online untuk mencegah terjadinya penyebaran covid-19 dan kerumunan masyarakat. Alat komunikasi yang saat ini banyak digunakan oleh masyarakat setempat adalah handphone dan laptop serta harus tersedia juga jaringan internet agar dapat mengakses pekerjaan dan sebagai media pembelajaran online pada saat ini. Oleh karena itu perlu adanya suatu tindakan untuk memprediksi tingkat penggunaan sosial media apa saja yang digunakan oleh masyarakat dan pelajar saat ini agar nantinya dapat mempermudah dan menjadi rekomendasi terbaru dalam hal memberikan informasi dan lainnya dengan cepat. Dari analisa yang dilakukan dapatlah hasil pengguna untuk seluruh proses yang dilakukan yaitu pengguna facebook pada bulan juni 45 data, pengguna instagram pada bulan Juni 45 data, pengguna tiktok pada bulan Juni 74 data, pengguna whatsapp pada bulan Juni 45 data, pengguna youtube pada bulan Juni 45 data.
SISTEM MONITORING DAN KONTROL PINTU BENDUNGAN BERBASIS NODEMCU DAN ENERGI TERBARUKAN Rifai, Abas; Sembiring, Arnes; Br Sitepu, Kristina Annatasia; Jalil, Saifuddin Muhammad
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pintu bendungan memiliki peran strategis dalam pengelolaan sumber daya air, mencakup irigasi, pengendalian banjir, hingga penyediaan air bersih bagi masyarakat. Namun, di banyak daerah, sistem pengoperasian pintu masih bersifat manual dan sangat tergantung pada intervensi manusia. Ketergantungan ini menyebabkan keterlambatan dalam merespons fluktuasi volume air secara tiba-tiba, terutama pada saat cuaca ekstrem, yang berisiko menimbulkan bencana seperti banjir dan kekeringan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem otomatisasi pintu bendungan berbasis Internet of Things (IoT), dengan menggunakan mikrokontroler NodeMCU ESP8266 sebagai unit kendali utama. Sensor ultrasonik digunakan untuk mengukur ketinggian permukaan air secara real-time, sementara sensor hujan memantau kondisi cuaca. Sistem ini dilengkapi panel surya sebagai sumber energi terbarukan guna mendukung keberlanjutan operasional. Motor servo digunakan untuk membuka dan menutup pintu bendungan secara otomatis berdasarkan data sensor yang dianalisis secara cerdas. Seluruh data dikirimkan ke aplikasi Blynk, memungkinkan pemantauan dan pengendalian jarak jauh melalui perangkat seluler. Hasil pengujian menunjukkan bahwa sistem ini bekerja secara akurat, responsif, dan andal dalam berbagai kondisi simulasi. Temuan ini menawarkan solusi teknologi yang inovatif, hemat energi, dan berpotensi diterapkan secara luas dalam sistem pengelolaan air terpadu di masa depan.
PENGEMBANGAN APLIKASI ANDROID UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH ALPUKAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN PENGOLAHAN CITRA Rizky, Bagaskara Dwi; Sembiring, Arnes
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi Android berbasis pengolahan citra yang mampu mengklasifikasi tingkat kematangan buah alpukat secara otomatis. Permasalahan utama dalam proses klasifikasi manual adalah ketidakakuratan dan ketidakkonsistenan hasil, yang dapat berdampak pada kualitas dan nilai jual buah. Untuk mengatasi hal tersebut, diterapkan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang ringan dan efisien untuk perangkat mobile. Dataset citra buah alpukat dibagi ke dalam lima kelas, yaitu Mentah, Setengah Matang, Matang, Terlalu Matang, dan Bukan Alpukat. Proses pelatihan model mencakup augmentasi data, pengoptimalan fungsi aktivasi, serta konversi model ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi Android. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi validasi sebesar 94,61% dan akurasi pengujian sebesar 90,73%. Aplikasi ini memungkinkan pengguna untuk mengambil atau mengunggah gambar buah alpukat, lalu memprosesnya secara real-time dan menampilkan prediksi tingkat kematangannya. Penelitian ini memberikan kontribusi dalam pengembangan teknologi pertanian presisi berbasis kecerdasan buatan untuk membantu proses klasifikasi buah secara cepat, akurat, dan efisien.
Identification of Banana Fruit Types Using the Backpropagation Method Widodo, Dian; Fauzi, Achmad; Sembiring, Arnes
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 3 No. 1 (2023): October 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v3i1.314

