Article Per Year (5 Year)
p-Index From 2021 - 2026
8.46
P-Index
This Author published in this journals
All Journal Jurnal Sarjana Teknik Informatika Jurnal Transformatika Jurnal Informatika dan Teknik Elektro Terapan InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Teknologi dan Sistem Komputer Jurnal Pengabdian UntukMu NegeRI JIKO (Jurnal Informatika dan Komputer) Insect (Informatics and Security) : Jurnal Teknik Informatika Indonesian Journal of Information System Dinamisia: Jurnal Pengabdian Kepada Masyarakat SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Sisfokom (Sistem Informasi dan Komputer) Compiler Jurnal Teknologi Sistem Informasi dan Aplikasi JUTEKIN (Jurnal Manajemen Informatika) INTEK: Informatika dan Teknologi Informasi AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Antivirus : Jurnal Ilmiah Teknik Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ilmu Komputer dan Bisnis Jurnal Manajemen Informatika dan Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Journal of Computer System and Informatics (JoSYC) International Journal of Advances in Data and Information Systems Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Restikom : Riset Teknik Informatika dan Komputer Mosharafa: Jurnal Pendidikan Matematika Journal of Informatics Management and Information Technology Prosiding Seminar Nasional Program Pengabdian Masyarakat sudo Jurnal Teknik Informatika Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Teknik Informatika Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Informatika Teknologi dan Sains (Jinteks) Industrial Research Workshop and National Seminar Jurnal Sains Informatika Terapan (JSIT) Journal Of Information System And Artificial Intelligence Jikom: Jurnal Informatika dan Komputer J-Icon : Jurnal Komputer dan Informatika SENAPAS BIMASAKTI
Mutaqin Akbar
Universitas Mercu Buana Yogyakarta
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 3   4   5   6   7 
Deteksi Leukemia Limfoblastik Akut menggunakan Convolutional Neural Network Akbar, Mutaqin; Prasetyaningrum, Putri Taqwa; Setyaningsih, Putry Wahyu; Ahsan, Moh; Budianto, Alexius Endy
Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 1 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi
Publisher : Program Studi Teknik Informatika Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jtsi.v7i1.34168

Abstract

Acute lymphoblastic leukemia is the most important type of childhood leukemia, and accounts for 25% of childhood cancers. Accurately differentiating normal cell precursors from cancer cells is key to the diagnosis of acute lymphoblastic leukemia (ALL). However, under a microscope, cancer cells are so similar to normal cells that it is difficult to classify them. This article presents a detection of acute lymphoblastic leukemia using Convolutional Neural Network (CNN). The dataset which is obtained from ALL_IDB is 582 color image data which is divided into 482 training image data and 100 testing image data. The image data will be resized to 128x128x3 before being input to the CNN model. The CNN model used in this study is a multi-scale CNN which consists of 3 convolution layers (filter size of 3x3, number of filters for each convolution layer is 32, 64, and 128 respectively, and ReLU activation function), 3 subsampling layers using maxpool with filter size of 2x2 , 1 concatenate layer is used to combine the output of each subsampling layer, 1 fully-connected layer with a softmax activation function and a cross-entropy error function, and finally an output layer with 2 classes, namely normal cells and cancer cells. The CNN model will be trained using the Adam optimizer training algorithm with a training rate of 0.0002 and iterated 20 times. Based on the training results after iterating 20 times, the smallest error value was obtained, namely 0.0001 and the largest accuracy value, namely 100% in the 20th epoch. The CNN model was then tested with 100 testing image data and obtained an accuracy rate of 98% and an error value of 0.0482.
Pengenalan Rambu Lalu-lintas menggunakan Convolutional Neural Network (Studi Kasus: Rambu Lalu-lintas Indonesia) Akbar, Mutaqin
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 6, No 2 (2022): InfoTekJar Maret
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v6i2.4564

