Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Simetris Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Diana Laily
Unknown Affiliation
Computer Science & IT Education

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

Found 3 Documents
Search

 1 
DETEKSI PENYAKIT PADA DAUN TEMBAKAU DENGAN MENERAPKAN ALGORITMA ARTIFICIAL NEURAL NETWORK Laily, Diana
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 3, No 1 (2013): Jurnal Simetris
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (266.646 KB) | DOI: 10.24176/simet.v3i1.88

Abstract

ABSTRAK Artificial Neural Network ( ANN ) Perceptron merupakan salah satu dari metode AI yang telah terbukti cukup handal untuk digunakan sebagai teknik pengenalan atau pengindentifikasian.Tujuan dari dibuatnya penelitian ini adalah untuk menerapkan metode Jaringan Syaraf Tiruan atau Artificial Neural Network dengan algortima Perceptron dalam menentukan penyakit cacar daun dan bercak daun pada daun tembakau serta daun cengkeh, dimana sampel daun-daun tersebut dianalisis melalui kedelapan gejala atau ciri yang ditimbulkannya.Tahapan awal yang dilakukan yaitu mengumpulkan beberapa sampel daun tembakau dan daun cengkeh, baik yang terkena penyakit maupun tidak. Kemudian mengelompokkan gejala atau ciri khusus yang ditimbulkan pada setiap daunnya dari penyakit cacar daun dan bercak daun. Ciri penyakit yang positif terlihat pada masing-masing daun akan direpresentasikan dengan nilai bipolar [1, -1], dimana ciri tersebut akan digunakan sebagai nilai masukan pada tahap pelatihan (training) dan pengujian (testing) dalam metode ANN. Dari hasil pengujian terhadap sampel sebanyak 20 daun untuk tahap training dan 10 sampel daun untuk tahap testing, dengan perbandingan penyakit bercak daun dan cacar daun adalah 50 : 50, learning rate sebesar 0,7, lapisan masukan sebanyak 8 buah, dan 1 buah lapisan luaran, didapat bahwa metode ANN Perceptron memiliki persentase keberhasilan pengenalan penyakit sebesar 61% - 73% untuk data non-learning, dan 100% untuk data learning pada kedua jenis daun tersebut. Kata kunci : ANN Perceptron, bipolar, learning rate, cacar daun, bercak daun.
DETEKSI PENYAKIT PADA DAUN TEMBAKAU DENGAN MENERAPKAN ALGORITMA ARTIFICIAL NEURAL NETWORK Diana Laily
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 3, No 1 (2013): Jurnal Simetris
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (266.646 KB) | DOI: 10.24176/simet.v3i1.88

Abstract

ABSTRAK Artificial Neural Network ( ANN ) Perceptron merupakan salah satu dari metode AI yang telah terbukti cukup handal untuk digunakan sebagai teknik pengenalan atau pengindentifikasian.Tujuan dari dibuatnya penelitian ini adalah untuk menerapkan metode Jaringan Syaraf Tiruan atau Artificial Neural Network dengan algortima Perceptron dalam menentukan penyakit cacar daun dan bercak daun pada daun tembakau serta daun cengkeh, dimana sampel daun-daun tersebut dianalisis melalui kedelapan gejala atau ciri yang ditimbulkannya.Tahapan awal yang dilakukan yaitu mengumpulkan beberapa sampel daun tembakau dan daun cengkeh, baik yang terkena penyakit maupun tidak. Kemudian mengelompokkan gejala atau ciri khusus yang ditimbulkan pada setiap daunnya dari penyakit cacar daun dan bercak daun. Ciri penyakit yang positif terlihat pada masing-masing daun akan direpresentasikan dengan nilai bipolar [1, -1], dimana ciri tersebut akan digunakan sebagai nilai masukan pada tahap pelatihan (training) dan pengujian (testing) dalam metode ANN. Dari hasil pengujian terhadap sampel sebanyak 20 daun untuk tahap training dan 10 sampel daun untuk tahap testing, dengan perbandingan penyakit bercak daun dan cacar daun adalah 50 : 50, learning rate sebesar 0,7, lapisan masukan sebanyak 8 buah, dan 1 buah lapisan luaran, didapat bahwa metode ANN Perceptron memiliki persentase keberhasilan pengenalan penyakit sebesar 61% - 73% untuk data non-learning, dan 100% untuk data learning pada kedua jenis daun tersebut. Kata kunci : ANN Perceptron, bipolar, learning rate, cacar daun, bercak daun.
Prediksi Mortalitas Ayam Broiler Menggunakan Metode Least Square Berbasis Web Abdul Majid, Akmal; Nugraha, Fajar; Laily, Diana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol. 12 No. 2 (2026): Volume 12 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Mortalitas ayam broiler merupakan salah satu indikator penting dalam keberhasilan manajemen produksi peternakan karena berpengaruh langsung terhadap efisiensi populasi, biaya operasional, dan hasil panen. Penelitian ini bertujuan membangun sistem prediksi mortalitas ayam broiler berbasis web menggunakan metode Least Square pada kandang mitra Putri Riana Elok Mufidah dalam sistem kemitraan PT. Ciomas Adisatwa. Data yang digunakan berasal dari 15 siklus pemeliharaan periode 2022-2026 pada dua kandang dengan total 1.200 baris data harian. Tahapan pengolahan meliputi load dataset, standarisasi kolom, pengecekan outlier menggunakan IQR, pembentukan variabel X, Y, XY, dan X2, pemodelan Least Square, serta evaluasi menggunakan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan nilai MAPE testing sebesar 3,093677% pada Kandang A dan 3,175730% pada Kandang B, sehingga keduanya termasuk kategori sangat akurat. Sistem yang dihasilkan dapat digunakan sebagai alat bantu manajemen untuk memantau tren mortalitas, memproyeksikan siklus berikutnya, dan mendukung keputusan preventif berbasis data.
Co-Authors Abdul Majid, Akmal Fajar Nugraha