Article Per Year (5 Year)
p-Index From 2020 - 2025
2.923
P-Index
This Author published in this journals
All Journal Jurnal Masyarakat Informatika Techno.Com: Jurnal Teknologi Informasi Teknosains: Media Informasi Sains dan Teknologi Prosiding SNATIF Jurnal sistem informasi, Teknologi informasi dan komputer J-Dinamika: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Kaputama (JIK) Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Informatika dan Rekayasa Perangkat Lunak JATI (Jurnal Mahasiswa Teknik Informatika) Journal of Students‘ Research in Computer Science (JSRCS) Jurnal Teknik Informatika dan Teknologi Informasi Jurnal Komputer Antartika International Journal of Technology, Food and Agriculture
Rani Purbaningtyas, Rani
STMIK Dipanegara Makassar
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Library & Information Science Mathematics Physics

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

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

 1 
Identifikasi Kesegaran Ikan Bandeng Non-kontak Menggunakan MobileNetV2 Hidayatullah, Achmad Nasrul; Prasetyo, Eko; Purbaningtyas, Rani
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.v6i2.10860

Abstract

Ikan bandeng merupakan komoditas yang diunggulkan di beberapa kabupaten di Indonesia yaitu Sidoarjo, Semarang, dan Banten. Ikan ini juga favorit masyarakat Indonesia karena tinggi gizi tinggi dengan harga terjangkau. Sehingga, bagi pebisnis hasil olahan ikan bandeng, kesegaran ikan bandeng menjadi parameter penting karena kesegaran ikan mempengaruhi kualitas hasil produk olahannya. Penyortiran ikan secara manual menjadi tidak masalah ketika jumlah ikan sangat banyak, karena rawan terjadi kesalahan akibat kelelahan. Selain itu, penyortiran ikan secara manual juga boros biaya dan waktu lama. Maka dari itu, dibutuhkan sistem otomatis non-kontak untuk mengindentifikasi kesegaran ikan berbasis citra digital. Penelitian ini bertujuan mengembangkan aplikasi identifikasi kesegaran ikan bandeng dengan menerapkan model Convolutional Neural Network (CNN). Kami menerapkan model MobileNetV2 untuk mengidentifikasi kesegaran ikan bandeng menjadi 3 kelas kesegaran yaitu sangat segar, segar, dan tidak segar. Pengujian aplikasi menggunakan model MobileNetV2 pada 312 citra ikan bandeng. Kinerja klasifikasi kesegaran mencapai 95 %, 70% dan 80% masing-masing pada kelas sangat segar, segar, dan tidak segar. Akurasi global sistem mencapai 81.6% menunjukkan bahwa aplikasi dapat bekerja dengan baik. Dari eksperimen dan analisis yang dilakukan, dapat disimpulkan bahwa sistem memiliki kemampuan baik dalam mengidentifikasi kesegaran ikan.
Identifikasi Kesegaran Ikan Bandeng Non-kontak menggunakan MobileNetV2 Hidayatullah, Achmad Nasrul; Prasetyo, Eko; Purbaningtyas, Rani
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

Milkfish is a superior commodity in several districts in Indonesia, namely Sidoarjo, Semarang, and Banten. This fish is also a favorite of Indonesians because it is nutritious and affordable. Therefore, for milkfish processed product business people, the freshness of milkfish is an important parameter because the freshness of the fish affects the quality of the processed products. Manual fish sorting is a problem when the number of fish is vast because it is prone to errors due to fatigue. In addition, manual fish sorting is also wasteful and time-consuming. Therefore, a non-contact automatic system is needed to identify fish freshness based on digital images. This study uses the Convolutional Neural Network (CNN) model to develop an application for milkfish freshness identification. We applied the MobileNetV2 model to identify the freshness of milkfish into three freshness classes, namely very fresh, fresh, and not fresh. The application uses the MobileNetV2 model on 312 milkfish images. The freshness classification performance reached 95%, 70%, and 80% in the high-fresh, fresh, and not-fresh classes, respectively. The global accuracy of the system reached 81.6%, indicating that the application can work well. From the experiments and analysis conducted, it can be concluded that the system has good capabilities in identifying fish freshness.
Co-Authors Afifudin, Muhammad Ahmad Affandi Al Arif, Muhammad Hasyim Albaab, Mochammad Rifki Ulil Aldiansyah, Agitha Rizky Alfiani, Dita Emi Alfianti, Devitra Arfandi, Rivaldi Maulana Argo Maulana, Niskala Arif , Muhammad Hasyim Al Arif Arizal, Arif Ariyanto, Rasyidah Aisy Arofah, Sofiyatul Choirul Rizki, Mohammad Lury Chusnani, Muhammad Yoga Pratama Denny Trias Utomo, Denny Trias Dwi Saputra, Hendra Eko Prasetyo Fandyka Yufriza Ali Hartadi, Didit Rahmat Hidayat, Adita Rahmat Hidayatullah, Achmad Nasrul I Gede Wiryawan Igor Ibnu Listanto, Kevin Kanti, Akbar Ilhamsyah Marzenda, Irfan Maulidatul Muauwanah Miranda, Nabila Sasa Mochammad Rifki Ulil Albaab Muauwanah, Maulidatul Muqid, Muhammad Abdul Oktaviani, Siska Aprilia Pangestu , Ageng Puji Permadani, Nensyah Prasetya, Muhammad Alfinn Eka Prasetyo, Kayla Aurel Putri Pristiwaningsih, Estin Roso Puspitasari, Aulia Dewi Putera Maulana, Wahyu Putri Martinez, Megawati Rifki Ulil Albaab, Mochammad Rifki Ulil Albab, Mochammad Rifky Alfiansyah, Mochammad Rohma, Fitri Rossesita Dewi Romadloni , Irsyad Romadloni, Irsyad Rosdiana, Eva Salsabila At Thohir, Sasqia Salsabilla, Reva Rizqia Santosa, Zahra Awalia Ulil Albaab, Mochammad Rifki Wardoyo, Tri Wardoyo, Tri Widianta, Moh Munih Dian Wulandari, Sholihah Ayu