Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal IJIS - Indonesian Journal On Information System Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Faturrachman, Mirza
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

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

Found 3 Documents
Search

 1 
SISTEM PENDETEKSI PENYAKIT PADA DAUN TANAMAN SINGKONG MENGGUNAKAN DEEP LEARNING DAN TENSORFLOW BERBASIS ANDROID faturrachman, mirza; Yustiana, Indra; ., Somantri
IJIS - Indonesian Journal On Information System Vol 7, No 2 (2022): SEPTEMBER
Publisher : POLITEKNIK SAINS DAN TEKNOLOGI WIRATAMA MALUKU UTARA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (345.012 KB) | DOI: 10.36549/ijis.v7i2.225

Abstract

Tanaman singkong merupakan produksi hasil pertanian terbesar kedua di Indonesia, namun sebagaimana mestinya tanaman singkong tidak luput dari serangan hama dan penyakit. Untuk mengidentifikasi penyakit pada tanaman singkong, paling mudah adalah dengan melihat gejala yang muncul pada permukaan daunnya. Seiring berkembangnya bidang teknologi informasi, terdapat ilmu yang bisa membantu proses pendeteksian penyakit pada daun tanaman singkong yaitu dengan memanfaatkan pengolahan citra atau disebut juga Image Processing. Untuk itu, penulis mengambil penelitian tentang pendeteksian penyakit pada daun tanaman singkong dengan menggunakan terapan ilmu Deep Learning dengan metode Convolutional Neural Network (CNN) dan dengan bantuan Framework Tensorflow yang berbasis Android. Metode pengambilan data pada penelitian ini menggunakan metode kualitatif, dan metode pengembangan sistem yang digunakan adalah Prototyping, dimana metode ini adalah metode yang cepat dalam proses pengembangannya. Metode Convolutional Neural Network (CNN) adalah salah satu metode yang memiliki hasil bagus dalam pengolahan citra. Penelitian yang dilakukan ini menggunakan dataset berjumlah 21,367 data gambar daun singkong dari situs Kaggle. Penelitian ini mendapat hasil pengujian dengan tingkat akurasi mencapai 86%. Akurasi pengklasifikasian gambar tersebut bergantung pada pencahayaan.Kata Kunci: Singkong, Deep Learning, Convolutional Neural Network
Sistem Keamanan Pintu Rumah dengan Sidik Jari Berbasis Internet Of Things (IOT) Faturrachman, Mirza; Yustiana, Indra
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i2.1517

Abstract

Tingkat kriminalitas yang cukup tinggi yang terjadi di Indonesia disebabkan karena banyaknya faktor, salah satu faktor saat ini yaitu karena adanya virus COVID-19 yang mengakibatkan sektor ekonomi menjadi melemah, banyak orang berbuat jahat demi bisa bertahan hidup. Jenis kejahatan yang terjadi banyaknya adalah kejahatan pencurian, kejahatan tipe ini seringnya terjadi di rumah, dan dari banyak kasus, seringnya pencuri masuk melewati pintu depan rumah. Dengan adanya masalah ini, perlu adanya suatu sistem ataupun alat yang bisa membantu mengatasi masalah ini. Dalam penelitian ini, peneliti merancang suatu sistem keamanan khususnya untuk area pintu depan rumah. Pembuatan sistem keamanan ini berbasis Internet of things (IOT) dengan menggunakan mikrokontroler Arduino, dan menggunakan sensor sidik jari yang digunakan untuk membaca sensor sidik jari pemilik rumah. Penggunaan sensor sidik jari untuk keamanan menurut peneliti dirasa cukup baik, karena setiap orang yang ada di dunia ini memiliki sidik jari yang berbeda dari orang lain. Tujuan dari penelitian ini adalah untuk menghasilkan suatu sistem yang dapat mengurangi resiko pencurian di rumah.
Sistem Keamanan Pintu Rumah dengan Sidik Jari Berbasis Internet Of Things (IOT) Faturrachman, Mirza; Yustiana, Indra
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 2 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (532.29 KB) | DOI: 10.54367/jtiust.v6i2.1517

Abstract

Tingkat kriminalitas yang cukup tinggi yang terjadi di Indonesia disebabkan karena banyaknya faktor, salah satu faktor saat ini yaitu karena adanya virus COVID-19 yang mengakibatkan sektor ekonomi menjadi melemah, banyak orang berbuat jahat demi bisa bertahan hidup. Jenis kejahatan yang terjadi banyaknya adalah kejahatan pencurian, kejahatan tipe ini seringnya terjadi di rumah, dan dari banyak kasus, seringnya pencuri masuk melewati pintu depan rumah. Dengan adanya masalah ini, perlu adanya suatu sistem ataupun alat yang bisa membantu mengatasi masalah ini. Dalam penelitian ini, peneliti merancang suatu sistem keamanan khususnya untuk area pintu depan rumah. Pembuatan sistem keamanan ini berbasis Internet of things (IOT) dengan menggunakan mikrokontroler Arduino, dan menggunakan sensor sidik jari yang digunakan untuk membaca sensor sidik jari pemilik rumah. Penggunaan sensor sidik jari untuk keamanan menurut peneliti dirasa cukup baik, karena setiap orang yang ada di dunia ini memiliki sidik jari yang berbeda dari orang lain. Tujuan dari penelitian ini adalah untuk menghasilkan suatu sistem yang dapat mengurangi resiko pencurian di rumah.
Co-Authors Indra Yustiana Somantri Somantri Yustiana, Indra