Article Per Year (5 Year)
p-Index From 2021 - 2026
1.971
P-Index
This Author published in this journals
All Journal Jurnal Terapan Abdimas JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sains dan Informatika DECODE: Jurnal Pendidikan Teknologi Informasi Jurnal Altifani Penelitian dan Pengabdian kepada Masyarakat Bulletin of Information Technology (BIT) Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi Jurnal Sains dan Teknologi SATIN - Sains dan Teknologi Informasi Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat
Pratiwi Susanti
Program Studi Informatika, Fakultas Informatika, Universitas PGRI Madiun
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Sistem Informasi Deteksi Penyakit Pada Tanaman Padi (Brown Spot, Hispa, Leaf Blast) Menggunakan Metode Convolutional Neural Network (CNN) Rachman, Yusuf Fadlila; Susanti, Pratiwi; Putra, Affriza Brilyan Relo Pambudi Agus; Rahmawati, Nuriya Imroatu
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 4 No. 3: NOVEMBER 2024
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v4i3.846

Abstract

Sebagai salah satu produsen padi terbesar di dunia, sering menghadapi penurunan produksi akibat serangan penyakit padi. Pendeteksian penyakit secara manual kurang efektif karena keterbatasan pengetahuan petani. Solusi yang ditawarkan untuk mengatasi masalah ini adalah untuk mengembangkan sistem informasi berbasis kecerdasan buatan yang mampu mendeteksi secara otomatis penyakit pada tanaman padi, termasuk Brown Spot, Hispa, dan Leaf Blast, dengan menggunakan metode Convolutional Neural Network (CNN). Sistem ini diharapkan dapat membantu petani dalam melakukan deteksi dini terhadap penyakit padi, sehingga meningkatkan efisiensi dan kualitas produksi pertanian. Sistemmengolah data gambar padi dan mendeteksi kondisi kesehatannya, termasuk mendeteksi padi sehat serta penyakit Brown Spot, Hispa, dan Leaf Blast. Penelitian ini menggunakan 3.355 dataset yang dibagi menjadi 335 untuk proses training, 335 untuk testing, dan 2.685 untuk validasi. Metode yang digunakan pada pengembangan system menerapkan pendekatan pengembangan perangkat lunak Waterfall, yang mencakup analisis kebutuhan, desain sistem, implementasi, pengujian, dan pemeliharaan system. Sistem "Paddy-AI" yang dikembangkan mampu mencapai akurasi 85% dalam mendeteksi gambar.
Co-Authors Abdul Rozaq Affriza Brilyan Relo Pambudi Agus Putra Ahmad, Khairul Adila Aldida, Jovanza Denis Alim Citra Aria Bima Aminuyati Astuti, Anggun Yuli Eka, Muhammad Rendy Fatim Nugrahati Jayadi, Puguh Juwari Juwari Kurniawati, Inung Diah Moch Yusuf Asyhari Moch. Yusuf Asyari Nasrul Rofiah Hidayati, Nasrul Rofiah Nugrahanti, Fatim Puguh Jayadi Putrian, Aurisha Lutvinda R. Bekti Kiswardianta, R. Bekti Rachman, Yusuf Fadlila Rahmawati, Nuriya Imroatu Riza Akhsani Setyo Prayoga saifulloh Saifulloh, saifulloh Shamsuddin, Norin Rahayu Syamsiar, Syamsiar Tajuddin, Taniza Yessi Yunitasari