Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal INOTEK
Muhammad Helmi Rafsanjani
STMIK IM
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman Chalifa Chazar; Muhammad Helmi Rafsanjani
Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK) Vol. 2 No. 1 (2022): Prosiding Seminar Nasional Inovasi dan Adopsi Teknologi (INOTEK)
Publisher : LPPM STMIK Rosma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (388.705 KB) | DOI: 10.35969/inotek.v2i1.207

Abstract

Pengenalan objek merupakan bagian penting pada manusia yang dapat digunakan untuk proses pengambilan informasi. Perkembangan teknologi kecerdasan buatan yang cepat, menyebabkan teknologi semakin mendekati atau bahkan melebihi kemampuan indera manusia. Sistem intelegensi visual merupakan bidang yang memperdalam cara pandang teknologi dalam memberikan informasi dan kalkulasi secara diskrit dengan dukungan kecerdasan buatan. Pertanian urban saat ini banyak digemari dikalangan masyarakat perkotaan. Pertanian urban adalah praktik budidaya, pemrosesan, dan distribusi bahan pangan di atau sekitar kota. Pertanian urban umumnya dilakukan untuk memenuhi kebutuhan pangan untuk dikonsumsi sebuah keluarga, juga untuk meningkatkan pendapatan dan sebagai bahan untuk relaksasi. Pengenalan objek dapat dimanfaatkan untuk mengetahui jenis bibit tanaman dan informasi tanaman untuk membantu masyarakat yang akan memulai pertanian urban. Teachable Machine merupakan alat yang dapat digunakan untuk membuat sebuah model klasifikasi yang mudah digunakan untuk mengembangkan aplikasi machine learning. Teachable Machine dapat memudahkan proses training data yang umumnya membutuhkan banyak sumberdaya pada machine leaning. Penelitian ini bertujuan untuk menggunakan pengenalan objek dengan machine learning sehingga dapat membantu masyarakat untuk dapat mengenali bibit tanaman dan memberikan informasi tanaman yang dapat berguna untuk mengelola pertanian urban.
Co-Authors Chalifa Chazar