Abstract

Salah satu teknologi yang digunakan untuk mengenali rambu lalu-lintas dengan pemanfaatan pengolahan citra adalah traffic sign recognition (TSR) atau pengenalan rambu lalu-lintas. TSR dapat diaplikasikan pada driver assistance systems (DAS), advance driver assistance systems (ADAS), autonomous driving systems (ADS), pemahaman suasana perkotaan, keamanan jalan raya, dan pemantauan rambu untuk kepentingan perawatan. Artikel ini menyajikan perbaruan dari pengenalan rambu lalu-lintas di Indonesia menggunakan convolutional neural network (CNN). Dataset yang digunakan sejumlah 2050 citra rambu lalu-lintas, yang terdiri dari 10 macam rambu lalu-lintas. Model CNN yang digunakan terdiri dari 3 lapisan konvolusi, 3 lapisan penggabungan (maxpool) dan 1 lapisan fully-connected. Stochastic gradient descent (SGD) digunakan sebagai algoritma pelatihan. Skenario terbaik yang diperoleh yaitu menggunakan 32 filter pada lapisan konvolusi pertama, 32 filter pada lapisan konvolusi kedua dan 32 filter pada lapisan konvolusi ketiga, dimana pada tahap pelatihan menggunakan 1750 data citra latih, 20 epoch dan laju pelatihan 0,005 didapatkan nilai galat 0,0025 dan nilai akurasi 100%. Dan pada tahap pengujian menggunakan 300 data citra uji, didapatkan nilai galat 0,0159 dan nilai akurasi sebesar 99,33%.Salah satu teknologi yang digunakan untuk mengenali rambu lalu-lintas dengan pemanfaatan pengolahan citra adalah traffic sign recognition (TSR) atau pengenalan rambu lalu-lintas. TSR dapat diaplikasikan pada driver assistance systems (DAS), advance driver assistance systems (ADAS), autonomous driving systems (ADS), pemahaman suasana perkotaan, keamanan jalan raya, dan pemantauan rambu untuk kepentingan perawatan. Artikel ini menyajikan perbaruan dari pengenalan rambu lalu-lintas di Indonesia menggunakan convolutional neural network (CNN). Dataset yang digunakan sejumlah 2050 citra rambu lalu-lintas, yang terdiri dari 10 macam rambu lalu-lintas. Model CNN yang digunakan terdiri dari 3 lapisan konvolusi, 3 lapisan penggabungan (maxpool) dan 1 lapisan fully-connected. Stochastic gradient descent (SGD) digunakan sebagai algoritma pelatihan. Skenario terbaik yang diperoleh yaitu menggunakan 32 filter pada lapisan konvolusi pertama, 32 filter pada lapisan konvolusi kedua dan 32 filter pada lapisan konvolusi ketiga, dimana pada tahap pelatihan menggunakan 1750 data citra latih, 20 epoch dan laju pelatihan 0,005 didapatkan nilai galat 0,0025 dan nilai akurasi 100%. Dan pada tahap pengujian menggunakan 300 data citra uji, didapatkan nilai galat 0,0159 dan nilai akurasi sebesar 99,33%.
Pengembangan Media Pembelajaran Interaktif Sistem Pernafasan Hewan Berbasis 3D Augmented Reality Kafilahudin, Fahrul Advis; Akbar, Mutaqin
sudo Jurnal Teknik Informatika Vol. 3 No. 1 (2024): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i1.469

Abstract

Augmented Reality (AR) merupakan teknologi yang menggabungkan dimensi dunia nyata dengan dunia maya secara real-time, menawarkan pengalaman interaktif yang mendalam. Penelitian ini berangkat dari masalah menurunnya minat belajar siswa yang disebabkan oleh visualisasi materi pembelajaran sistem pernapasan hewan yang kurang menarik. Tujuan utama penelitian ini adalah untuk mempermudah visualisasi materi tersebut sehingga siswa dapat belajar dengan lebih interaktif dan menyenangkan. Metode penelitian yang digunakan adalah Software Development Life Cycle (SDLC), yang meliputi tahapan perancangan sistem, pembuatan database Vuforia, pengembangan model 3D sistem pernapasan hewan, hingga pembuatan aplikasi media pembelajaran menggunakan Unity. Hasil dari penelitian ini adalah sebuah aplikasi Android berbasis AR yang mampu menampilkan model 3D sistem pernapasan hewan melalui penanda kertas, yang kemudian ditampilkan pada layar perangkat Android lengkap dengan penjelasan mengenai organ-organ pernapasan. Dengan adanya aplikasi ini, diharapkan minat dan pemahaman siswa terhadap materi pelajaran dapat meningkat secara signifikan, menciptakan lingkungan belajar yang lebih dinamis dan mendukung pembelajaran aktif serta menyenangkan.
Klasifikasi Penyakit Tuberculosis Berdasarkan Citra Rontgen Thorax Menggunakan Multi-Scale Convolutional Neural Network Nusantara, Bondan Surya; Akbar, Mutaqin
sudo Jurnal Teknik Informatika Vol. 3 No. 1 (2024): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i1.483

