Garuda - Garba Rujukan Digital

Klasifikasi Jenis Penyakit Daun Teh Menggunakan Arsitekture VGG16 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.250

Perkembangan produksi teh di Indonesia semakin menurun setiap tahunnya. Penurunan produksi teh salah satunya disebabkan adanya serangan hama dan penyakit pada daun teh yang mempengaruhi hasil panen dan kualitas teh. Klasifikasi penyakit dauh teh sangat penting untuk mengetahui perawatan yang diperlukan dalam keberlanjutan sistem budidaya. Klasifikasi penyakit daun teh masih mengandalkan tenaga professional dan pengalaman kerja petani, hal ini akan memakan waktu, melelahkan dan tidak efisien. Beberapa tahun terakhir kemunculan algoritma pembelajaran mesin menyediakan sistem dukungan untuk klasifikasi penyakit daun teh. Penelitian ini bertujuan untuk melakukan klasifikasi jenis penyakit daun teh menggunakan arsitektur CNN VGG16. VGG16 memiliki score akurasi cukup tinggi, dan memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi. Arsitektur VGG16 menghasilkan akurasi sebesar 94% dan nilai loss 0,2266% yang menujukkan bahwa arsitektur ini mampu melakukan klasifikasi penyakit dauh teh dengan baik yang ditunjukkan dengan hasil pengujian dari 36 data yang mana 35 data citra daun teh terdeteksi benar dan 1 citra terdeteksi dengan klasifikasi jenis penyakit yang salah.

Klasifikasi Jenis Penyakit Daun Teh Menggunakan Arsitekture VGG16 Monikka Nur Winnarto; Mely Mailasari; Annida Purnamawati
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.250

Perkembangan produksi teh di Indonesia semakin menurun setiap tahunnya. Penurunan produksi teh salah satunya disebabkan adanya serangan hama dan penyakit pada daun teh yang mempengaruhi hasil panen dan kualitas teh. Klasifikasi penyakit dauh teh sangat penting untuk mengetahui perawatan yang diperlukan dalam keberlanjutan sistem budidaya. Klasifikasi penyakit daun teh masih mengandalkan tenaga professional dan pengalaman kerja petani, hal ini akan memakan waktu, melelahkan dan tidak efisien. Beberapa tahun terakhir kemunculan algoritma pembelajaran mesin menyediakan sistem dukungan untuk klasifikasi penyakit daun teh. Penelitian ini bertujuan untuk melakukan klasifikasi jenis penyakit daun teh menggunakan arsitektur CNN VGG16. VGG16 memiliki score akurasi cukup tinggi, dan memiliki performa yang baik. Tahapan penelitian berupa pengumpulan data, data prepocessing, klasifikasi, evaluasi. Arsitektur VGG16 menghasilkan akurasi sebesar 94% dan nilai loss 0,2266% yang menujukkan bahwa arsitektur ini mampu melakukan klasifikasi penyakit dauh teh dengan baik yang ditunjukkan dengan hasil pengujian dari 36 data yang mana 35 data citra daun teh terdeteksi benar dan 1 citra terdeteksi dengan klasifikasi jenis penyakit yang salah.

SOSIALISASI PEMANFAATAN ARTIFICIAL INTELLIGENCE UNTUK MEDIA PROMOSI PADA LEGEND AUTO PART PONTIANAK: SOSIALISASI PEMANFAATAN ARTIFICIAL INTELLIGENCE UNTUK MEDIA PROMOSI PADA LEGEND AUTO PART PONTIANAK Panny Agustia Rahayuningsih; Riski Annisa; Anna Anna; Monikka Nur Winnarto
Indonesian Community Service Journal of Computer Science Vol. 2 No. 1 (2025): Periode Januari 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/indocoms.v2i1.7779

Perkembangan teknologi Artificial Intelligence (AI) membuka peluang baru bagi strategi pemasaran digital, terutama bagi usaha kecil dan menengah. Pengabdian masyarakat ini bertujuan mensosialisasikan pemanfaatan AI untuk media promosi pada Legend Auto Part Pontianak. Metode pelaksanaan meliputi analisis kebutuhan, pelatihan penggunaan AI, implementasi teknologi, serta monitoring dan evaluasi. Kegiatan difokuskan pada penggunaan chatbot di platform media sosial, iklan digital berbasis AI, dan analisis sentimen pelanggan. Hasil menunjukkan peningkatan signifikan dalam strategi pemasaran, termasuk layanan pelanggan otomatis, target iklan yang lebih presisi, dan pemahaman mendalam tentang perilaku konsumen. Implementasi AI memungkinkan Legend Auto Part Pontianak mengoptimalkan anggaran pemasaran, meningkatkan visibilitas produk, dan memberikan pengalaman pelanggan yang lebih baik, sehingga meningkatkan daya saing bisnis di era digital.

