Article Per Year (5 Year)
p-Index From 2021 - 2026
2.147
P-Index
This Author published in this journals
All Journal SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Generation Journal Journal of Physical and Outdoor Education Journal of Electrical Engineering and Computer (JEECOM) International Journal of Applied Business and International Management Journal of English in Academic and Professional Communication Abdibaraya: Jurnal Pengabdian Masyarakat Jurnal Ilmiah Sistem Informasi Business Innovation Management and Entrepreneurship Journal JAR'S (Journal of Advanced Research in Informatics) Saka Bahasa: Jurnal Sastra, Bahasa, Pendidikan, dan Budaya
Agus Setia Budi, Agus Setia
Jurusan Fisika FMIPA UGM
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
COFFEE BEAN QUALITY CLASSIFICATION USING THE RESNET50 CONVOLUTIONAL NEURAL NETWORK Munir, Munir; Nafiiyah, Nur; Budi, Agus Setia
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 2 (2025): Mei : Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/7cwf7662

Abstract

Klasifikasi kualitas biji kopi merupakan langkah penting dalam menjaga mutu dan konsistensi produk kopi, terutama di sektor industri dan agribisnis. Penilaian kualitas secara manual seringkali bersifat subjektif, sehingga dibutuhkan pendekatan berbasis teknologi untuk memberikan hasil yang lebih objektif. Penelitian ini mengusulkan penggunaan arsitektur Convolutional Neural Network (CNN) ResNet50 untuk mengklasifikasikan citra biji kopi berdasarkan tingkat sangraian, yaitu Dark, Medium, Light, dan Green. Dataset yang digunakan terdiri dari 1.600 citra biji kopi, dibagi menjadi data pelatihan (1.200 gambar) dan validasi (400 gambar). Model dikembangkan dengan memanfaatkan bobot pralatih ResNet50 dari ImageNet dengan seluruh layer dasar dibekukan, dan ditambahkan lapisan GlobalAveragePooling2D, Dense, BatchNormalization, Dropout, serta output layer softmax. Pelatihan dilakukan tanpa preprocessing atau augmentasi data. Hasil penelitian menunjukkan bahwa model mampu mencapai akurasi sebesar 99%, dengan precision, recall, dan f1-score yang tinggi dan seimbang pada seluruh kelas. Model kemudian diimplementasikan dalam aplikasi berbasis web menggunakan Streamlit yang memungkinkan pengguna mengunggah citra biji kopi dan memperoleh hasil klasifikasi secara otomatis. Temuan ini menunjukkan bahwa pendekatan ResNet50 efektif untuk mendukung proses penilaian kualitas biji kopi secara cerdas, serta dapat dikembangkan lebih lanjut untuk penerapan di industri.  
IDENTIFICATION OF ROAD DAMAGE USING THE CONVOLUTIONAL NEURAL NETWORK (CNN) METHOD Zuhri, Ahmad Syafiq Maulana; Nafiiyah, Nur; Budi, Agus Setia
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/jgn2sd35

Abstract

Kerusakan jalan merupakan permasalahan umum yang berdampak langsung terhadap keselamatan dan kenyamanan pengguna jalan, serta terhadap efisiensi transportasi. Selama ini, proses inspeksi jalan masih dilakukan secara manual, yang memerlukan waktu, biaya, dan sumber daya yang tidak sedikit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis guna mendeteksi kerusakan jalan berdasarkan citra permukaan, dengan memanfaatkan metode Convolutional Neural Network (CNN). Dataset yang digunakan dalam penelitian ini terdiri dari 400 gambar dengan distribusi seimbang, yaitu 200 gambar kategori Cracks (jalan retak) dan 200 gambar kategori non-Cracks (jalan tidak retak), yang diambil dari sumber dataset terbuka di platform Mendeley Data. Arsitektur CNN dirancang secara khusus dengan empat lapisan konvolusi yang dilengkapi fungsi aktivasi ReLU, pooling layer, dropout layer untuk mengurangi overfitting, serta fully connected layer pada tahap akhir klasifikasi. Proses pelatihan dilakukan menggunakan TensorFlow dan Keras di platform Google Colab, dengan pembagian data sebesar 80% untuk data pelatihan dan 20% untuk data validasi. Hasil evaluasi menunjukkan bahwa model memiliki performa klasifikasi yang sangat baik. Berdasarkan rata-rata dari seluruh skenario pelatihan (epoch 30, 40, dan 50), model CNN yang dikembangkan mampu mencapai akurasi keseluruhan sebesar 97,50%, presisi rata-rata 96,77%, recall rata-rata 99,37%, dan F1-score rata-rata 97,72%. Dengan kinerja yang konsisten dan tingkat kesalahan yang rendah, model CNN ini memiliki potensi besar untuk diterapkan sebagai alat bantu dalam proses identifikasi kerusakan jalan berbasis citra secara otomatis dan efisien, sehingga dapat mempercepat inspeksi, mengurangi beban kerja manual, dan membantu instansi terkait dalam pengambilan keputusan pemeliharaan infrastruktur jalan secara tepat waktu.
ANALYZING STUDENTS’ UNDERSTANDING OF ARGUMENTATION FALLACIES IN CRITICAL READING INSTRUCTION Budi, Agus Setia; Zuhro, Cholimatuz
Saka Bahasa: Jurnal Sastra, Bahasa, Pendidikan, dan Budaya Vol. 2 No. 2 (2025): Saka Bahasa: Jurnal Sastra, Bahasa, Pendidikan, dan Budaya
Publisher : Jurusan Pendidikan Bahasa dan Seni Fakultas Keguruan dan Ilmu Pendidikan Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/sakabahasa.v2i2.1478

