Claim Missing Document
Check
Articles

Found 3 Documents
Search

Corn Leaf Diseases Recognition Based on Convolutional Neural Network Mutia Fadhilla; Suryani, Des; Labellapansa, Ause; Gunawan, Hendra
IT Journal Research and Development Vol. 8 No. 1 (2023)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/itjrd.2023.13904

Abstract

Maize or known as corn is one of the most important agricultural commodities in Indonesia beside rice. Indonesia is located in a tropical area which has high rate of rainfall and humidity which makes it easy for fungi and bacteria that caused plant disease to thrive. It could be a threat which is a decrease of corn harvest due to plant diseases. To prevent this, a deep learning approach can be implemented to recognize plant diseases automatically based on visual pattern on leaves. In this study, we proposed a CNN-based model for corn leaf diseases recognition. Based on the results, the proposed method has great performance which accuracy score of 93%. Besides that, the proposed method achieved up to 100% precision and recall, and up to 99% F1 score.
Pemanfaatan Sistem Informasi Sekolah Berbasis Web Di SMK YKWI Sebagai Solusi Untuk Pengelolaan Data Yang Efektif Dalam Meningkatkan Kualitas Sekolah Wandri, Rizky; Fitriani; Muhammad Akbar Almuttaqin; Rizdqi Akbar Ramadhan; Poppy Camenia Jamil; Mutia Fadhilla; Anggi Hanafiah; Fhelia Zahwa; Therecya Silitonga
Mejuajua: Jurnal Pengabdian pada Masyarakat Vol. 5 No. 1 (2025): Agustus 2025
Publisher : Yayasan Penelitian dan Inovasi Sumatera (YPIS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52622/mejuajuajabdimas.v5i1.235

Abstract

Pemanfaatan teknologi informasi dalam dunia pendidikan telah menjadi kebutuhan mendesak untuk meningkatkan efisiensi dan efektivitas pengelolaan sekolah. SMK YKWI Pekanbaru menghadapi berbagai kendala dalam administrasi sekolah akibat keterbatasan penggunaan teknologi, seperti pengelolaan data peserta didik, guru, keuangan, kehadiran, dan penilaian yang masih dilakukan secara semi-manual menggunakan Microsoft Word dan Excel. Permasalahan ini menyebabkan inefisiensi dan potensi kesalahan dalam pengelolaan data. Penelitian ini bertujuan untuk mengembangkan sistem informasi sekolah berbasis teknologi guna mengoptimalkan manajemen administrasi di SMK YKWI Pekanbaru. Metode yang digunakan adalah Agile Development Model, yang memungkinkan pengembangan sistem secara iteratif dan fleksibel sesuai kebutuhan mitra. Pelaksanaan penelitian ini meliputi tahapan observasi mitra, analisis kebutuhan, pengembangan sistem, pengujian, implementasi, serta evaluasi efektivitas sistem. Hasil dari implementasi sistem menunjukkan peningkatan efisiensi dalam proses entri dan pengolahan data siswa. Sebelum sistem diterapkan, proses entri data manual membutuhkan waktu rata-rata 1-2 hari, sedangkan setelah implementasi sistem, waktu tersebut berkurang menjadi kurang dari 1-2 jam per hari. Selain itu, dari kuesioner yang disebarkan kepada kepala sekolah, tata usaha, dan guru, diperoleh data bahwa rata-rata 88% responden sangat puas dengan kegiatan PkM yang dilakukan. Selain itu, rata-rata 95% responden menyatakan kepuasan yang tinggi terhadap sistem yang telah dikembangkan. Dengan harapan di tahun berikutnya sistem informasi sekolah ini dapat meningkatkan efisiensi administrasi dalam pengelolaan data yang efektif untuk meningkatkan kualitas sekolah. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam pengembangan teknologi informasi di bidang pendidikan, serta membuka peluang untuk pengembangan lebih lanjut di masa depan.
Android Application for Tomato Leaf Disease Prediction Based on MobileNet Fine-tuning Mutia Fadhilla; Des Suryani
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 7 No 6 (2023): December 2023
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v7i6.5132

Abstract

Tomato is one of the most well-known and widely cultivated plants in the world. The result of tomato production is affected by the conditions of the plants when they are grown. It may decrease due to leaf plant disease caused by climate change, pollinator decrease, microbial pets, or parasites. To prevent this, an image-based application is needed to identify tomato plant disease based on visually unique patterns or marks seen on leaves. In this paper, we proposed a CNN fine-tuned model based on MobileNet architectures to identify tomato leaf disease for mobile applications. Based on the results tested by K-fold cross-validation, the best accuracy achieved by the proposed model is 97.1%. Additionally, the best average precision, recall and F1 Score are 99.8%, 99.8%, and 99.5%, respectively. The model with the best results is also implemented into Android-based mobile applications.