Inovasi Artificial Intelligence dalam Mengidentifikasi Pneumonia Anak untuk Meningkatkan Efisiensi Diagnostik Menggunakan Model CNN Kresna Ramanda; Monikka Nur Winnarto; Sucitra Sahara
Jurnal Infortech Vol. 7 No. 2 (2025): Desember 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i2.11383

Pneumonia adalah salah satu jenis infeksi yang paling sering ditemui dan berisiko tinggi di seluruh dunia, yang mengakibatkan angka penyakit dan kematian yang tinggi, khususnya di kalangan populasi yang rentan seperti anak-anak. Dengan demikian, penelitian ini bertujuan untuk menciptakan sistem pintar yang mampu mengidentifikasi pneumonia secara otomatis melalui gambar thorax dengan memanfaatkan arsitektur Convolutional Neural Networks (CNN). Dalam penelitian ini, beberapa arsitektur CNN, yaitu MobileNet V2, ResNet, dan EfficientNet diuji untuk mencari model terbaik, dengan mempertimbangkan risiko overfitting dan penggunaan optimizer yang tepat. Metode yang digunakan mencakup pengumpulan data, preprocessing, pembagian dataset menjadi data train, test dan validasi, serta penerapan teknik transfer learning. Evaluasi dilakukan berdasarkan parameter kinerja seperti akurasi, sensitivitas dan presisi untuk menilai performa model. Hasil penelitian menunjukkan bahwa arsitektur MobileNet V2 memberikan kinerja terbaik dengan akurasi mencapai 93%. Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat signifikan bagi sektor kesehatan dan masyarakat luas. Penelitian ini juga menekankan pentingnya teknik optimasi yang tepat dalam memastikan model dapat bekerja secara optimal di aplikasi dunia nyata.

Klasifikasi Diagnosis Penyakit Diabetes Menggunakan Algoritma C4.5 Indah Sagita Cahyani; Karlena Indriani; Monikka Nur Winnarto
Jurnal Infortech Vol. 7 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v7i1.12367

Kesehatan memiliki peranan yang sangat penting untuk menunjang kehidupan manusia, dengan memiliki kesehatan yang baik, manusia dapat melakukan aktifitas dengan produktif dalam sosialisasi atau ekonomi untuk mecapai tujuan hidup. Salah satu penyakit yang dapat mengakibatkan komplikasi bahkan kematian adalah penyakit diabetes. Angka kematian yang tinggi yang diakibatkan oleh penyakit diabetes sangat mengkhawatirkan, diagnosis dini begitu penting dilakukan untuk menekan angka kematian. Selain itu diagnosis dini juga merupakan titik awal penderita untuk mencegah terjadinya diabetes lebih parah dengan melakukan pola hidup sehat agar tidak mengalami komplikasi. Diagnosa penyakit diabetes pada manusia salah satunya dapat dilakukan dengan menerapkan algoritma Machine Learning yaitu C4.5. Penelitian ini bertujuan melakukan diagnosa penyakit diabetes untuk menghindari keterlambatan diagnosis yang dapat mengakibatkan komplikasi pada pasien pengidap penyakit diabetes dengan menggunakan Algoritma C4.5 dalam mendiagnosa dan membuat model prediksi yang menghasilkan sebuah pohon keputusan serta pengujian terhadap hasil diagnosa penyakit diabetes. Dalam penelitian ini terdapat beberapa atribut klasifikasi yaitu gender, age, urea, creatinine, HbA1c, cholesterol, trigeliserida, HDL, LDL, VLDL, dan BMI. Hasil dari penelitian ini dijadikan sebagai acuan untuk dapat melihat apakah seseorang terkena diabetes atau tidak. Hasil akhir dari penelitian ini yaitu menghasilkan nilai akurasi sebesar 99.47%, dimana nilai ini menandakan bahwa algoritma C4.5 mampu melakukan diagnosis penyakit diabetes dengan baik.

Sistem Pendukung Keputusan Penentuan Produk Terbaik Menggunakan Metode Preference Selection Index Annida Purnamawati; Monikka Nur Winarto; Daniati Uki Eka Saputri
CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics Vol. 1 No. 2 (2023): Volume 1 Number 2 April 2023
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/chain.v1i2.28

The purpose of this research is to assist the company in determining the best product to use based on production results so that it can increase customer satisfaction in using and consuming products sold using the preference selection index method. The application of the preference selection index method in determining the best product will result in a comparison of the values of all product data produced in the 1st quarter period. So that the developed decision support system can determine the best product according to predetermined criteria. The calculation of determining the best product using the preference selection index shows that the results of calculating the final value of the 1st best product get a final score of 0.9495 obtained for the Original Banana Chips product, the 2nd best product gets a final score of 0.8969 obtained for the Banana Chips product Balado Hijau and the 3rd best product with a final score of 0.8783 was obtained for the Milk Banana Chips product.

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search