Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Joutica : Journal of Informatic Unisla
Reddy Alexandro H.
Magister Teknologi Informasi , S2 Teknologi Informasi,iSTTS
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Penyakit pada Citra Daun Melon Menggunakan Algoritma Convolution Neural Network mochammad sholikhin; Reddy Alexandro H.
Joutica Vol 7, No 1 (2022): Maret
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1110.372 KB) | DOI: 10.30736/jti.v7i1.735

Abstract

ABSTRAKS Melon merupakan salah satu komoditas hortikultura yang patut mendapat perhatian karena nilai ekonomisnya yang tinggi, serta aromanya yang enak dan khas disukai masyarakat. Sebagian besar petani melon di lamongan tidak mengetahui dengan pasti penyakit yang menjangkit pada tanamanya khususnya pada daun melon. Penyakit pada daun melon ada beberaopa macam dan disebabkan oleh beberapa faktor. Ada faktor hama yang bias disebabkan oleh kutu, lalat dan mikro organisme yang lain. Algoritma CNN diimplementasikan untuk melakukan klasifikasi semantik dengan memberikan label semantik dari objek jenis tanaman. pengenalan citra digital dengan Computer Vision bisa melakukan Analisa pada gambar dan menghasilkan data output yang diinginkan. Dengan begitu, Klasifikasi Pada Penyakit Daun Melon diharapkan bisa diwujudkan dengan Computer Vision. Hasil uji coba klasifikasi menggunakan algoritma Convolution Neural Network bisa mengklasifikasina Penyakit daun melon yaitu daun melon sehat, daun melon Embun bulu, daun melon Embun Tepung, daun melon virus gemini dan bukan daun melon. Yang memiliki tingkat keberhasilan ketepatan mengklasifikasi 90% pada aplikasi smartphone sedangkan pada aplikasi komputer didapatkan 89 %.
Pemanfaatan Yolo untuk Pengenalan Kesegaran Buah Mangga Muhammad Syifa'un Nuha; Reddy Alexandro H.
Joutica Vol 7, No 1 (2022): Maret
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (493.24 KB) | DOI: 10.30736/jti.v7i1.747

Abstract

Buah merupakan salah satu kebutuhan selain makanan pokok, tidak hanya dikalangan tertentu saja, tapi disemua kalangan. Indonesia menjadi penghasil mangga terbesar keempat di dunia. Sehingga diperlukan suatu sistem yang dapat secara otomatis mengidentifikasi kebusukan dan kesegaran dari 3 jenis buah Mangga menggunakan pengolahan gambar, memperbaiki teknik penyortiran dan penilaian yang tidak ilmiah yang dilakukan secara manual, sehingga bisa meningkatkan kualitas jual mangga dengan menggunakan algoritma YOLO. Penelitian ini menggunakan 3 jenis mangga yang terdiri dari mangga golek, gedong, dan manalagi, dan melakukan uji coba dengan beberapa sekenario yaitu semua gambar mangga segar, semua gambar mangga busuk, dan semua gambar mangga segar dan busuk. Hasil dari penelitian menunjukkan beberapa uji coba yang dilakukan, maka didapatkan nilai rata-rata precision, recall, dan f1- score Skenario pertama yaitu mangga segar semua didapatkan tingkat akurasi 80%, precision 82%, dan recall 87%, didapatkan F1-score 84%. Kemudian sknario yang kedua yaitu mangga busuk semua didapatkan tingkat akurasi 76%, precision 76%, dan recall 87%, didapatkan F1-score 81%. Dan yang ketiga yaitu mangga segar dan busuk, didapatkan tingkat akurasi 73%, precision 66%, dan recall 81%, didapatkan F1-score 73%. dapat disimpulkan bahwa hasil penelitian ini masih tergolong underfitting. Hal ini dikarenakan masih butuh banyak dataset yang lebih banyak dan variannya yang mempunyai ciri-ciri yang ada kemiripan masing-masing kelasnya.
Co-Authors mochammad sholikhin Muhammad Syifa'un Nuha