Article Per Year (5 Year)
p-Index From 2020 - 2025
5.165
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering IAES International Journal of Artificial Intelligence (IJ-AI) Prosiding KOMMIT Bulletin of Electrical Engineering and Informatics Jurnas Nasional Teknologi dan Sistem Informasi JOIV : International Journal on Informatics Visualization Indonesian Journal of Artificial Intelligence and Data Mining Journal of Information Technology and Computer Engineering Jurnal Teknologi Jurnal Sistim Informasi dan Teknologi Sainstek : Jurnal Sains dan Teknologi Indonesian Journal of Electrical Engineering and Computer Science Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) SmartComp CSRID
Sumijan Sumijan
Gunadarma University
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Other

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : SmartComp

 1 
Implementasi Metode Yolov10 Untuk Mendeteksi Penyakit Melalui Analisis Citra Daun Pada Tanaman Padi Renaldi, Encik Yoega; Sumijan, Sumijan; Sovia, Rini
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8486

Abstract

Padi menjadi makanan pokok bagi hampir 80% untuk diseluruh Indonesia, yang penghidupannya sangat bergantung pada hasil panen. Sektor pertanian padi menghadapi tantangan berupa penyakit pada daun tanaman, dengan mayoritas petani masih menggunakan metode konvensional dalam deteksi penyakit, menyebabkan keterlambatan penanganan. Penelitian ini mengembangkan sistem deteksi dini penyakit tanaman padi menggunakan kecerdasan buatan dan computer vision dengan deep learning. Implementasi metode YOLOv10 yang efektif dengan menghilangkan penekanan Non-Maximum Suppression untuk mengurangi komputasi secara signifikan. Data penelitian yang dikumpulkan di Dinas Pertanian Kota Padang mencakup 1.446 citra dari tiga jenis penyakit: hawar daun bakteri, cendawan bercak, dan virus tungro. Pre-processing melalui augmentasi data, dataset diperbesar menjadi 10.122 citra. Pelatihan model selama 100 epoch menghasilkan tingkat kepercayaan untuk penyakit daun bakteri hawar (90%), cendawan bercak (91%), dan virus tungro (98%). Sistem mencapai tingkat kepercayaan mAP 93%, Skor F1 88%, dengan waktu komputasi 0,9 detik per citra. Sistem ini menjadi solusi efektif dan efisien bagi para ahli pertanian dan petani dalam menganalisis tingkat keparahan penyakit daun pada tanaman padi.
Penerapan Metode Monte Carlo Dalam Memprediksi Jumlah Antrian Pasien Yang Berobat Ardiyan, Destio; Yuhandri, Yuhandri; Sumijan, Sumijan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8498

Abstract

Abstrak: Prediksi jumlah antrian pasien yang berobat merupakan suatu pendekatan dalam analisis data untuk memperkirakan jumlah pasien yang akan datang ke fasilitas kesehatan dalam periode tertentu. Prediksi ini dapat membantu rumah sakit atau klinik dalam mengoptimalkan sumber daya, seperti tenaga medis, ruang tunggu, dan waktu pelayanan, sehingga dapat meningkatkan efisiensi dan kualitas layanan. Jumlah kunjungan pasien yang terlalu banyak terkadang berpotensi menimbulkan rasa tidak puas menunggu menyebabkan keterlambatan pelayanan, ketidakpuasan pasien, dan beban kerja staf medis yang tidak merata. Penelitian ini bertujuan untuk memprediksi jumlah antrian pasien yang berobat kedepannya dengan lebih efesien. Metode yang digunakan dalam penelitian ini adalah Metode Monte Carlo. Metode ini memiliki tahapan, Menentukan Distribusi Probabilitas, Distribusi Probabilitas Kumulatif, Menetapkan Interval Angka Acak, Membangkitkan Angka Acak, Percobaan Simulasi Monte Carlo Antrian Kedatangan Pasien. Dataset yang diolah dalam penelitian ini bersumber dari bagian Administrasi diklit RSU Aisyiyah Padang. Dataset terdiri dari data reservasi 1 periode dengan ketentuan dataset mingguan dari minggu 1 sampai minggu 52. Hasil penelitian ini dapat menghitung presentase jumlah antrian pasien yang berobat dengan Tingkat akurasi 83%. Penelitian ini dapat menjadi acuan dalam memprediksi jumlah antrian pasien yang berobat untuk mencegah rasa tidak puas menunggu dan keterlambatan pelayanan dan beban kerja staf medis yang tidak merata.Kata Kunci – Teknologi Informasi; Simulasi; Prediksi; Antrian, Monte Carlo
Penerapan Metode K-Means Clustering Dalam Pengelompokan Penyakit Pada Ayam Kampung Unggul Balibangtan Afriyadi, Iqbal; Defit, Sarjon; Sumijan, Sumijan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 4 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i4.8508

