Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Indonesian Journal of Artificial Intelligence and Data Mining Specta Journal of Technology
Gusti Ahmad Fanshuri Alfarisy
Institut Teknologi Kalimantan
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Environmental Science

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : specta journal of technology

 1 
Optimasi Jadwal Perkuliahan dengan Modifikasi Algoritme Genetika Gusti Ahmad Fanshuri Alfarisy
SPECTA Journal of Technology Vol. 4 No. 3 (2020): SPECTA Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1485.857 KB) | DOI: 10.35718/specta.v4i3.247

Abstract

Menentukan jadwal optimal yang sesuai dengan preferensi dosen pada tempat jadwal terbatas merupakan tugas yang kompleks. Menggunakan pendekatan manual akan memerlukan waktu dan tidak berorientasi pada kebutuhan preferensi dosen yang cukup beragam. Pendekatan pencarian lokal akan mudah terjebak pada optimum lokal dan tidak efektif dalam menemukan jadwal yang optimum. Sehingga pencarian global menggunakan Algoritme Genetika (GA) digunakan. Penelitian ini mengajukan memodifikasi GA (MGA) yang menggunakan strategi pencarian yang berbeda berdasarkan nilai kebugaran dan penambahan strategi mutasi. Hasil uji komparasi menunjukkan bahwa MGA dapat memberikan nilai kebugaran yang lebih baik seiring dengan bertambahnya kompleksitas penjadwalan dibandingkan dengan GA. Selain itu, jumlah iterasi diatas 400 dengan pasangan jumlah populasi yang sesuai (80, 90, 100, atau diatasnya) merupakan parameter yang dapat dikatakan mampu memberikan potensi terbaik dari MGA. Parameter tersebut dapat digunakan oleh pengembang aplikasi penjadwalan yang menggunakan MGA.
Klasifikasi Penyakit Daun Tanaman Menggunakan MobileNetV4 Berbasis Transfer Learning: 116 - 131 Syifa Maulida; Tito Ariffianto Miftahul Huda; Wafiq Ajriyah; Rizky Amelia; Gusti Ahmad Fanshuri Alfarisy
SPECTA Journal of Technology Vol. 10 No. 2 (2026): Specta Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/specta.v10i2.8481436

Abstract

Image-based plant leaf disease classification has become an important focus in agriculture to reduce significant losses and improve crop quality. This study proposes the use of Convolutional Neural Network (CNN) with MobileNetV4 architecture for plant leaf disease classification using transfer learning. MobileNetV4 was chosen because of its efficient ability to recognize visual objects with a light number of parameters, making it suitable for implementation on devices with limited resources. The dataset used is PlantVillage, which contains 20,600 labeled images across 15 disease categories. By using MobileNetV4 pre-trained on ImageNet, and modifying the final layers, we achieved a classification accuracy of 99.47%. This approach shows high potential for practical implementation on mobile devices due to its computational efficiency.
Co-Authors Muhamad Saman Nisa Rizqiza Fadhliana Rizky Amelia Syifa Maulida Tito Ariffianto Miftahul Huda Wafiq Ajriyah