Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Fortech SinarFe7
Clarisna Evita
Universitas Trunojoyo Madura
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Penerapan Artificial Neural Network Algoritma Backpropagation Pada Prediksi Produksi Jagung Clarisna Evita
SinarFe7 Vol. 4 No. 1 (2021): SinarFe7-4 2021
Publisher : FORTEI Regional VII Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (733.876 KB)

Abstract

Prediksi produksi jagung menjadi penting dilakukan untuk menunjang pembangunan nasional sektor pertanian pada suatu negara atau wilayah. Untuk efektifitas perencanaanpembangunan sektor pertanian, akurasi dari prediksi produksijagung menjadi semakin krusial. Artificial Neural Network (ANN) termasuk metode yang terbaik dalam melakukan prediksi. Artificial Neural Network (ANN) atau Jaringan Syaraf Tiruan (JST) merupakan suatu sistem pemrosesan informasi dengan suatu karakteristik menyerupai sistem saraf pada manusia yang dapat memecahkan masalah SVM dan KNN dengan melakukan training data yang besar dan ANN memiliki kemamuan untuk mentoleransi kesalahan sehingga dapat menghasilkan prediksi yang baik Masalah utamanya adalah bagaimana menentukan jumlah neuron dan hidden layer yang optimal sehingga akurasi prediksinya tinggi. Artikel ini bertujuan untuk merancang arsitektu ANN unutk melakukan prediksi terhadap produksi jagung menggunakan ANN dengan algortima backpropagation. Tahapan penelitian yang dilakukan adalah mengumpulkan data produksi jagung, melakukan pre-processing data, memproses prediksi, dan pengujian akurasi dan error serta implementasi. Dalam memproses prediksi dilakukan sesuai dengan rancangan model prediksi, yaitu parameter epoch, momentum, learning rate, hidden layer untuk menghasilkan keakuratan yang tinggi. Temuan yang diperolah berupa rancangan optimal untuk melakukan prediksi yaitu dengan menggunakan multilayer.
Rancang Bangun Timbangan Buah Digital Menggunakan Metode YOLO Clarisna Evita; Riza Alfita; Haryanto Haryanto; Rosida Vivin Nahari; Miftachul Ulum; Mirza Pramudia
Jurnal FORTECH Vol. 3 No. 1 (2022): Jurnal FORTECH
Publisher : FORTEI (Forum Pendidikan Tinggi Teknik Elektro Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (918.606 KB) | DOI: 10.56795/fortech.v3i1.105

Abstract

The rapid development of technology has created various conveniences in all aspects of human life. One of the fields of technology that is rapidly developing is the world of electronics, which demands digitization to facilitate human activities. For example in the field of trade, humans want a process that is practical and easy. Weight measurement is one of the problems that hinders the trading process, because it is still done manually and is less efficient. The purpose of making a design of automatic digital scales based on fruit images using the yolo method (you only look once) is to determine the type and weight of fruit using a Load Cell sensor simultaneously and accurately. The working principle of this tool is the first, the detection of fruit types is processed by a USB Webcam by taking video from the Webcam and then processing it using the Yolo method to identify the type of fruit. The second stage is input from the Load Cell sensor sending object data read to the Raspberry Pi as the main controller. to determine the weight of the fruit, then the last stage is displayed on the LCD and the results can be printed out as proof of purchase receipt. From the LCD directly displays output in the form of price, weight and type of object being weighed. The Yolo method can detect objects and colors and has high detection speed and accuracy.
Co-Authors Haryanto Haryanto Mirza Pramudia Riza Alfita ROSIDA VIVIN NAHARI Ulum, Miftachul