Article Per Year (5 Year)
p-Index From 2020 - 2025
1.066
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) AGROMIX JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Cahaya Mandalika
Moch. Lutfi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Engineering Languange, Linguistic, Communication & Media

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
KLASIFIKASI KUALITAS MUTU JAGUNG DENGAN MENGGUNAKAN METODE DECISION TREE PADA DINAS PERTANIAN BOJONEGORO Moch. Lutfi

Publisher : Fakultas Pertanian Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (336.271 KB) | DOI: 10.35891/agx.v9i1.1360

Abstract

Corn is a food source in several regions in Indonesia, in addition to being a human food source, corn can also be used as animal feed ingredients. Quality classification of corn is needed to produce quality products. The quality of corn quality is determined by the attributes of varietas, lengths, shapes, colors, flavors, techniques, seasons, pests, PH and the quality used as a classification process of quality using a decision tree algorithm. The results of the study were compared with three decision tree criteria namely gain ratio, information gain and Gini index. Accuracy results show that the highest criterion value is 72.76% in the Gini index criterion and the lowest value is the criterion gain ratio of 60.67%.
OTOMATISASI POMPA AIR MENGGUNAKAN NODEMCU ESP8266 BERBASIS INTERNEToOF THINGS (IOT) Moch. Bakhrul Ulum; Moch. Lutfi; Arif Faizin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 1 (2022): JATI Vol. 6 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i1.4583

Abstract

Air merupakan sumber daya alam yang sangat diperlukan bagi kelangsungan kehidupan untuk semua makhluk yang ada di bumi. Untuk pemanfaatan air yang maksimal dibutuhkan alat bantu salah satunya yaitu pompa air. Pengoprasian pompa air biasanya dilakukan dengan manual yang mana membutuhkan sistem kontrol yang efisien. Perkembangan konektifitas internet adalah sebuah konsep dari Sistem IoT (Internet of Things) yang akan di gunakan untuk membantu kemudahan untuk kehidupan sehari-hari.. Untuk itu peneliti akan memanfaatkan sistem ini untuk dipadukan dengan pompa air. Dalam penelitian ini dimaksudkan untuk mengkoneksikan NodeMCU ESP8266 dengan pompa air agar pompa air bisa berjalan secara otomatis. Koneksi internet (WiFi) digunakan untuk menghubungkan antara NodeMCU dengan pompa dan dapat di monitoring dan dinyalakan secara manual dengan smartphone. Dari hasil pengujian alat ini pompa air bisa berjalan secara otomatis dengan baik, dan dapat dimonitoring serta manual control dari smartphone dengan baik, serta dari hasil uji level ketinggian air memiliki rata-rata kesalahan relatif sebesar 14,78% atau ± 0,5 cm pada setiap level.
DEEP TRANSFER LEARNING DENGAN MODEL ARSITEKTUR VGG16 UNTUK KLASIFIKASI JENIS VARIETAS TANAMAN LENGKENG BERDASARKAN CITRA DAUN Saputro, Arief; Mu’min, Syahri; Moch. Lutfi; Putri, Helmanita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5456

Abstract

Dimocarpus longan atau sering disebut lengkeng adalah tanaman buah yang memiliki berbagai jenis varietas dan penentuan ciri tersebut bisa dilihat dari tiga ciri kategori berbeda antara lain batang, buah dan daun. Akan tetapi tidak semua orang bisa mengenali jenis varietas tanaman buah lengkeng dari beberapa jenis varietas. Ciri daun buah lengkeng yang sulit untuk diidentifikasi dari jenis bentuk persamaan yang hampir menyerupai dengan jenis varietas lainnya. Adapun cara untuk mengatasi masalah tersebut untuk membedakan jenis varietas dengan memanfaatkan citra digital. Oleh sebab itu penelitian ini mengusulkan klasifikasi dan ekstraksi fitur dengan memanfaatkan citra daun lengkeng sebagai data untuk identifikasi ciri dari tanaman lengkeng. Sedangkan metode klasifikasi yang diusulkan adalah pre-trained model VGG16 deep convolution neural network dan varietas daun lengkeng yang digunakan adalah puangrai, new kristal, diamond river dan matalada. Hasil dari implementasi metode yang diusulkan tingkat akurasi terbaik 79% dan validasi 82% sedangkan waktu komputasi yang dibutukan adalah 71 detik
DEEP PRE-TRAINED MODEL MENGGUNAKAN ARSITEKTUR DENSENET UNTUK IDENTIFIKASI PENYAKIT DAUN PADI Faizin, Arif; Tri Arsanto, Arief; Moch. Lutfi; Rochim Musa, Abdur
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5475

