Article Per Year (5 Year)
p-Index From 2020 - 2025
1.363
P-Index
This Author published in this journals
All Journal JURIKOM (Jurnal Riset Komputer) MIND (Multimedia Artificial Intelligent Networking Database) Journal Jurnal Teknologi Terpadu Technologia: Jurnal Ilmiah Jurnal Sistem Komputer dan Informatika (JSON) Abdi Kami : Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks)
Novita, Hilda Yulia
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sistem Komputer dan Informatika (JSON)

 1 
Pengembangan Model Klasifikasi Jenis Pisang Menggunakan Convolutional Neural Network Dengan Arsitektur VGG16 Habibah, Nur Habibah; Mudzakir, Tohirin Al; Novita, Hilda Yulia; Fauzi, Ahmad
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8616

Abstract

Indonesia memiliki kekayaan varietas pisang yang melimpah, namun permasalahan utama yang dihadapi adalah kesulitan dalam mengidentifikasi dan mengklasifikasikan jenis-jenis pisang secara akurat, terutama karena kemiripan visual antar varietas. Proses identifikasi secara manual dinilai kurang efisien dan rawan kesalahan, terutama dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi untuk lima jenis pisang, yaitu pisang ambon, pisang kapas, pisang nangka, pisang siam, dan pisang tanduk, menggunakan metode CNN berbasis arsitektur VGG16. Dataset yang digunakan terdiri dari 634 gambar pisang yang diperoleh melalui kamera smartphone dan telah melalui proses augmentasi serta normalisasi untuk meningkatkan keragaman data. Model dilatih dengan parameter learning rate 0,0001 batch size 32, dan epoch sebanyak 50. Hasil pelatihan akurasi mencapai 99,60% dan akurasi validasi sebesar 98,48%. Hasil evaluasi performa menggunakan confusion matrix dan matrix klasifikasi presisi, recall, dan F1-score menunjukan model memiliki kemampuan yang baik dalam menglasifikasikan jenis pisang dengan tingkat akurasi yang tinggi.
Co-Authors ARIF, SITI NOVIANTI NURAINI Awal, Elsa Elvira Azhaar, Siti Alia Butar Butar, Naomi Nova Meylica Faisal, Sutan Fauzi Ahmad Muda Fitri Nur Masruriyah, Anis Habibah, Nur Habibah Mudzakir, Tohirin Al Niendha Biell Binna Nurlaelasari, Euis RAMADHAN, ANGGA RAMDA Rohana, Tatang Sukmawati, Cici Emilia Wahiddin, Deden