Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering InComTech: Jurnal Telekomunikasi dan Komputer Jurnal Pengabdian Masyarakat Madani
Suradiradja, Kahfi Heryandi
Unknown Affiliation
Religion Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Convolutional neural network for estimation of harvest time of forage sorghum (sorghum bicolor) cultivar samurai-1 Suradiradja, Kahfi Heryandi; Sitanggang, Imas Sukaesih; Abdullah, Luki; Hermadi, Irman
International Journal of Electrical and Computer Engineering (IJECE) Vol 14, No 2: April 2024
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijece.v14i2.pp1730-1738

Abstract

One of the economic alternatives to improve the quality of ruminant feed is combining grass as the main feed with high-protein forages such as sorghum. To get a quality sorghum harvest during the period, it must be right when it has good biomass content, nutrients, and digestibility. The problem is that measuring quality in the laboratory has additional costs and time, which is not short, causing delays. An approach with machine learning using a convolutional neural network can be a better solution. This research uses a convolutional neural network algorithm with the right architecture to estimate sorghum harvest time from imaging results of unmanned aerial vehicles. The stages of this research include data collection, pre-processing, modeling, and finally, the evaluation stage. This research compares the results of several convolutional neural network (CNN) algorithm architectural models: simple CNN, ResNet50 V2, visual geometry group-16 (VGG-16), MobileNet V2, and Inception V3. The result is determining the CNN algorithm architectural model that can estimate sorghum harvest time with maximum accuracy. The best result is the simple CNN architectural model with an accuracy of 0.95. This research shows that the classification model obtained from the CNN algorithm with a simple CNN architecture is the choice model for estimating sorghum harvest time.
Peningkatan Kesadaran Keamanan Siber di Mahad IT Anamta Syameela Raharjo, Slamet; Suradiradja, Kahfi Heryandi; Ramdani, Dani
Jurnal Pengabdian Masyarakat Madani Vol 4 No 1 (2024): Jurnal Pengabdian Masyarakat Madani (JPMM)
Publisher : Sekolah Tinggi Ekonomi Bisnis Syariah Bina Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51805/jpmm.v4i1.157

Abstract

Pengabdian Kepada Masyarakat merupakan salah satu kewajiban yang dibebankan kepada dosen Universitas Pamulang yang dilaksanakan setiap semester. Pada semester ganjil tahun ajaran 2023/2024, pengabdian dilakukan di Ma’had IT An'amta Syameela yang berada di bawah naungan Yayasan Syameela Membangun. Tujuan dari Mahad IT ini mencetak generasi muslim yang siap mengemban amanah berupa dakwah kepada umat melalui multimedia, pemahaman ilmu teknologi informasi yang bersifat positif serta membangun semangat persatuan umat. Keamanan siber (Cyber Security) di sekolah / mahad menjadi semakin penting seiring dengan perkembangan teknologi dan penggunaan komputer terutama internet dalam pendidikan. Sekolah/mahad perlu memprioritaskan keamanan siber dan menginvestasikan sumber daya untuk melindungi data, privasi, dan sistem mereka agar proses pembelajaran dapat berjalan dengan aman dan efektif. Metodelogi pelaksanaan kegiatan melalui tahapan survey kebutuhan, persiapan alat, pelaksanaan kegiatan, tahap evaluasi dan keberlanjutan program. Dapat disimpulakan bahwa pelaksanaan kegiatan ini adalah adanya pema-haman bagi para santri dan pengurus Mahad IT Anamta Syameela akan pentingnya keamanan siber atau Cyber Security dan adanya peningkatan kesadaran keamanan siber atau Cyber Security Aware-ness bagi para santri dan pengurus di Mahad IT Anamta Syameela.
Perbandingan Model Deep Learning Untuk Prediksi Klasifikasi Jenis Batik Suradiradja, Kahfi Heryandi; Nano, Karno
InComTech : Jurnal Telekomunikasi dan Komputer Vol 14, No 2 (2024)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v14i2.19651

Abstract

Keanekaragaman budaya menjadi identitas bangsa Indonesia, keanekaragaman budaya sebagai bagian landasan dalam membangun identitas bagi bangsa Indonesia. Pemanfaatan batik menjadi salah satu bagian warisan budaya Indonesia adalah menjadi bagian dalam membangun nation brand. Tidak semua penduduk Indonesia mengingat berbagai motif batik yang beraneka ragam dan dengan harapan generasi muda turut menjaga dan selalu mencintai batik sebagai budaya bangsa. Pada penelitian ini membandingkan model prediksi klasifikasi citra dengan algoritma deep learning. Objek dari kajian ini adalah motif batik yang bersumber dari dataset citra batik. Tujuan dari penelitian ini, mengidentifikasi algoritma deep learning yang cocok dalam membuat model untuk mengklasifikasikan 15 jenis motif batik. Tahapan metode penelitian yakni analisa pemahaman terhadap terhadap masalah pengklasifikasian motif batik. Pengambilan data citra diambil dari publikasi dataset batik berupa data citra. Selanjutnya proses beberapa arsitektur algoritme deep learning yakni Simple CNN, RESNET50 V2, VGG16, MobileNet dan Inception V3. Pengukuran evaluasi menggunakan metric akurasi dan MSE untuk mendapatkan model arsitektur dengan hasil yang terbaik. Hasilnya diperoleh dengan tingkat akurasi terbaik pada algoritme RESNET50 V2 sebesar 86,36% dan memiliki nilai error MSE sebesar 0,0151. Kontribusi dari penelitian ini adalah model klasifikasi menggunakan algoritme deep learning CNN dengan arsitektur RESNET50 V2 direkomendasikan bagi pengembang sistem aplikasi ataupun device dalam mengklasifikasi 15 jenis motif batik.
Co-Authors Dani Ramdani, Dani Imas Sukaesih Sitanggang Irman Hermadi Luki Abdullah Nano, Karno Slamet Raharjo