Abstract

Identification of types of bananas and assessment of their maturity level is an important process in the agricultural and distribution industries. In an effort to automate this process, the authors propose an approach to identify bananas and their level of ripeness using a Backpropagation neural network. Through digital image processing, images or pictures of bananas will be extracted with images such as RGB (red green blue), metric and eccentricity (shape features). The results of the image data training process are as many as 55 image data input, obtained by the training process data on banana types with 11 iterations from the maximum input epoch 10000, target error or performance 0.00642 with an accuracy value of 80%. Furthermore, the training process obtained data on the maturity level of bananas with 4 iterations from the maximum input epoch 10000, the target error or performance is 0.00606 with an accuracy value of 90%. From the test image process that has been carried out, the system can identify the type of banana and its maturity level based on the feature extraction input from the image of the banana. This study also aims to test and determine the accuracy of the application of the Backpropagation method in identifying the types of bananas and their level of maturity.
Pelatihan Penulisan Karya Ilmiah untuk Mahasiswa Teknik Informatika Sumatera Utara Rahman, Sayuti; Hartono, Hartono; Sembiring, Arnes; Ongko, Erianto; Aulia, Rachmat
Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol. 6 No. 01 (2024): EDISI MARET 2024
Publisher : Universitas Harapan Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35447/prioritas.v6i01.926

Abstract

Penulisan karya ilmiah merupakan salah satu keterampilan penting yang harus dikuasai oleh mahasiswa dalam menyelesaikan studi mereka. Namun, masih banyak mahasiswa yang mengalami kesulitan dalam menghasilkan karya ilmiah yang berkualitas. Oleh karena itu, kegiatan pengabdian masyarakat ini bertujuan untuk memberikan pelatihan penulisan karya ilmiah kepada mahasiswa Teknik Informatika di Sumatera Utara. Kegiatan ini dilaksanakan dengan kerjasama antara lembaga pendidikan tinggi dan organisasi profesi, yaitu Ikatan Profesi Komputer Informatika Nusantara (IKAPKIN). Pelatihan dilakukan melalui platform Zoom dan melibatkan 81 peserta dari berbagai perguruan tinggi di Sumatera Utara. Materi pelatihan mencakup berbagai trik dan tool dalam penulisan karya ilmiah, serta panduan dalam memanfaatkan tool penelitian seperti ChatGPT, DeepL.Com, Grammarly, Quillbot, dan Mendeley. Hasil evaluasi postest menunjukkan adanya peningkatan yang signifikan dalam pemahaman peserta terhadap penggunaan tool penelitian, dengan jumlah peserta yang memahami meningkat secara signifikan. Respon positif terhadap penyampaian materi pelatihan juga tercatat. Diharapkan kegiatan ini dapat memberikan dampak positif dalam meningkatkan kualitas penulisan karya ilmiah mahasiswa Teknik Informatika di Sumatera Utara
DATA MINING PENGOLAHAN SEMUA PENGADUAN MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS POLRES KOTA BINJAI) Yunika , Vica; Simanjuntak, Magdalena; Sembiring, Arnes
Jurnal Informatika Kaputama (JIK) Vol 6 No 2 (2022): Volume 6, Nomor 2, Juli 2022
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v6i2.1112

