Article Per Year (5 Year)
p-Index From 2021 - 2026
2.57
P-Index
This Author published in this journals
All Journal International Journal of Power Electronics and Drive Systems (IJPEDS) Jurnal Pengabdian Kepada Masyarakat Sakai Sambayan Journal of Engineering and Scientific Research (JESR) International Journal of Electronics and Communications Systems Prosiding Seminar Nasional Hasil Penelitian Sains, Teknik dan Aplikasi Industri Fakultas Teknik Universitas Lampung Electrician : Jurnal Rekayasa dan Teknologi Elektro Jurnal Teknologi Riset Terapan Nemui Nyimah
Sony Ferbangkara
Universitas Lampung, Bandar Lampung, Indonesia
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Mechanical Engineering Medicine & Pharmacology Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Convolutional Neural Network (CNN) untuk Identifikasi Spesifik Cassia fistula dalam Mendukung Pelestarian Hutan Muhammad, M A; Febrianto, F; Martinus; Mardiana; Annisa, R; Ferbangkara, S; Wijaya, P; Afif, M; Putri, R A M
Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung Vol. 7 (2024): Prosiding Seminar Nasional Ilmu Teknik dan Aplikasi Industi (SINTA) 2024
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Identifikasi spesifik tumbuhan hutan memiliki peran krusial dalam pelestarian, terutama untuk spesies seperti Cassia fistula, yang banyak ditemukan di Asia Selatan dan Asia Tenggara. Cassia fistula, dikenal dengan nama umum Golden Shower, adalah spesies yang penting dalam ekosistem hutan karena peran ekologisnya dan kegunaannya dalam pengobatan tradisional. Penelitian ini bertujuan untuk meningkatkan akurasi identifikasi spesies ini dengan menerapkan Convolutional Neural Network (CNN). Gambar dari berbagai bagian tubuh Cassia fistula seperti batang, bunga, daun, ranting, dan pohon diambil dan dikelompokkan ke dalam lima kelas, dengan total 345 citra. Model CNN kemudian dilatih dengan 10, 100, dan 200 epoch untuk mengukur efektivitas dalam identifikasi. Hasil menunjukkan bahwa akurasi meningkat dengan bertambahnya epoch: 73,53% untuk 10 epoch, 88,57% untuk 100 epoch, dan 94,12% untuk 200 epoch. Nilai loss juga berkurang secara signifikan, dari 61,16% pada 10 epoch, menjadi 44,31% pada 100 epoch, dan akhirnya 9,27% pada 200 epoch. Dengan hasil ini, CNN terbukti mampu mengidentifikasi Cassia fistula secara spesifik dan akurat, dengan tingkat keberhasilan yang tinggi. Penelitian ini mengindikasikan potensi besar penerapan CNN dalam mendukung efisiensi dan akurasi identifikasi tumbuhan hutan, yang pada gilirannya dapat mendukung upaya pelestarian hutan, terutama di kawasan Asia Tenggara di mana spesies ini banyak ditemukan.
Analisis Kinerja Layanan Cloud Computing dalam Sistem Cerdas Rekomendasi Tanaman Perkebunan Annisa, R.; Makarim, A. R.; Afif, M.; Sulistiono, W. E.; Ferbangkara, S.; Ubaidah
Prosiding Seminar Nasional Ilmu Teknik Dan Aplikasi Industri Fakultas Teknik Universitas Lampung Vol. 7 (2024): Prosiding Seminar Nasional Ilmu Teknik dan Aplikasi Industi (SINTA) 2024
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengukur dan menganalisa kinerja layanan cloud computing dalam sistem cerdas rekomendasi tanaman perkebunan sebagai adaptasi perubahan iklim. Penelitian dilakukan menggunakan layanan App Engine dan Compute Engine dari Google Cloud Platform (GCP) untuk menganalisis kinerja sistem melalui pengujian beban berdasarkan parameter Response Time, Error Rate, Throughput, dan CPU Utilization. Hasil pengujian menunjukkan bahwa App Engine memiliki performa yang lebih stabil dan responsif. Pada durasi pengujian 30 hingga 300 detik, waktu respons App Engine menurun secara konsisten dari 7238 ms menjadi 252 ms. Tingkat Error Rate tetap 0% sepanjang pengujian, dengan throughput meningkat dari 11.1 hingga 73.8 req/detik. CPU utilization pada App Engine berkisar antara 31.56% hingga 59.89%, menunjukkan manajemen sumber daya yang efisien di bawah beban tinggi. Sebaliknya, Compute Engine menunjukkan fluktuasi dalam waktu respons, yang mencapai puncak 7481 ms pada pengujian 300 detik, dengan Error Rate tetap 0% tetapi throughput yang stabil di sekitar 12 req/detik. CPU utilization Compute Engine mencapai nilai maksimum mendekati 90%, menunjukkan keterbatasan dalam pengelolaan beban. Hasil ini mengindikasikan bahwa App Engine lebih direkomendasikan dalam implementasi sistem cerdas berbasis cloud mendukung keberlanjutan dan efisiensi perkebunan dalam menghadapi perubahan iklim.
Co-Authors Adhi Nurhartanto, Adhi Afif, M. Ahmad Saudi Samosir Al Fariziy, M. Naufal Andrianto, Rifqi Rhama Annisa, R Annisa, R. Annisa, Resty Deni Achmad Dikpride Despa Djausal, Gita Paramita F.X. Arinto Fahrur Riza Priyana Febrianto, F Herri Gusmedi Hidayatullah, Vezan Khairudin Khairudin M Afif, M Makarim, A. R. Makarim, Alvin Reihansyah MARDIANA Mardiana Mardiana Mardiana Mardiana Mareli Telaumbanua Martinus Martinus Martinus Martinus, Martinus Meizano Ardhi Muhammad Meizano Ardhi Muhammad Muhammad, M A Muhammad, Meizano Ardhi Mulyani, Yessi Pratama, Rama Wahyu Ajie Putri, R A M Putri, Renatha Amelia Manggala Rafi'syaiim, Muhammad Afif Resty Annisa Rifqi Rhama Andrianto Setiawan, Rizkima Akbar Sri Ratna Sulistiyanti Sulistiono, W. E. Sumadi - Ubaidah ubaidah ubaidah Wahyu Eko Sulistiono Wijaya, P Yudi Eka Putra