Claim Missing Document
Check
Articles

Model Deep Learning Hybrid CNN-AE untuk Klasifikasi Presisi Warna Buah Melon Oktarina, Yurni; Dewi, Tresna; Septiyani AR, Dini
Journal of Applied Smart Electrical Network and Systems Vol. 6 No. 2 (2025): Vol. 6 No. 02 (2025): Vol 06, No. 02 Desember 2025
Publisher : Indonesian Society of Applied Science (ISAS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/d3hydf28

Abstract

Melon fruit color classification is a critical step in assessing fruit ripeness and quality. This study proposes a hybrid deep learning model that integrates Convolutional Neural Network (CNN) and Attention Enhancement (AE) for accurate classification of melon fruit color. The model leverages CNN’s strength in visual feature extraction while enhancing focus on crucial image regions through the attention mechanism. A diverse image dataset of melon fruits was collected under various lighting conditions and angles. Pre-processing steps, including data augmentation, normalization, and image scaling, were applied to improve model generalization. The CNN-Attention hybrid architecture incorporates an attention module into the CNN layers to emphasize significant features. Comparative experiments between the standard CNN and the hybrid model demonstrate that the latter achieves superior classification accuracy, with an average improvement of 5%. Moreover, the hybrid model exhibits better robustness against image noise and lighting variations. These results indicate that incorporating Attention Enhancement can yield a more adaptive and reliable model for melon fruit color classification. The proposed approach is expected to support the development of automated systems for fruit sorting in agriculture and distribution, enhancing speed, accuracy, and efficiency for farmers, traders, and consumers.
Diseminasi Inkubator Cerdas Berbasis PLTS Untuk Penguatan Manajemen Penetasan Telur pada Peternak Ayam Mikro Risma, Pola; Oktarina, Yurni; Dewi, Tresna; Yahya, M. Amri; Al-Rasyid, Johansyah
Jurnal SOLMA Vol. 15 No. 1 (2026)
Publisher : Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA Press)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22236/solma.v15i1.21625

Abstract

Background: Rendahnya tingkat keberhasilan penetasan telur ayam pada peternak skala mikro masih menjadi tantangan utama, yang tidak hanya disebabkan oleh ketergantungan pada sumber listrik konvensional tapi juga disebabkan proses inkubasi alamiah yaitu pengeraman menggunakan induk ayam yang kerap tidak mampu menjaga kestabilan suhu dan kelembapan telur secara optimal. Kegiatan pengabdian ini bertujuan memperkenalkan dan meningkatkan pemahaman peternak mengenai teknologi inkubator cerdas berbasis energi surya (PLTS). Metode: Program dilaksanakan dengan pendekatan kolaboratif partisipatif melalui kegiatan diseminasi pengetahuan, demonstrasi/simulasi serta evaluasi yang disertai pendampingan pada peternak selama satu siklus penetasan. Hasil: Hasil evaluasi menunjukkan keberhasilan kegiatan ini, yang dijunjukkan oleh kemampuan inkubator dalam mempertahankan suhu pada kisaran optimal 37-38 0C dan kelembapan 55-60 % sehingga mencapai tingkat keberhasilan penetasan sebesar 76%, serta meningkatkan rata-rata pemahaman peternak sebesar 30 poin. Kesimpulan: Kegiatan diseminasi teknologi inkubator cerdas berbasis PLTS berhasil memperkuat kapasitas pengetahuan dan ketrampilan peternak dalam manajemen penetasan dan menjadi solusi inovatif yang tepat guna untuk mendukung produktivitas penetasan dan kemandirian energi peternak ayam skala mikro.