Article Per Year (5 Year)
p-Index From 2021 - 2026
1.642
P-Index
This Author published in this journals
All Journal Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Martabe : Jurnal Pengabdian Kepada Masyarakat JUTIS : Jurnal Teknik Informatika Jurnal Teknologi Informasi dan Terapan (J-TIT) Jurnal Sistem Komputer dan Informatika (JSON) SEMAR Proceeding Applied Business and Engineering Conference Jurnal Ilmu Komputer, Sistem Informasi, Teknik Informatika (JILKOMSITI) Jurnal Ilmiah ESAI Jurnal Informatika: Jurnal Pengembangan IT Berbakti TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Rima Maulini
Politeknik Negeri Lampung
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Deteksi Dini Penyakit Tanaman Jagung Berbasis Transfer Learning dengan Arsitektur DenseNet121 Rofianto, Dani; Maulini, Rima; Sahlinal, Dwirgo; Meilantika, Dian; Pujiana, Tri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 2 (2025): Desember 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i2.9094

Abstract

Jagung (Zea mays L.) merupakan komoditas pangan strategis di Indonesia yang berperan penting dalam ketahanan pangan, industri pakan ternak, hingga energi terbarukan. Produktivitas jagung kerap menurun akibat penyakit daun seperti Blight, Common Rust, dan Gray Leaf Spot, yang dapat mengurangi hasil panen hingga 30–50% jika tidak dideteksi sejak dini. Metode deteksi konvensional melalui pengamatan visual masih memiliki keterbatasan, antara lain subjektivitas penilaian, kurangnya tenaga ahli, serta keterlambatan dalam pengambilan keputusan. Oleh karena itu, diperlukan pendekatan berbasis kecerdasan buatan yang mampu melakukan deteksi secara cepat, akurat, dan efisien di lapangan. Penelitian ini mengusulkan penggunaan transfer learning dengan arsitektur DenseNet121 untuk klasifikasi penyakit daun jagung. Dataset yang digunakan terdiri dari 2.818 citra yang terbagi ke dalam empat kelas utama (Blight, Common Rust, Gray Leaf Spot, Healthy), diperoleh dari kombinasi dokumentasi lapangan dan dataset terbuka daring. Data kemudian dibagi menggunakan stratified split menjadi 68% latih, 17% validasi, dan 15% uji. Hasil pengujian menunjukkan bahwa model mencapai akurasi 93,48% dengan F1-score rata-rata 0,93. Kelas Healthy dan Common Rust teridentifikasi hampir sempurna, sementara kesalahan klasifikasi masih ditemukan pada Gray Leaf Spot yang sering terprediksi sebagai Blight. Kurva akurasi dan loss memperlihatkan dinamika pelatihan yang stabil tanpa indikasi overfitting, berkat penerapan augmentasi data, dropout, dan early stopping. Temuan ini menegaskan bahwa DenseNet121 berpotensi besar untuk diterapkan dalam sistem deteksi dini penyakit jagung berbasis AI, sekaligus mendukung pengembangan pertanian presisi dan peningkatan produktivitas nasional.
Enhancing rice plant disease detection through transfer learning and image segmentation with YOLOv11 Muhammad Reza Redo I Islami; Sylvia; Atika Arpan; Rizka Permata; Dwi Handoko; Rima Maulini; Dwirgo Sahlinal
TEKNOSAINS : Jurnal Sains, Teknologi dan Informatika Vol 13 No 1 (2026): TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika
Publisher : LPPMPK- Universitas Muhammadiyah Cileungsi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37373/tekno.v13i1.1754

