Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : MIND (Multimedia Artificial Intelligent Networking Database) Journal

Media Pembelajaran Pengenalan Buah (Fruits Zone) untuk Anak KB Menggunakan Deep Learning KOMARIAH, SITI INGEFATUL; PUTRI, DESTI FITRI AISYAH; PERMATASARI, INTAN; FITRI, ZILVANHISNA EMKA; ATMADJI, ERY SETIYAWAN JULLEV; WIDIASTUTI, RESKI YULINA; IMRON, ARIZAL MUJIBTAMALA NANDA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.13-24

Abstract

ABSTRAK Keterbatasan media pembelajaran dan metode pembelajaran yang masih terpusat pada kemampuan guru menjadi kendala bagi Pos Alamanda 105 Jumerto, Jember. Dibutuhkan sebuah media pembelajaran yang interaktif dan dapat diakses dimanapun untuk meningkatkan kemampuan siswa khususnya dalam pengenalan buah. Solusinya, peneliti mengembangkan media pembelajaran interaktif pengenalan buah pada anak usia dini. Metode yang digunakan adalah Deep Learning (CNN) dengan arsitektur yaitu Resnet18. Arsitektur Resnet-18 dipilih karena tidak menghilangkan gradien dan fitur citra meski layer yang digunakan semakin dalam, sehingga connected layer dapat mengenali objek dengan akurat. Penelitian ini menggunakan 21 jenis buah populer dan buah unik yang dilengkapi fitur suara berbahasa Indonesia dan Bahasa Inggris. Jumlah data sebanyak 2100 citra buah dengan learning rate sebesar 0.0002 dan maksimal epoch sebesar 100 mampu mengklasifikasikan buah dengan tingkat akurasi sebesar 96% (pelatihan sistem) dan 95% (pengujian sistem). Kata Kunci: Media Pembelajaran, Fruits Zone , Deep Learning, ResNet18 ABSTRACT Limitations in learning media and teaching methods that are still centered on teachers' abilities pose challenges for Pos Alamanda 105 in Jumerto, Jember. An interactive learning media accessible anywhere is needed to enhance students' abilities, especially in fruit recognition. The solution is researchers developing an interactive early childhood fruit recognition learning media. The method used is Deep Learning (CNN) with the Resnet18 architecture. Resnet-18 architecture is chosen because it preserves gradients and image features even as the layers go deeper, allowing the connected layer to accurately recognize objects. This study covers 21 popular and unique fruits with voice features in Indonesian and English. With 2100 fruit images, a learning rate of 0.0002, and a maximum epoch of 100, the system achieves a classification accuracy of 96% (training) and 95% (testing).Keywords: Learning Media, Fruits Zone , Deep Learning, ResNet18
Sistem Evaluasi Lahan Penentuan Tanaman menggunakan Metode Forward Chaining SAFITRI, NADIA AYU; ATTHOILLAH, EDY; NAJAMUDDIN, AHMAD NANDA; FAUZI, HILMIY AHMAD; HIKMAH, LAILATUL; PRASETYO, DAFIT ARI; FITRI, ZILVANHISNA EMKA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.153-165

Abstract

ABSTRAKSistem Evaluasi Lahan merupakan sistem untuk menilai kesesuaian suatu lahan bagi berbagai jenis tanaman. Kurangnya pengetahuan petani tentang tingkat kesuburan tanah untuk jenis tanaman tertentu menyebabkan kegagalan dalam usaha pertanian mereka. Kandungan unsur NPK (Nitrogen, Phospor, dan Kalium) dalam tanah menentukan tingkat kesuburan lahan. Penelitian ini bertujuan mengembangkan sistem evaluasi lahan menggunakan teknologi pengolahan citra tanah dan metode forward chaining untuk menentukan kesesuaian lahan dan memberikan rekomendasi tanaman. Hasil penelitian menghasilkan tingkat akurasi dalam prediksi nilai kandungan Nitrogen sebesar 96,6%, Phospor sebesar 91,03%, dan Kalium sebesar 94,69% serta memberikan rekomendasi tanaman yang tepat. Sistem evaluasi lahan ini diharapkan dapat membantu petani meningkatkan produktivitas pertanian mereka.Kata kunci: pertanian, unsur hara NPK, pengolahan citra, sistem pakar, forward chaining ABSTRACTA land evaluation system is a system for assessing the suitability of land for different types of crops. The lack of farmers' knowledge about the soil fertility level for certain crops led to failure in their agricultural endeavors. The soil's content of NPK elements (Nitrogen, Phosphorus, and Potassium) determines soil fertility. The research aims to develop an evaluation system of soil using soil image processing technology and forward chaining methods to determine soil suitability and give plant recommendations. The results of the research yield accuracy in the prediction of nitrogen content values of 96.6%, phosphorus of 91.03%, and potassium of 94.69% and give the correct plant recommendation. This land evaluation system is expected to help farmers increase their agricultural productivity.Keywords: agriculture, NPK hara element, image processing, expert system, forward chaining