Abstract

Hukum mengatur hubungan antara orang dengan orang lain dan membatasi kepekaan serta mengadakan larangan atau keharusan agar tercapai ketertiban hukum di dalam masyarakat.Tak jarang setiap orang berani melakukan tindakan yang melanggar aturan hukum demi mendapatkan sesuatu yang diinginkan,bahkan dapat menyebabkan kerugian, kehihangan suatu hak atas tindak kejahatan yang dilakukan. Masyarakat dapat melakukan pengaduan atas suatu tindakan yang terjadi pada dirinya yaitu dengan cara datang kekantor Kepolisian. Polres Kota Binjai memiliki data-data setiap pelaporan terhadap pengaduan masyakat yang terus bertambah setiap masyarakat yang melakukan pengaduan yang biasa disimpan dalam sebuah file dalam komputer. Data tersebut dapat diolah menjadi data yang berguna yang dapat digunakan untuk memperoleh sebuah informasi yang baru dengan cara membuat sebuah sistem yang akan membantu untuk menemukan informasi baru dari data tersebut. Algoritma K-Means adalah algoritma clustering yang populer dan banyak digunakan dalam dunia industri. Clustering menganalisis objek data yang digunakan untuk menghasilkan grup, grup tersebut didapatkan berdasarkan prinsip memaksimalkan kesamaan dalam kelas dan meminimalkan kesamaan antar kelas. Clustering adalah membagi data ke dalam grup-grup yang mempunyai obyek dengan karakteristiknya sama.
Sosialisasi Pembuatan Pakan Fermentasi untuk Ternak Sapi di Dusun I Bukit Gantung Desa Sumber Mulyo Rahman, Sayuti; Khahfi Zuhanda, Muhammad; Ramdan, Dadan; Hartono, Hartono; Syah, Rahmad; Sembiring, Arnes; Astuti Kuswardani, Retna; Suswati, Suswati; Ady Pratama, Ramadhan; Martini, Dewi
Prioritas: Jurnal Pengabdian Kepada Masyarakat Vol. 7 No. 02 (2025): EDISI SEPTEMBER 2025
Publisher : Universitas Harapan Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ketersediaan pakan berkualitas menjadi tantangan utama bagi peternak sapi di Dusun I Bukit Gantung, Desa Sumber Mulyo, terutama pada musim kemarau ketika hijauan terbatas dan harga pakan komersial meningkat. Ketergantungan pada rumput dan jerami tanpa pengolahan menyebabkan rendahnya nilai nutrisi serta pertumbuhan ternak yang tidak optimal. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan memberikan edukasi dan pelatihan kepada peternak mengenai pembuatan pakan fermentasi sebagai solusi aplikatif, murah, dan berkelanjutan. Metode pelaksanaan mencakup sosialisasi konsep fermentasi, demonstrasi teknis, dan hands-on training mulai dari pemilihan bahan, pencacahan, pencampuran dengan EM4, pengaturan kadar air, hingga pengemasan anaerob dan proses inkubasi. Evaluasi dilakukan melalui pre-test dan post-test untuk mengukur peningkatan pengetahuan dan keterampilan peserta. Hasil kegiatan menunjukkan peningkatan signifikan antara 40% hingga 54% pada aspek pemahaman konsep dasar, teknik pengolahan, serta kemampuan menganalisis kesalahan fermentasi. Pelatihan ini terbukti efektif dalam membangun kapasitas peternak untuk memproduksi pakan fermentasi secara mandiri, memanfaatkan limbah pertanian, dan mengurangi ketergantungan pada pakan komersial. Penerapan teknologi fermentasi diharapkan mampu meningkatkan produktivitas ternak serta mendukung praktik peternakan yang lebih efisien dan berkelanjutan.
Pemanfaatan Teknologi Digital untuk Meningkatkan Produktivitas dan Kemandirian Peternak Ikan Desa Mariendal II Pratama, Bayu Aditya; Hasibuan, Nasaruddin Nur; Rahman, Sayuti; Ramdan, Dadan; Syah, Rahmad; Hartono; Zuhanda, M. Khahfi; Sembiring, Arnes; Indrawati, Asmah; Satria, Habib; Ritonga, Iqbal Giffari
Dedikasi Sains dan Teknologi (DST) Vol. 5 No. 2 (2025): Artikel Pengabdian Nopember 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v5i2.7875