Abstract

Salah satu penyebab menurunnya produksi padi ialah serangan hama. hama padi meliputi hama busuk daun, hawar daun, dan hawar batang. Jenis penyakit yang berbeda memerlukan perlakuan yang berbeda, akan tetapi tidak semua petani paham akan sifat hama yang dapat menyebabkan kesalahan penanganan.Untuk mempermudah menyelesaikan masalah yang ada pada identifikasi hama penyakit daun padi perlu adanya inovasi sistem klasifikasi hama daun padi. Sistem ini didasarkan pada metode Convolutional Neural Network (CNN), metode atau model deep learning yang dikembangkan untuk meng-cover kelemahan metode machine learning. Namun, deep learning juga memiliki kelemahan yaitu waktu komputasi pada proses training yang sangat lama dan ukuran data besar. Oleh sebab itu model pra-pelatihan dibutuhkan untuk memperbaiki tingkat akurasi dan performance deep-learning serta mempermudah dalam pengembangan struktur model tanpa membangunnya dari awal. Dan pada ini sudah diimplementasikan model yang digunakan menghasilkan tingkat akurasi terbaik 98% dan validasi 93% serta error yang dihasilkan training dan validasi yaitu 0.07 dan 0.25 sedangkan waktu komputasi yang dibutuhkan untuk training dan validasi adalah 31 detik.
DEEP PRE-TRAINED MULTI MODEL CONVOLUTION NEURAL NETWORK UNTUK DIAGNOSA COVID 19 PADA CITRA RONTGEN DADA Faishol Amrulloh, Muhammad; Moch. Lutfi; Agung Nurcahyo, Wahyu
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 6 No. 2 (2022): JATI Vol. 6 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v6i2.5564

Abstract

Covid-19 merupakan penyakit yang sedang mewabah di berbagai belahan dunia termasuk Indonesia. Penyakit ini menginfeksi saluran pernapasan yang disebabkan oleh jenis virus corona baru. Untuk mengetahui adanya virus covid-19 di dalam tubuh dapat dilakukan pemeriksaan medis seperti cek darah, pemeriksaan radiologi rontgent (x-ray) dan swab. Penelitian ini melakukan identifikasi penyakit covid-19 berdasarkan citra rontgen dengan metode yang diusulkan model convolution neural network yang mampu menghasilkan performa paling baik dalam mendeteksi penyakit. Pengujian dilakukan dengan menggunakan empat pre-trained ensemble model yang telah disediakan oleh Keras yaitu VGGNet, GoogleNet, DenseNet, dan NASNet tingkat akurasi training yang dihasilkan adalah 97% dan akurasi validasi yang dihasilkan adalah 85% akan tetapi metode yang diusulkan pada penelitian ini waktu komputasi yang dihasilkan sangat baik yaitu 0 detik dari hasil tersebut dapat simpulkan metode penggabungan (ensemble) ini sangat baik jika diimplementasikan terhadap data penelitian yang digunakan.
Comparison of Transfer Learning Model Performance for Breast Cancer Type Classification in Mammogram Images Cahya Bagus Sanjaya; Muhammad Imron Rosadi; Moch. Lutfi; Lukman Hakim
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 1 (2025): February 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i1.6177

Abstract

Globally, breast cancer is the type of cancer that most women suffer from. Early detection of breast cancer is very important because there is a big chance of cure. Mammography screening makes it possible to detect breast cancer early. The study of computer-assisted breast cancer diagnosis is gaining increasing attention. Breast cancer comes in two forms: benign cancer and malignant cancer. advances in deep learning (DL) technology and its use to overcome obstacles in medical imaging, and classification using a number of transfer learning models to identify the type of breast cancer (malignant, benign, or normal). This work conducted a thorough comparison analysis of eight prevalent pre-trained CNN algorithms (VGG16, ResNet50, AlexNet, MobileNetV2, ShuffleNet, EfficientNet-b0, EfficientNet-b1, and EfficientNet-b2) for breast cancer classification. In this study, we permonData is divided into training, testing, and validation. Using the publicly accessible mini-DDSM dataset, we assess the proposed architecture. were used to measure the classification accuracy (Acc). For genBased on test results, the best accuracy was obtained using EfficientNetb2 with an accuracy value of 94% for training data and 98% for test data on mammogram images.
IMPLEMENTASI PEMANFAATAN TEKNOLOGI IOT DAN BLOCKCHAIN PADA SISTEM LOGISTIK CABE Sofyan asaury; Moch. Lutfi
Jurnal Cahaya Mandalika ISSN 2721-4796 (online) Vol. 4 No. 2 (2023): Jurnal Cahaya Mandalika
Publisher : Institut Penelitian Dan Pengambangan Mandalika Indonesia (IP2MI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36312/jcm.v4i2.2106

Abstract

This research aims to develop a chili logistics system that utilizes the Internet of Things (IoT) and blockchain technology. This system is designed to improve the efficiency and transparency of the chili logistics process from collection, delivery, to distribution using a smartphone. IoT is used to monitor environmental conditions for storing and transporting chilies, such as temperature and humidity, so as to prevent damage to chilies. Meanwhile, blockchain technology is used to optimize transparency and security in the chili logistics process by ensuring the authenticity of products and data recorded on the blockchain. The methodology used in this study uses the prototyping method. Implementation of IoT technology with an average temperature of 30 ֯ C and 40% humidity. Also, the blockchain system in the chili logistics system can be an effective solution in increasing efficiency, transparency and security in sending chilies.
Co-Authors Agung Nurcahyo, Wahyu Arif Faizin Cahya Bagus Sanjaya Faishol Amrulloh, Muhammad Lukman Hakim Moch. Bakhrul Ulum Muhammad Imron Rosadi Mu’min, Syahri Putri, Helmanita Rochim Musa, Abdur Saputro, Arief Sofyan asaury Tri Arsanto, Arief