Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Jurnal Teknologi Informasi dan Ilmu Komputer Prosiding Seminar Nasional Sains dan Teknologi Terapan Jurnal Teknologi Sistem Informasi dan Aplikasi Zonasi: Jurnal Sistem Informasi Budapest International Research and Critics Institute-Journal (BIRCI-Journal): Humanities and Social Sciences Journal of Applied Computer Science and Technology (JACOST) Proceedings Series on Physical & Formal Sciences Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK) Prosiding SeNTIK STI&K
Diana Ikasari
Universitas Gunadarma
Religion Arts Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Mechanical Engineering Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Teknologi AI pada Budidaya Vanili Menuju Pertanian Pintar: Review Notonegoro, Radityo Hendratmojo Jati; Rahayu, Dewi Agushinta; Ikasari, Diana; Kosasih, Rifki
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 2: April 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.132

Abstract

Perkembangan teknologi kecerdasan buatan dan penerapan Deep Learning telah memberikan kemudahan dalam identifikasi objek dengan bantuan mesin. Salah satu pendekatan dalam Deep Learning, yaitu Convolutional Neural Network (CNN), memiliki potensi besar untuk diterapkan di sektor pertanian, khususnya dalam pengelolaan penyakit dan hama pada tanaman. Komoditas vanili pada tahun 2022 mengalami peningkatan permintaan global yang signifikan, namun ekspor vanili Indonesia hanya memenuhi 2,63% dari total ekspor dunia. Salah satu penyebab utama rendahnya ketersediaan vanili adalah serangan penyakit dan hama yang menghambat pertumbuhannya. Penelitian ini bertujuan untuk mengeksplorasi penerapan CNN dalam mengidentifikasi penyakit pada tanaman vanili, yaitu Sclerotium, Fusarium, dan Colletotrichum. Metode yang digunakan adalah pelatihan model CNN untuk mengenali gambar tanaman yang sehat dan yang terinfeksi penyakit. Hasil penelitian menunjukkan bahwa model CNN berhasil mengidentifikasi penyakit dengan akurasi keseluruhan sebesar 71%, mencakup tanaman sehat dan yang terinfeksi penyakit. Temuan ini menunjukkan bahwa teknologi CNN dapat menjadi alat yang efektif dalam mendukung deteksi dini penyakit dan pengelolaan tanaman vanili, serta berpotensi meningkatkan produksi komoditas vanili di Indonesia. Abstract The development of artificial intelligence technology and the application of Deep Learning have made object identification easier with machine assistance. One of the approaches in Deep Learning, namely Convolutional Neural Networks (CNN), holds great potential for application in the agricultural sector, particularly in the management of diseases and pests in plants. In 2022, the global demand for vanilla significantly increased, but Indonesia's vanilla exports only accounted for 2.63% of the world's total vanilla exports. One of the main factors behind the low availability of vanilla is the attack of diseases and pests that hinder its growth. This study aims to explore the application of CNN in identifying diseases in vanilla plants, namely Sclerotium, Fusarium, and Colletotrichum. The method used involves training a CNN model to recognize images of healthy plants and those infected with diseases. The results show that the CNN model successfully identified diseases with an overall accuracy of 71%, including both healthy plants and those affected by disease. These findings suggest that CNN technology can be an effective tool in supporting early disease detection and the management of vanilla plants, with the potential to increase vanilla production in Indonesia.
Co-Authors Adang Suhendra Dewi Agushinta R. Muhammad Faisal Rahman Notonegoro, Radityo Hendratmojo Jati Nuke Farida Permana, Rifqi Arief Rahma Fahriyah, Diana Rheza Andika, Rheza Rifki Kosasih Samual, Syabira Syifa Syurafaa Septyanto, Riza Buddy Widiastuti WIDIASTUTI - Widiastuti Widiastuti