Claim Missing Document
Check
Articles

Found 2 Documents
Search

PERSPEKTIF SISWA SMK MELANJUTKAN KE PERGURUAN TINGGI Nariza Wanti Wulan Sari; Riyayatsyah Riyayatsyah; Dedy Mirwansyah; Achmad Asdori
Jurnal Education and Development Vol 9 No 2 (2021): Vol.9.No.2.2021
Publisher : Institut Pendidikan Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (384.593 KB) | DOI: 10.37081/ed.v9i2.2447

Abstract

Penelitian ini bertujuan untuk mengetahui perspektif siswa SMK TI Airlangga untuk melanjutkan studi ke perguruan tinggi dan faktor-faktor yang mempengaruhinya. Variabel yang digunakan yakni potensi diri, motivasi, ekspektasi, peluang, lingkungan sosial, situasi kondisi, dan institusional. Subjek penelitian ini adalah siswa SMK TI Airlangga kelas XII tahun ajaran 2020/2021. Teknik sampling yang digunakan adalah purposive sampling, diperoleh responden sebanyak 65 siswa. Pengumpulan data dilakukan dengan angket (kuesioner) selanjutnya data yang terkumpul dilakukan pengujian validitas dan reliabilitas sebelum dianalisis, satu variabel yakni situasi dan kondisi tidak reliabel sehingga tidak dimasukkan ke dalam analisis data. Berdasarkan penelitian ini, hasil analisis data secara deskriptif memberikan informasi bahwa minat siswa SMK TI Airlangga untuk melanjutkan studi ke perguruan tinggi cukup tinggi yaitu sebanyak 85%, dimana berdasarkan hasil yang diperoleh melalui analisis data dengan regresi linear berganda dengan tingkat kepercayaan 99% hal ini dipengaruhi oleh variabel motivasi.
Augmentasi Citra Pohon Kelapa Sawit untuk Deteksi Objek Berbasis Deep Learning Dedy Mirwansyah; Achmad Solichin; Fahrullah; Hardi, Richki; Wulan Sari, Nariza Wanti; Arista Riski, Nanda; Aldo, Dasril
METIK JURNAL (AKREDITASI SINTA 3) Vol. 9 No. 1 (2025): METIK Jurnal
Publisher : LPPM Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/metik.v9i1.1001

Abstract

Penelitian ini menitikberatkan pada Augmentasi citra pohon kelapa sawit untuk deteksi objek menggunakan pendekatan Deep Learning. Pohon kelapa sawit memiliki peran penting dalam industri perkebunan dan pertanian, sehingga pengembangan metode deteksi pohon kelapa sawit yang efisien menjadi krusial dalam pemantauan perkebunan dan pengelolaan sumber daya alam. Metode penelitian melibatkan augmentasi citra, seperti flip, crop, hue, saturation, brightness, exposure dan pra-pemrosesan auto orient dan resize untuk meningkatkan kualitas data pelatihan. Model Deep Learning yang digunakan adalah Convolutional Neural Network (CNN) yang terintegrasi dengan teknik object detection, memungkinkan identifikasi pohon kelapa sawit dari latar belakang dengan akurasi tinggi. Penelitian ini menggunakan 101 citra kepala sawit dan setelah dilakukan augmentasi berjumlah 253 citra pohon kelapa sawit yang bervariasi dalam kondisi pencahayaan, sudut pandang, dan penutupan daun. Hasil eksperimen menunjukkan bahwa metode ini mampu mengidentifikasi pohon kelapa sawit dengan akurasi yang baik, bahkan dalam kondisi yang kompleks. Hasil penelitian ini memiliki potensi aplikasi dalam pemantauan perkebunan kelapa sawit, perencanaan lahan, dan pemantauan lingkungan. Dengan peningkatan akurasi deteksi dan ekstraksi, manajemen perkebunan dan pemantauan lingkungan dapat menjadi lebih efisien dan berkelanjutan.