Article Per Year (5 Year)
p-Index From 2020 - 2025
3.11
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Jurnal Informatika dan Teknik Elektro Terapan Sinkron : Jurnal dan Penelitian Teknik Informatika JIKO (Jurnal Informatika dan Komputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Teknologi Terpadu Jusikom: Jurnal Sistem Informasi Ilmu Komputer Idealis : Indonesia Journal Information System Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Hermanto, Teguh Iman
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Energy Engineering

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Informatika dan Teknik Elektro Terapan

 1 
KLASIFIKASI JENIS PENYAKIT PADA DAUN TUMBUHAN STROBERI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR INCEPTIONV3 Sitohang, Andrian Herbert Parsaoran; Hermanto, Teguh Iman; Lestari, Candra Dewi
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5274

Abstract

Stroberi adalah salah satu komoditas tanaman dengan nilai ekonomi yang cukup tinggi di Indonesia. Namun, terdapat upaya yang dapat mengurangi kualitas dan kuantitas hasil panen stroberi, yaitu penyakit-penyakit daun stroberi, termasuk leaf scorch. Oleh karena itu, deteksi dini dan klasifikasi penyakit mengenai daun stroberi ini sangat penting untuk melakukan tindakan yang diperlukan agar kerugian dapat diminimalkan. Tujuan dari penelitian ini adalah untuk mengembangkan model klasifikasi penyakit pada daun stroberi dengan metode Convolutional Neural Network menggunakan arsitektur InceptionV3. Proses penelitian yang dibutuhkan dalam pengembangan model melibatkan pengumpulan dataset gambar daun stroberi yang terdiri dari kategori sehat dan penyakit leaf scorch. Model CNN dilatih dan diuji dengan menggunakan dataset gambar daun tersebut untuk mengidentifikasi dan mengklasifikasikan jenis penyakit dengan tingkat akurasi yang tinggi. Hasil dari penelitian ini menunjukkan bahwa model CNN dengan arsitektur InceptionV3 berhasil mencapai akurasi klasifikasi sebesar 99%, menandakan keandalan model dalam mendeteksi penyakit pada daun stroberi. Selain itu, Implementasi model ini dalam aplikasi berbasis Android diharapkan dapat memberikan alat bantu yang praktis dan efisien bagi petani dalam memantau dan mengendalikan penyakit tanaman secara real-time, sehingga dapat meningkatkan kualitas dan kuantitas hasil panen stroberi. Dengan demikian, penelitian ini tidak hanya berkontribusi pada pengembangan teknologi deteksi penyakit tanaman tetapi juga pada peningkatan produktivitas pertanian.
Co-Authors Anggraeni, Annisa Mustika Azhar, Sarah Afifah Defriani, Meriska Fauzi, Ibnu Fiki Febrianti, Nisa Ghozali, Miftah Al Ismi Kaniawulan, Ismi Krishnavarty, Ayumas Aura Kusuma, Bagus Lestari, Candra Dewi Lestari, Chandra Dewi Mahbubi, Firhan Abdillah Muhyidin, Yusuf Ningsih, Tiara Sari Nugraha, Rivan Adi Nugroho, Imam Ma ruf Nugroho, Imam Ma'ruf Nugroho, Imam Maruf Nugroho, Imam Ma’ruf Ramadhan, Yudhi Raymond Rengganis, Mega Dwi Resmi, Mochzen Gito Sari, Anita Wulan Sitohang, Andrian Herbert Parsaoran Sunandar, Muhamad Agus Syakir, Yusuf Totohendarto, Mochamad Hafid Undamayanti, Erina