Abstract

Tuberculosis (TB) merupakan penyakit menular yang disebabkan oleh bakteri mycobacterium tuberculosis, patogen yang paling sukses menginfeksi paru-paru. Teknik diagnosis penyakit TB yang paling sering digunakan adalah melalui pemeriksaan rontgen thorax (paru-paru). Hasil rontgen dapat dilihat secara citra/visual oleh dokter untuk melihat apakah terdapat ciri dan pola adanya penyakit TB pada pasien. Pada penelitian ini befokus pada Artificial Intelligence (AI) untuk membantu dokter dan memberikan alternatif solusi yang efisien dalam mendiagnosa pasien, apakah pasien tersebut menderita TB atau tidak dengan lebih cepat. Penelitian ini dirancang menggunakan Multi-Scale Convolutional Neural Network (CNN) untuk mengklasifikasi penyakit tuberculosis berdasarkan citra rontgen thorax. Data yang digunakan berupa citra X-ray thorax yang digunakan sebagai input untuk proses image processing. Dataset yang dikumpulkan berjumlah 1400 data yang terdiri dari 2 kelas yaitu paru-paru normal dan paru-paru penderita tuberculosis. Model CNN terdiri dari 3 lapisan konvolusi yang berukuran 3x3, 3 lapisan penggabungan (Maxpool) berukuran 2x2 dan 1 lapisan fully connected yang menggunakan aktivasi softmax. Filter yang digunakan pada setiap lapisan konvolusi adalah 128. Penelitian ini menggunakan algoritma Adam Optimizer. Dataset dibagi menjadi 1120 data pada skenario 1 dan 978 data pada skenario 2 untuk training atau latih dan 280 data pada skenario 1 dan 422 data pada skenario 2 untuk testing atau uji. Dalam proses pelatihan, digunakan nilai epoch 20 diperoleh nilai akurasi sebesar 100% pada semua skenario. Pada tahap pengujian dihasilkan nilai akurasi sebesar 99,29% pada skenario 1 dan 97,67% pada skenario 2.
Penerapan Algoritma Genetika Dalam Pengelompokan Mahasiswa KKN (Studi Kasus: KKN Angkatan XLII Universitas Mercu Buana Yogyakarta) Rohmad, Arinadi Nur; Akbar, Mutaqin
JURNAL INFORMATIKA DAN KOMPUTER Vol 8, No 1 (2024): Februari 2024
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v8i1.1073

Abstract

Kuliah Kerja Nyata-KKN (Program Pengembangan Masyarakat) merupakan kegiatan pengabdian masyarakat oleh mahasiswa dengan pendekatan lintas ilmu dan sektor, pada Universitas Mercu Buana Yogyakarta dikoordinasikan oleh Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) yang sekarang bernama Pusat Penelitian Pengabdian Masyarakat dan Kerjasama (P3MK). Dibutuhkan kelompok KKN dengan kriteria seperti kelas, program studi, dan jenis kelamin. Penelitian ini bertujuan untuk memberikan alternative pengelompokan mahasiswa KKN Angkatan XLII UMBY dengan menerapkan algoritma genetika. Representasi kromosom disajikan oleh pendekatan baris index yang dihasilkan secara acak selanjutnya dilakukan inisiasi populasi awal, seleksi elite, reproduksi, dan menentukan kromosom elite dari ranking. Aturan dalam pembagian KKN ini berfungsi sebagai constrain. Solusi terbaik adalah nilai fitness 100% dan mampu memberikan solusi dengan error/penalti rendah. Pada penelitian ini didapati bahwa hasil dari pengelompokan 807 peserta KKN Angkatan XLII UMBY mencapai 95% untuk kelas 22D dengan waktu eksekusi 5 menit 26 detik menggunakan 1 elite, 1500 offspring dan 300 mutant setiap generasi.
H5P Framework Training for Learning Videos with Quiz for Sekolah Kebangsaan Dato’ Sagor Malaysia Teachers Khuzaini*, Nanang; Akbar, Mutaqin; Marhaeni, Nafida Hetty; Ramos, Sarah Vega
Dinamisia : Jurnal Pengabdian Kepada Masyarakat Vol. 8 No. 1 (2024): Dinamisia: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/dinamisia.v8i1.17924

