Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Simetris Bulletin of Electrical Engineering and Informatics
Bawono, Sahirul Alim Tri
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
PENGEMBANGAN EVSHER (EVENT PUBLISHER) BERBASIS ANDROID Bawono, Sahirul Alim Tri; Safi'ie, Muhammad Asri; Purbayu, Agus; Purnomo, Agus; Nawastu, Tiara
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 10, No 1 (2019): JURNAL SIMETRIS VOLUME 10 NO 1 TAHUN 2019
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (423.242 KB) | DOI: 10.24176/simet.v10i1.2720

Abstract

Acara atau kegiatan akan selalu ada disekitar kita. Baik untuk kepentingan sosial ataupun yang kaitannya dengan bisnis. Keberhasilan sebuah acara dilihat dari banyaknya dan antusiasme dari pengunjung. Media penyebar informasi sangatlah penting untuk menyampaikan kepada masyarakat banyak akan adanya acara. Media yang banyak digunakan pada saat ini adalah smartphone. Aplikasi android pada smartphone yang digunakan untuk menyampaikan acara atau kegiatan adalah merupakan salah satu pemanfaatan teknolgi. Tujuan yang ingin dicapai adalah menerapkan teknologi android pada permasalahan publikasi kegiatan dengan menggunakan pengujian kompabilitas sistem sehingga sistem diharapkan dapat dijalankan di semua merek. Pengujian yang dilakukan agar sistem dipastikan berjalan dengan baik adalah dengan menguji sistem pada beberapa handphone dengan ukuran layar yang berbeda-beda. Aplikasi acara atau kegiatan telah berhasil dibuat dan berjalan dengan baik pada beberapa merek handphone yaitu samsung galaxy j3, samsung galaxy j5 prime, Xiaomi redmi 3.
A lightweight convolutional neural network for rice leaf disease detection integrated in an Android application Hartono, Rudi; Yoeseph, Nanang Maulana; Purnomo, Fendi Aji; Bawono, Sahirul Alim Tri; Purnomo, Agus
Bulletin of Electrical Engineering and Informatics Vol 14, No 4: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v14i4.9260

Abstract

More than two-thirds of the world's population rely on rice or wheat as staple foods, which are grown in various Asian countries. Diseases affecting rice leaves can disrupt growth, reduce yields, and cause famine in some areas. Therefore, a quick and accurate recognition method is necessary to minimize losses. This article focuses on eight types of rice leaf diseases using data consisting of approximately 110 images for each disease type, with enhanced image quality to achieve better results. The study applies a convolutional neural network (CNN) model integrated into an Android mobile application, achieving a training accuracy of 86.56% and a validation accuracy of 93.75%. Comparative experiments demonstrate that the model can be effectively implemented in mobile applications for accurately detecting rice leaf diseases, providing a reliable solution for field detection. This method not only helps farmers identify diseases more quickly but also has the potential to reduce crop losses caused by leaf diseases.
Co-Authors Agus Purbayu, Agus Fendi Aji Purnomo Hartono, Rudi Nanang Maulana Yoeseph Nawastu, Tiara Safi'ie, Muhammad Asri Salsabila, Unik Hanifah