Article Per Year (5 Year)
p-Index From 2020 - 2025
3.592
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Prosiding Seminar Matematika dan Pendidikan Matematik Media Mesin: Majalah Teknik Mesin Bina Insani ICT Journal Information System for Educators and Professionals : Journal of Information System JTAM (Jurnal Teori dan Aplikasi Matematika) Limits: Journal of Mathematics and Its Applications Jurnal Informatika dan Rekayasa Perangkat Lunak JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) G-Tech : Jurnal Teknologi Terapan Suluah Bendang: Jurnal Ilmiah Pengabdian Kepada Masyarakat Journal of Community Development Society : Jurnal Pengabdian dan Pemberdayaan Masyarakat JIWAKERTA: Jurnal Ilmiah Wawasan Kuliah Kerja Nyata BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer Indonesian Community Journal INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System JUSTIFY : Jurnal Sistem Informasi Ibrahimy Jurnal Aplikasi Sistem Informasi dan Elektronika Jurnal Penelitian Teknologi Informasi dan Sains JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Limits: Journal of Mathematics and Its Applications
Muharom, Lutfi Ali
Universitas Muhammadiyah Jember
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Informatika dan Rekayasa Perangkat Lunak

 1 
Penerapan Algoritma Convolution Neural Network untuk Klasifikasi Jenis Cabai Berdasarkan Warna dan Bentuk Buah Rohman, Rizal Abdur; Dasuki, Moh.; Muharom, Lutfi Ali; Rahman, Miftahur
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10458

Abstract

Cabai merupakan salah satu komoditas pertanian utama di Indonesia yang memiliki nilai ekonomi tinggi. Cabai memiliki berbagai jenis, seperti cabai besar, cabai rawit, dan cabai hijau, yang sering kali sulit dibedakan secara manual karena kemiripan fisiknya. Untuk mendukung kemajuan sektor pertanian, penelitian ini memanfaatkan teknologi kecerdasan buatan, yaitu Convolutional Neural Network (CNN) dengan arsitektur VGG-16, untuk mengidentifikasi jenis cabai secara otomatis melalui analisis citra berdasarkan warna dan bentuk. Penelitian ini bertujuan untuk mengukur akurasi, sensitivitas, dan spesifisitas model dalam mengklasifikasi jenis cabai. Hasil penelitian menunjukkan bahwa arsitektur VGG-16 mencapai akurasi 100% pada pengujian data latih, menandakan model mampu mendeteksi dan mengklasifikasi jenis cabai secara optimal. Pada uji coba model (fold 5), diperoleh akurasi sebesar 91.8%, sensitivitas 88%, dan spesifisitas 93.8%. Penelitian ini menegaskan bahwa CNN dengan VGG-16 memiliki kinerja yang efektif dalam klasifikasi citra, khususnya jika data uji memiliki karakteristik serupa dengan data latih. Sistem ini menawarkan potensi besar untuk diterapkan dalam sektor pertanian, terutama dalam meningkatkan efisiensi dan akurasi identifikasi komoditas pertanian lainnya.
Penerapan Algoritma Convolution Neural Network untuk Klasifikasi Jenis Cabai Berdasarkan Warna dan Bentuk buah Rohman, Rizal Abdur; Dasuki, Moh.; Muharom, Lutfi Ali; Rahman, Miftahur
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 6 No. 2 (2024): September
Publisher : Universitas Wahid Hasyim

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

Abstract

Chili is one of the main agricultural commodities in Indonesia with significant economic value. Various types of chili, such as large chili, bird's eye chili, and green chili, are often difficult to distinguish manually due to their physical similarities. To support advancements in the agricultural sector, this study utilizes artificial intelligence technology, specifically the Convolutional Neural Network (CNN) with VGG-16 architecture, to automatically identify chili types through image analysis based on color and shape. This study aims to measure the accuracy, sensitivity, and specificity of the model in classifying chili types. The results show that the VGG-16 architecture achieved 100% accuracy in training data testing, indicating the model’s ability to detect and classify chili types optimally. In the model evaluation (fold 5), the accuracy was 91.8%, sensitivity was 88%, and specificity was 93.8%. This study confirms that CNN with VGG-16 is effective for image classification, especially when test data shares similar characteristics with training data. This system offers significant potential for application in the agricultural sector, particularly in improving the efficiency and accuracy of identifying other agricultural commodities.
Co-Authors Abdul jalil Alfian Futuhul Hadi Alfira Risma Lutfiyansyah Anak Agung Gede Sugianthara Ananda, Pio Tifar Andika Surya, Iwang Moeslem Ardhi Fathonisyam Putra Nusantara Ardhi, Nusantara Fathonisyam Putra Ari Sita Nastiti Daryanto Daryanto Dasuki, Moh. Dian Anggraeni Dwiansyah, Ipung Fauzi, Lutfi Hasbi, Hudaini Heni Pujiastuti Hidayat, Muhammad Hafid Irawan, Dudi Laili, Januariya Maulana, Oka Wahyu Moh. Lukman Sholeh Mohammad Lukman Sholeh Munawaroh, Faridatul Oktavianto, Hardian Permata, Arindha Dyah Rahman, Miftahur Rohman, Rizal Abdur Rozzaq, Dewangga Aldiar Rusdiana Setyaningtyas Saifudin, Ilham Siti Nur’Aini Sulistyo, Henny Wahyu Triawan Adi Cahyanto Warisaji, Taufiq Timur Zainul Arifin ZAINUL ARIFIN