Abstract

H5P (HTML5 Package) is an open-source framework that allows content creators to easily create and share interactive content on the web. H5P training for creating videos with quizzes is designed to introduce users to the basic concepts of creating interactive videos involving questions or quizzes for learning purposes. Training usually involves several stages, such as introducing H5P, creating videos with quizzes, testing and maintenance, and implementation strategies. For this reason, the aim of this service is to provide training to teachers at Sekolah Kebangsaan Dato' Sagor Malaysia to be able to make learning videos with quizzes assisted by H5P. This service was carried out for 25 teachers at Sekolah Kebangsaan Dato' Sagor Malaysia in a hybrid manner using various approaches, namely the active participation approach, activity orientation approach, program approach and independence approach. The results of the service show that the use of H5P for teachers can provide a more interesting, adaptive and measurable learning experience for students, while giving teachers the opportunity to adapt their teaching methods to continuously changing technological needs and developments. Apart from that, the service has also shown that the specified success indicators have been achieved, namely ≥75% of teachers understand the benefits and use of H5P to make learning videos, attendance at every meeting is 100%, and all teachers can make learning videos with quizzes assisted by H5P
Pemanfaatan teknologi kecerdasan buatan untuk guru kinderstation school Jati, Budi Sulistiyo; Akbar, Mutaqin; Susilawati, Indah
SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Vol 8, No 3 (2024): September
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jpmb.v8i3.25728

Abstract

AbstrakKemajuan dalam bidang teknologi informasi dan komunikasi telah menyebabkan perubahan besar dalam berbagai aspek kehidupan, terutama dalam bidang pendidikan. Era pendidikan dewasa ini ditandai oleh integrasi teknologi canggih seperti AI, machine learning, dan internet of things (IoT) dalam proses pembelajaran. Untuk mengatasi permasalahan tersebut, program pengabdian kepada masyarakat ini dirancang untuk meningkatkan pemahaman dan keterampilan praktis guru dan pengajar di Kinderstation School Yogyakarta dalam memanfaatkan teknologi AI dalam proses pembelajaran. Kegiatan pelatihan dilaksanakan dalam dua kali pertemuan (10 Juli 2024 dan 17 Juli 2024), dimana pertemuan pertama membahas mengenai pengenalan teknologi AI dan pertemuan kedua merupakan pelatihan penggunaan teknologi AI dalam dunia pendidikan. Sebelum pertemuan pertama diberikan pre-test untuk mengukur tingkat pemahaman awal para peserta mengenai teknologi AI dalam dunia pendidikan. Nilai rata-rata (mean) berkisar antara 2,24 hingga 3,53, menunjukkan bahwa sebagian besar peserta belum memiliki pemahaman yang mendalam tentang AI. Kemudian setelah pertemuan kedua, diberikan lagi post-test untuk mengukur tingkat pemahaman para peserta setelah pelatihan. Nilai rata-rata (mean) yang berkisar antara 4,06 hingga 4,35 menunjukkan peningkatan pemahaman dan keyakinan yang cukup besar di kalangan peserta. Hasil pengukuran pada pre-test dan post-test menunjukkan bahwa pelatihan pemanfaatan teknologi AI dalam dunia pendidikan berhasil meningkatkan pemahaman, keyakinan, dan kesiapan peserta dalam mengadopsi AI. Peningkatan di semua aspek menunjukkan bahwa pelatihan telah memberikan dampak positif yang signifikan. Kata kunci: guru; kecerdasan buatan; pelatihan; teknologi. AbstractInformation and communication technology advances have brought significant changes in various aspects of life, including education. Today's educational era is characterized by integrating advanced technology such as AI, machine learning, and the internet of things (IoT) in education. To overcome these problems, this community service program is designed to increase the understanding and practical skills of Kinderstation School Yogyakarta teachers in utilizing AI technology in the learning process. The workshops were carried out in two meetings (10 July 2024 and 17 July 2024), where the first meeting discussed the introduction of AI technology, and the second meeting was workshop on the use of AI technology in education. Before the first meeting, a pre-test was given to measure participants' initial understanding of AI technology in education. The mean scores ranged from 2.24 to 3.53, indicating that most participants do not yet have a deep understanding of AI. Then, after the second meeting, post-test was given to measure participants' knowledge after the workshop. The mean values ranging from 4.06 to 4.35 indicate a significant increase in understanding and confidence among participants. The measurement results in the pre-test and post-test show that workshops on the use of AI technology in education increased participants' understanding, confidence, and readiness to adopt AI. The increase in all aspects shows that the workshop has had a significant positive impact. Keywords: artificial intelligence; teacher; technology; workshop.
Pengelompokan Data Pengeluaran Bulanan pada Aplikasi Pencatatan Keuangan Pribadi menggunakan Metode K-Means Clustering Riyanto, Agung; Akbar, Mutaqin
Jurnal Ilmu Komputer dan Bisnis Vol. 15 No. 2 (2024): Vol. 15 No. 2 (2024)
Publisher : STMIK Dharmapala Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47927/jikb.v15i2.711