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk meningkatkan produktivitas dan kemandirian peternak ikan air tawar di Desa Mariendal II melalui penerapan sistem feeder dan monitoring pakan ikan berbasis Internet of Things (IoT). Permasalahan utama mitra meliputi pemberian pakan yang masih dilakukan secara manual, ketidakteraturan jadwal pakan, pemborosan pakan, serta keterbatasan literasi teknologi. Metode pelaksanaan kegiatan menggunakan pendekatan partisipatif yang meliputi tahap persiapan, pelatihan dan implementasi sistem IoT, pendampingan, serta evaluasi. Evaluasi dilakukan menggunakan pre-test dan post-test untuk mengukur peningkatan pemahaman dan keterampilan peserta. Hasil kegiatan menunjukkan peningkatan rata-rata kompetensi peserta sebesar 47%, dengan peningkatan tertinggi pada keterampilan instalasi dan pengoperasian perangkat serta kemampuan membaca hasil monitoring pakan. Nilai effect size yang sangat besar menunjukkan bahwa peningkatan kompetensi dipengaruhi secara signifikan oleh intervensi kegiatan. Selain itu, penerapan sistem feeder otomatis memberikan dampak operasional berupa peningkatan keteraturan pemberian pakan, pengurangan pemborosan pakan, serta efisiensi waktu dan tenaga kerja peternak. Tingginya tingkat keberterimaan teknologi tercermin dari konsistensi penggunaan sistem oleh sebagian besar peserta setelah kegiatan berakhir. Dengan demikian, kegiatan PkM ini membuktikan bahwa penerapan teknologi IoT yang tepat guna dan disertai pendampingan berkelanjutan mampu meningkatkan efisiensi budidaya ikan sekaligus mendorong kemandirian peternak secara berkelanjutan.
Analisis Komparatif CNN Ringan untuk Klasifikasi Penyakit Daun Tomat Menggunakan Visualisasi Grad-CAM Rahman, Sayuti; Hartono, Hartono; Sembiring, Arnes; Khahfi Zuhanda, muhammad; Aditya Pratama, Bayu; Martini, Dewi
Explorer Vol 6 No 1 (2026): January 2026
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/explorer.v6i1.2601

Abstract

Tomato leaf disease classification based on digital imagery has become an important approach in supporting smart agriculture, particularly for early detection of plant disease attacks. This study aims to compare the performance of several lightweight Convolutional Neural Network (CNN) architectures, namely MobileNetV3-Small, MobileNetV2, and EfficientNet-B0, in classifying tomato leaf diseases using the PlantVillage dataset. The dataset consists of 3,628 images distributed across 10 classes (9 disease classes and 1 healthy class), with a data split scheme of 80% for training and 20% for validation. Performance evaluation was conducted using classification reports, confusion matrices, and interpretability analysis through Grad-CAM and feature map visualization. The experimental results show that all models achieved very high accuracy, exceeding 99%. EfficientNet-B0 obtained the best performance with a validation accuracy of 99.59%, followed by MobileNetV2 at 99.45% and MobileNetV3-Small at 99.04%. However, model complexity increased along with accuracy, where EfficientNet-B0 had the largest number of parameters and FLOPs. Grad-CAM analysis revealed that higher-accuracy models demonstrated more precise activation focus on leaf lesion regions. This study confirms that lightweight CNN architectures are capable of delivering excellent classification performance while offering strong potential for deployment in plant disease detection systems on resource-limited devices
Co-Authors Achmad Fauzi Aditya Pratama, Bayu Ady Pratama, Ramadhan Ahmad Zakir, Ahmad Algama, Bella Angga Asmah Indrawati Dadan Ramdan Erianto Ongko Gultom, Imeldawaty Habib Satria Haida Dafitri, Haida Harahap, Jaffar Siddik Hartono Hartono Hartono Hartono Hartono Hartono Hasibuan, Ade Hasibuan, Ade Zulkarnain Hasibuan, Nasaruddin Nur Ilham, Fauzi Irawan, Amri Khahfi Zuhanda, Muhammad Kristina Annatasia Br Sitepu Liza, Risko Martini, Dewi Muhammad Khahfi Zuhanda Naufal, Tengku Akhdan Pane, Ilham Maratua Pratama, Bayu Aditya Rachmat Aulia, Rachmat Rahmad Syah, Rahmad Rahman, Sayuti Ray, Raja Pahlefi Retna Astuti Kuswardani Rifai, Abas Ritonga, Iqbal Giffari Rizky, Bagaskara Dwi Saifuddin Muhammad Jalil Sembiring, Hermansyah Sembiring, Jams David Pindona Simanjuntak, Magdalena Sinaga, Nicolas Novelico Siregar, Budi Arisa Utomo Siregar, Rosyidah suswati suswati Widodo, Dian Yunika , Vica Zuhanda, M. Khahfi