Abstract

Rice is a staple food globally, yet its productivity is often threatened by diseases such as blast and brown spot. Traditional diagnostic methods relying on human observation are prone to delays and inaccuracies. This study introduces an automated detection system that utilizes YOLOv11-seg to improve the accuracy and efficiency of rice disease identification. The model integrates object detection and instance segmentation, is trained on over 6,000 annotated images covering six categories (five disease types and healthy leaves), and leverages transfer learning from COCO weights. Experimental results show that the model achieved a bounding box mAP@50 of 0.607 and a segmentation mAP@50 of 0.564, with F1-scores of 0.62 and 0.59, respectively. The highest detection accuracy was recorded for healthy leaves (86%), while segmentation performance declined on visually similar classes such as Brown Spot and Sheath Blight. Overfitting was observed during training, with a 15–20% gap between training and validation metrics. These findings demonstrate the model's potential for real-time field application in precision agriculture. Future improvements should focus on enhancing spatial accuracy and robustness through synthetic data generation and architectural optimization.
Pemberdayaan Masyarakat melalui Penguatan Branding Produk Hilir Kakao di Suka Agung Bulok Tanggamus Lampung Dayang Berliana; Analianasari Analianasari; Fadila Marga Saty; Rima Maulini; Sutarni Sutarni; Fitriani Fitriani; Kurnia Rimadhanti Ningtyas
SEMAR (Jurnal Ilmu Pengetahuan, Teknologi, dan Seni bagi Masyarakat) Vol 14, No 2 (2025): November
Publisher : LPPM UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/semar.v14i2.110532

Abstract

Pekon Suka Agung merupakan salah satu pekon di Kecamatan Bulok yang memiliki luas lahan kering tertinggi untuk budi daya kakao. Kelompok tani di Pekon ini telah membudi dayakan kakao sejak tahun 1998 serta memperoleh hibah bantuan Dana Aspirasi berupa Fasilitas Pengelolaan Biji Kakao November 2020. Pembentukan kelompok tani Sido rukun 5 sejak tahun 2016 dengan jumlah anggota kelompok tani berjumlah 24 orang aktif serta luas garapan 37 ha. Sarana prasarana pengolahan produk cokelat yang dimiliki kelompok tani Sido rukun 5 tergolong cukup memadai. Sarpras tersebut berasal dari Bantuan Dana Aspirasi untuk memproduksi bubuk cokelat dan coco butter. Merek produk cokelat yang dihasilkan bernama Kihako. Namun,  kemasan dan label produk belum variatif, inovatif dan menarik.  Promosi maupun penjualan produk bubuk cokelat masih terbatas lokal. Penerapan digital marketing belum dilakukan secara optimal oleh anggota kelompok. Oleh karenanya perlunya penguatan branding produk melalui pengenalan platform pemasaran digital dan pendampingan promosi kepada anggota kelompok. Kegiatan ini menjadi langkah strategis untuk memperluas jangkauan pasar dan menjadikan produk kelompok mampu bersaing secara kompetitif di tingkat regional hingga nasional. Tujuan kegiatan ini adalah meningkatkan pengetahuan dan keterampilan kelompok tentang pembuatan desain kemasan dan label produk bubuk cokelat yang variatif, inovatif dan menarik dan meningkatkan pengetahuan kelompok tentang pembuatan materi promosi dan penerapan digital marketing. Metode pendekatan yang digunakan untuk mengatasi berbagai permasalahan yang dihadapi Kelompok Sido Rukun 5 adalah dengan cara pendekatan partisipatif aktif. Berdasarkan hasil kegiatan dapat diketahui bahwa sebanyak 90% peserta PKM setuju adanya peningkatan pengetahuan petani tentang pentingnya kemasan, desain, dan label produk serta 90% juga peserta PKM siap menerapkan  digital marketing dalam meningkatkan daya saing produk anggota poktan.  Kemasan yang dimiliki anggota kelompok setelah adanya kegiatan PKM menjadi lebih variatif dan desainnya lebih menarik. Sebanyak 90% anggota kelompok tani juga siap menerapkan promosi digital pada akun-akun media sosial yang dimiliki.
Co-Authors Analianasari Analianasari Andhika Pratomo, Panji Ari Wijaya Saputra, I Komang Arifin, Oki Atika Arpan Bulan Nayla, Amanda Dani Rofianto Dian Meilantika Dwi Handoko Dwirgo Sahlinal Dwirgo Sahlinal, Dwirgo Fadila Marga Saty Fitriani Kurniawan Saputra meilantika, Dian Muhammad Reza Redo I Islami ningtyas, Kurnia rimadhanti Oki Arifin Pujiana, Tri Rusmianto, Rusmianto Sahlinal, Dwrigo Sutarni Sutarni Sylvia Sylvia, Sylvia Tri Sandhika Jaya Widyawati, Dewi Kania Yoga Pratama Zuriati, Zuriati