Abstract

Pengelolaan keuangan pribadi menjadi sangat penting dalam era modern yang kompleks saat ini, faktor gaya hidup yang berlebihan dan kurangnya pemahaman seseorang terhadap finansial membuat aplikasi Pencatatan Keuangan Pribadi menjadi salah satu peran penting dalam membantu mengelola pengeluaran pribadi, namun data pengeluaran pada aplikasi pencatatan keuangan pribadi masih terkesan rancu untuk membedakan pengeluran prioritas dan bukan prioritas. Pada penelitian ini, peneliti mengimplementasi pengelompokkan data pengeluaran bulanan menggunakan metode K-Means Clustering. Data yang digunakan adalah 30 data training dan 25 data uji yang diambil dari data aplikasi Pencatatan Keuangan Pribadi (CaKeP). Pada proses clustering menggunakan K-Means Clustering menghasilkan 3 kelompok yaitu pengeluaran rendah, sedang, dan tinggi dengan menghasilkan score 72% menggunakan Silhouette Score.
Klasifikasi Ras Sapi Menggunakan Convolutional Neural Network Salim, Agus; Akbar, Mutaqin
Jurnal Sains Informatika Terapan Vol. 4 No. 3 (2025): Jurnal Sains Informatika Terapan (Oktober, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i3.682

Abstract

Penelitian ini bertujuan mengembangkan model klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mengidentifikasi lima jenis ras sapi, yaitu Bali, Brahma, Angus, Holstein, dan Beefmaster. Data citra sapi diperoleh melalui dokumentasi lapangan serta sumber dataset publik, dengan total 1.500 gambar yang dibagi ke dalam tiga subset: pelatihan, validasi, dan pengujian. Model yang digunakan adalah ResNet50V2 dengan pendekatan transfer learning, yang dilatih menggunakan teknik data augmentation dan normalisasi citra untuk meningkatkan generalisasi model. Evaluasi performa dilakukan dengan menggunakan sejumlah metrik, meliputi akurasi, presisi, recall, F1-score, serta analisis confusion matrix dan visualisasi hasil prediksi. Hasil eksperimen menunjukkan bahwa model ResNet50V2 mampu mengklasifikasikan ras sapi dengan akurasi mencapai 95,63% pada data uji. Rata-rata nilai F1-score untuk seluruh kelas adalah 0,95, yang mencerminkan kinerja model yang tinggi dan seimbang. Berdasarkan confusion matrix, sebagian besar kelas dapat dikenali secara akurat, meskipun masih terdapat kesalahan klasifikasi pada kelas dengan kemiripan visual yang tinggi. Temuan ini menunjukkan bahwa pendekatan CNN, khususnya dengan arsitektur ResNet50V2, memiliki potensi yang kuat sebagai solusi sistem identifikasi otomatis dalam sektor peternakan, terutama dalam mendorong digitalisasi dan efisiensi manajemen ternak.
Klasifikasi Buah Berry menggunakan Metode Residual Network (ResNet-50) Putu Sangyoga, Titus Bintang Pekiek; Akbar, Mutaqin
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1108