Abstract

This study investigated the Students’ understanding of Argumentation Fallacies in Critical Reading of the Students of English Study Program at Politeknik Negeri Jember, especially in the third semester of the 2025/2026 academic year who are taking Critical Reading Class. Using a quantitative descriptive method, the data were gathered through a test that measured students’ understanding of errors in giving arguments. The test consists of 55 questions covering eleven types of Argumentation Errors. The test results showed the students had good understanding of Argumentation Fallacies. The most scores were categorized good and very good. In addition, the test had High Internal Consistency, meaning that the test items work well together to measure the same skill and ability. The results of this study show that the students demonstrated a generally strong ability to identify logical fallacies, as reflected in the good mean score and the very high reliability of the test instrument. Penelitian ini menganalisa pemahaman mahasiswa tentang Kesalahan Argumentasi dalam Membaca Kritis pada Mahasiswa Program Studi Bahasa Inggris di Politeknik Negeri Jember, khususnya pada Semester Tiga tahun akademik 2025/2026 yang mengambil Kelas Critical Reading. Dengan menggunakan metode deskriptif kuantitatif, data dikumpulkan melalui tes yang mengukur pemahaman mahasiswa tentang kesalahan dalam memberikan argumen. Tes tersebut terdiri dari 55 pertanyaan yang mencakup sebelas jenis Kesalahan Argumentasi. Hasil tes menunjukkan bahwa mahasiswa memiliki pemahaman yang baik tentang Kesalahan Argumentasi. Skor terbanyak dikategorikan baik dan sangat baik. Selain itu, tes tersebut memiliki Konsistensi Internal yang Tinggi, yang berarti bahwa butir soal tes berfungsi dengan baik untuk mengukur keterampilan dan kemampuan yang sama. Hasil penelitian ini menunjukkan bahwa mahasiswa menunjukkan kemampuan yang secara umum kuat untuk mengidentifikasi kesalahan dalam berlogika, sebagaimana tercermin dalam skor rata-rata yang baik dan reliabilitas instrumen tes yang sangat tinggi
Co-Authors Achmad Mohyi Atik Muhimatun A Bachri, Affan Burhaein, Erick Dwi Heriyanto Fenita Sari, Fenita Fitri Wijayanti Fitriani, Elly Hanif, Abu Hartantyo, Sugeng Dwi Indrianingsih, Citra Irawan, M Rudi Jagad, Jundan Maulahaq Sapu Karyono Karyono Malihah, Kuni Zakiyatul Miqawati, Alfi Hidayatu Mitsalina, Endah Munir Munir, Munir Nabila, Zulfa Nafiiyah, Nur Nawangsih, Nawangsih Nazaruddin Malik Nila Susanti Purnomo Hadi Susilo, Purnomo Hadi Salasa, Sandi Soimah, Umi Riyadotus Subahtiar, Desta Surtinah Surtinah, Surtinah Susilowati, Arda Gusema Tarman, Manah Wagini Wagini, Wagini Zuhri, Ahmad Syafiq Maulana Zuhro, Cholimatus Zuhro, Cholimatuz