Abstract

Penyakit ayam saat ini merupakan salah satu ancaman terbesar pada sebuah peternakan ayam. Penyakit pada ayam bisa disebabkan oleh virus dan bakteri.  Ayam KUB merupakan salah satu jenis unggas yang dikembangkan oleh Badan Penelitian dan Pengembangan Pertanian Indonesia, dengan daya tahan tubuh yang baik dan produktivitas tinggi. Kendati demikian ayam KUB ini tetap rentan terhadap berbagai jenis penyakit yang dapat memengaruhi produktivitasnya. Pengelompokan penyakit pada ayam KUB penting untuk dilakukan guna mengidentifikasi pola serangan penyakit serta memberikan langkah preventif yang tepat bagi para peternak. Penelitian ini bertujuan untuk mengelompokkan penyakit yang menyerang Ayam Kampung Unggul Balitbangtan (KUB). Metode yang digunakan pada penelitian ini adalah penerapan machine learning dengan metode K-Means Clustering. Metode ini memiliki beberapa tahapan yaitu penyiapan data, normalisasi data, inisialisasi centroid, mengelompokkan data berdasarkan jarak terdekat, memperbarui centroid, iterasi sampai konvergensi, dan evaluasi hasil. Dataset yang diolah pada penelitian ini bersumber dari pengamatan langsung pada peternakan ayam ASA Farm Padang. Dataset yang digunakan dalam penelitian ini berjumlah 50 dataset yang berasal dari 50 ekor ayam KUB yang masuk kandang karantina pada peternakan tersebut. Pada penelitian ini menghasilkan kelompok penyakit ayam pada 3 kluster yaitu kluster 1 untuk ayam dengan penyakit gejala ringan dengan jumlah sebanyak 12 anggota, kluster 2 dengan penyakit gejala sedang dengan jumlah 14 anggota, dan kluster 3 dengan penyakit gejala tinggi sebanyak 24 anggota. Sehingga penelitian ini diharapkan dapat menjadi acuan bagi peternak, dokter hewan, peneliti selanjutnya atau pihak terkait dalam mengelompokan penyakit pada ayam kampung atau hewan ternak lainya.
Co-Authors Achmad Noerkhaerin Putra Adi Gunawan, Adi Afriyadi, Iqbal Agasi, Andre Ahmad Zaki Am, Andri Nofiar Anam, M Khairul Anisya Anisya Ardiyan, Destio Esa Kurniawan Fajrul Islami Fauzana, Rahmi Febriani, Widya Firdaus, Muhammad Bambang Gunadi Widi Nurcahyo Hidayad, Asri Ilham Roni Yansyah Iskandar Fitri, Iskandar Jaya, Budi Juansen, Monsya Julius Santony Kadrahman, Kadrahman Karfindo, Karfindo Mardison Mardison Negoro, Wahyu Saptha Pohan, Yosua Ade Putra, Ondra Eka Putra, Surya Dwi Putra, Yoga Ananda Putri, Adek Putri, Dhena Marichy Rahmad Dian Rahman, Surya Aulia Rahmi, Mifthahul Renaldi, Encik Yoega Saiful Bukhori Sarjon Defit Setiawan, Adil Silfia Andini, Silfia Siska, Ayu Prima Soeheri, Soeheri Sovia, Rini Suhaidir, Lc Granadi Sunaryo, Nandra Surmayanti, Surmayanti Tajuddin, Muhammad Tamaza, Muhammad Abyanda Tukino, Tukino Yamin, Abdul Yamin Yendi Putra Yuhandri Yuhandri, Yuhandri Yunus, Yuhandri