Abstract

Buah berry dikenal memiliki manfaat gizi tinggi, namun tantangan dalam membedakan jenis-jenisnya secara akurat masih sering terjadi, khususnya dalam industri pertanian dan distribusi di Indonesia. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis buah berry menggunakan metode deep learning dengan arsitektur Residual Network (ResNet-50). Dataset yang digunakan terdiri dari 1.000 citra empat jenis buah berry: blackberry, blueberry, raspberry, dan strawberry, yang diperoleh dari sumber publik seperti Kaggle, Roboflow, serta penelitian terdahulu. Data citra kemudian melalui tahap pra-processing berupa resize, normalisasi piksel, dan augmentasi data agar sesuai dengan format input ResNet-50. Model dilatih menggunakan parameter pretrained dari ImageNet dengan pembekuan seluruh lapisan kecuali fully connected layer. Evaluasi performa dilakukan melalui confusion matrix dan metrik klasifikasi seperti akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model berhasil mencapai akurasi klasifikasi sebesar 100% pada data uji, yang berarti seluruh citra berhasil diklasifikasikan dengan benar. Hal ini menunjukkan bahwa pendekatan klasifikasi menggunakan ResNet-50 sangat efektif dalam mengidentifikasi jenis buah berry berdasarkan fitur visual citra. Penelitian ini diharapkan dapat menjadi solusi yang andal dalam mendukung otomasi klasifikasi buah dalam sektor pertanian maupun industri pangan.
Co-Authors Adella Maharani, Putri Agung Firmansyah Agus Salim Ahsan, Moh An-Naufal Nuha, Alfian Anisyah Jatu Siti Nurjanah Aprisia Bahagia, Grace Arifadillah, Elang Arita Witanti Ascha, Nugrah Pratama Astri Wulandari Audita Nuvriasari Auditya, Yonathan Bagus Dwi Kurniawan, Bagus Dwi Bambang Agus Setyawan Budi Sulistiyo Jati Budianto, Alexius Endy Dangin, Dangin Dian Kartika Sari, Dian Kartika Diski Ijtima Putri Dwiyati Pujimulyani Elsa Anggraini Maili Ertandi, Fiki Febri Rahmadsyah Firdaus Alfajar Sudarsih Hardiyanto, Andri Hendri Tri Cahya Leksana Ichlasia Ainul Fitri Ikram, Rauf Al Indah Susilawati Jeremias Quintino Tilman Junianto Bagas Prasetyo Kafilahudin, Fahrul Advis Kartadinata, Arifqi Khuzaini*, Nanang Kuswandaru, Kuswandaru Marfianto, Jodhy Dwi Muhammad Abdul Gofur Muhammad Ali Ma'mun Muhammad Pratiwo Muhammad Syadham, Syahrun Muhammad Syaifudin Musa, Rahmat Nafida Hetty Marhaeni Nanang Khuzaini, Nanang Nanik Triatmi Nur Alamsyah Nurdiarti, Rosalia Prismarini Nusantara, Bondan Surya Pascal Munthe, Thimoty Prasetyaningrum, Putri Taqwa Primananda, Muhammad Izra Priyanto Putu Sangyoga, Titus Bintang Pekiek Rahmat Musa Ramos, Sarah Vega Refky Satria Bima Reny Yuniasanti Rio Setya Pambudi Rismanto, Septa Rivansyah Subagyo, Ibnu Riyanto, Agung Rizky, Muhammad Rafi Fajar Rofiqi, Lutfi Rohmad, Arinadi Nur Rosalia Prismarini Nurdiarti Saputra, Aldi Dwi Saputra, Andika Dwi Sari, Prima Wulan Sedyarsa, Hanif Fauzan Septa Rismanto Setyaningsih, Putry Wahyu Sidiq Purnomo, Agus Sri Muhammad Kusumantomo Subhan Bole Boly Supatman Supatman Umul Aiman Wakidi Wakidi Wibowo, Sigit Heri Wisnu Adi Yulianto Wulandari, Astri Yusanto, Yoga