Article Per Year (5 Year)
p-Index From 2021 - 2026
2.177
P-Index
This Author published in this journals
All Journal Jurnal Simetris ANDHARUPA Jurnal Informatika Upgris JADECS (Journal of Art, Design, Art Education and Culture Studies) Abdimas UNWAHAS : Jurnal Pengabdian Masyarakat UNWAHAS Jurnal Citrakara JIPETIK:Jurnal Ilmiah Penelitian Teknologi Informasi & Komputer
Henry Bastian, Henry
Program Studi Desain Komunikasi Visual UNiversitas Dian Nuswantoro
Agriculture, Biological Sciences & Forestry Arts Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Economics, Econometrics & Finance Languange, Linguistic, Communication & Media Medicine & Pharmacology Social Sciences

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simetris

 1 
Pemanfaatan Metode CNN Menggunakan Arsitektur Alexnet untuk Peningkatan Kinerja Klasifikasi Penyakit Daun Tomat Prabowo, Dwi Puji; Bastian, Henry; Muqoddas, Ali; Pramunendar, Ricardus Anggi; Agustina, Feri
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12529

Abstract

Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi yang tinggi, tantang yang dihadapi oleh petani salah satunya dalah kerentanan penyakit tomat terhadap penyakit. Identifikasi secara visual pada daun sulit diuraikan dengan sekali pandang, sehingga menyebabkan asumsi yang tidak akurat tentang penyakit tersebut. Akibatnya, mekanisme pencegahan yang dilakukan petani menjadi tidak efektif dan berdampak merugikan. Penelitian ini mengusulkan identifikasi penyakit tomat secara automatis menggunakan metode Convolution Neural Network. Dalam makalah ini kami melakukan evaluasi pada metode CNN dengan arsitektur Alexnet dengan konfigurasi layer untuk mencari hasil kinerja terbaik dari penggunaan parameter tersebut pada architektur Alexnet. Pada penelitian ini juga melakukan analisis yang diperoleh dari hubungan antara parameter yang digunakan terhadap kinerja akurasi, dan analisis terhadap dampak penggunaan parameter dengan jumlah dataset daun tomat dari dataset PlantVillage.
Optimalisasi Identifikasi Sayuran Jenis Umbi berbasis Morfologi dan Jaringan Syaraf Tiruan untuk Mendukung Ketahanan Pangan Nasional Kuswardono, Danang; Aisyah, Siti; Bastian, Henry; Puji Prabowo, dwi; Anggi Pramunendar, Ricardus
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol. 16 No. 2 (2025): JURNAL SIMETRIS VOLUME 16 NO 2 TAHUN 2025
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v16i2.15856

Abstract

Ketahanan pangan nasional menjadi tantangan strategis yang perlu dihadapisecara inovatif, terutama dalam konteks diversifikasi pangan dan pemanfaatansumber daya lokal seperti sayuran jenis umbi. Kentang, ubi jalar, dan talasmerupakan komoditas potensial sebagai sumber karbohidrat alternatif. Namun,identifikasi varietas umbi di lapangan masih bergantung pada metode manual yangbersifat subjektif, lambat, dan membutuhkan tenaga ahli.Penelitian ini selaras dengan target nasional seperti peningkatan skor GFSI dari 64 (2020) menjadi 69,8 (2024), serta skor Pola Pangan Harapan (PPH) dari 90,4 menjadi 95,2. Inovasi ini diharapkan menjadi kontribusi nyata dalam mendukung ketahanan pangan berkelanjutan melalui integrasi teknologi AI di sektor pertanian. Berbagai studi menunjukkan bahwa teknologi pengolahan citra digital berbasiskecerdasan buatan seperti Artificial Neural Network (ANN) dan Convolutional NeuralNetwork (CNN) efektif untuk klasifikasi morfologi tanaman secara otomatis danakurat. Dalam konteks tersebut, penelitian ini bertujuan mengembangkan sistemidentifikasi varietas sayuran jenis umbi berbasis morfologi visual dan jaringan syaraftiruan, yang dioptimalkan untuk kondisi lokal dan dapat diimplementasikan padaperangkat berspesifikasi rendah. Pengolahan data citra akan menggunakan percobaan pembagian holdout validation dan k-fold validation yang nantinya hasil dari percobaan tersebut akan digunakan dalam dalam menguji data mentah uji tunggal. Hasil dari percobaan tersebut diketahui bahwa Hasil dari beberapa percobaan diatas diketahui bahswa Backpropagation Neural Network berhasil digunakan dalam mengidentifikasi data citra hasil umbi. Backpropagation Neural Network yang dilakukan berhasil dengan Nilai rata-rata akurasi tertinggi untuk traingdx pada neuron 40 adalah 95,02%, sementara untuk trainlm akurasi terbaik tercapai pada neuron 20 dengan nilai 94,97%
Co-Authors Abi Senoprabowo Agus Setiawan Agustina, Feri Akrom, Ahmad ALI MUQODDAS Anggi Pramunendar, Ricardus Annas Marzuki Sulaiman, Annas Marzuki Auria Farantika Yogananti, Auria Farantika Danang Kuswardono Dwi Puji Prabowo, Dwi Puji Dzuha Hening Yanuarsari, Dzuha Hening Elkaf Rahmawan Pramudya Godham Eko Saputro Khamadi Khamadi Khamadi Mohamad Taufik, Mohamad Musyaffa, Rafy Ariq Prihandono, Adi Puji Prabowo, Dwi Ricardus Anggi Pramunendar Rinnabilah, Alifia Parachyta Ristanto, Ade Siti Aisyah Ulumuddin, Dimas Irawan Ihya’ Yoga P.F, Yovinda