Article Per Year (5 Year)
p-Index From 2021 - 2026
6.566
P-Index
This Author published in this journals
All Journal Indonesian Journal of Geography Jurnal Teknik Sipil dan Perencanaan Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Indonesian Journal on Software Engineering (IJSE) Perspektif : Jurnal Ekonomi dan Manajemen Universitas Bina Sarana Informatika Jurnal Teknik Komputer AMIK BSI Paradigma Jurnal Komputasi JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Pengabdian Masyarakat AbdiMas Jurnal Manajemen Informatika ELITE Journal: Journal of English Linguistics, Literature, and Education Progresif: Jurnal Ilmiah Komputer Jurnal Manajemen Informatika dan Sistem Informasi Medika Kartika : Jurnal Kedokteran dan Kesehatan JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Infortech Jurnal Graha Pengabdian Jurnal Pengabdian kepada Masyarakat Nusantara Infotech: Jurnal Informatika & Teknologi Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen JUSTIN (Jurnal Sistem dan Teknologi Informasi) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Ceddi Journal of Information System and Technology (JST) Jurnal Penelitian dan Pengabdian Masyarakat Jotika Journal of Entrepreneurship and Community Innovations Seshiski: Southeast Journal of Language and Literary Studies Secure And Knowledge-Intelligent Research in Cybersecurity And Multimedia (SAKIRA) Indonesian Community Service Journal of Computer Science (IndoComs) Jurnal Komputasi Jurnal Nasional Komputasi dan Teknologi Informasi
Ali Mustopa, Ali
Universitas Bina Sarana Informatika
Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Social Sciences Veterinary Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
PELATIHAN PENINGKATAN KAPASITAS TENAGA PENDIDIK DI BIDANG WEB PROGRAMMING PADA YAYASAN AL MADANI SYARIF ABDURAHMAN PONTIANAK Ali Mustopa; Wahyu Nugraha; Rabiatus Saadah; Rizka Dahlia
Indonesian Community Service Journal of Computer Science Vol. 1 No. 2 (2024): Periode Juli 2024
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/indocoms.v1i2.3566

Abstract

Internet merupakan kebutuhan vital bagi manusia modern, mendukung hampir semua aktivitas sehari-hari secara efektif dan efisien. Penggunaan internet mencakup berbagai tujuan, termasuk penyampaian informasi melalui situs web, yang menjadi alat promosi ekonomis, efektif, dan efisien. Pendidikan, sebagai landasan utama dalam mempersiapkan generasi muda, harus beradaptasi dengan kemajuan teknologi. Yayasan Al Madani Syarif Abdurahman Pontianak menyadari pentingnya teknologi informasi, khususnya web programming, dalam kurikulum pendidikan modern. Namun, mereka menghadapi beberapa tantangan, seperti kurangnya pengalaman praktis tenaga pendidik dalam web programming dan kurikulum yang mungkin tidak relevan. Dibutuhkan pendekatan pembelajaran yang interaktif, praktis, dan inovatif untuk mengatasi hal ini. Pelatihan yang diberikan kepada tenaga pendidik yayasan bertujuan untuk meningkatkan kemampuan mereka dalam mengajar web programming, mempersiapkan siswa untuk pasar kerja yang semakin bergantung pada teknologi informasi. Program ini juga memberikan kesempatan bagi para pendidik untuk terus memperbarui pengetahuan mereka. Diharapkan, dengan pelatihan ini, Yayasan Al Madani Syarif Abdurahman Pontianak dapat memberikan kontribusi signifikan dalam mempersiapkan generasi muda menghadapi tantangan era digital.
DETEKSI RETINOPATI DIABETIK ON-DEVICE MENGGUNAKAN MODEL MOBILENETV2 PADA APLIKASI MOBILE BERBASIS FLUTTER Mustopa, Ali; Sasongko, Agung; Hendini, Ade
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8641

Abstract

Retinopati Diabetik (RD) adalah penyebab utama kebutaan yang dapat dicegah, namun skrining manual seringkali sulit diakses dan mahal. Penelitian ini bertujuan membangun aplikasi mobile yang efisien untuk deteksi RD menggunakan Deep Learning. Model CNN berbasis MobileNetV2 dilatih dengan teknik transfer learning pada dataset APTOS 2019 yang dikelompokkan menjadi 2 kelas (RD dan Non-RD). Model terbaik dikonversi ke format TensorFlow Lite (TFLite) dengan optimasi kuantisasi untuk implementasi on-device pada aplikasi Flutter. Hasil penelitian menunjukkan model mencapai akurasi 97.3% pada data uji. Konversi TFLite berhasil mereduksi ukuran file sebesar 74% (menjadi 11.8 MB) dengan latensi inferensi rata-rata ~150 ms. Penelitian ini membuktikan kelayakan implementasi MobileNetV2 pada aplikasi mobile untuk skrining RD yang cepat, akurat, hemat biaya, dan menjaga privasi secara offline. Solusi ini berpotensi besar meningkatkan deteksi dini di fasilitas layanan kesehatan dengan sumber daya terbatas
ETIKA PENGGUNAAN AI DALAM DUNIA PENDIDIKAN UNTUK GURU PAUD (HIMPAUDI) KABUPATEN KUBU RAYA Reza Maulana; Yoki Firmansyah; Lisnawanty; Ali Mustopa
Indonesian Community Service Journal of Computer Science Vol. 2 No. 2 (2025): Periode Juli 2025
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/indocoms.v2i2.9605

Abstract

This community service activity aims to improve ethical literacy in the use of Artificial Intelligence (AI) technology in Early Childhood Education (PAUD) environments, particularly in Kubu Raya Regency. Based on observations, PAUD teachers who are members of HIMPAUDI Kubu Raya still face challenges in understanding the principles of ethics, privacy, and security of children's data when using AI-based technology in learning. This program offers gradual training consisting of three levels: basic (introduction to AI and ethics), intermediate (identifying safe and appropriate AI applications), and advanced (responsible AI implementation strategies). The training is complemented by case studies, discussions of ethical issues, mentoring, and facilitation of the development of contextual guidelines based on local values. In addition, a community of practitioners is formed as a collaborative forum for teachers to share experiences and solutions. The activity outputs include increased understanding of AI ethics, the ability to select safe applications, activity documentation, scientific and popular publications, and improved quality of PAUD learning that supports holistic child development. This program is expected to encourage the creation of a culture of ethical and wise use of AI among PAUD educators.
Pengembangan Sistem Informasi Manajemen Arsip Tidak Aktif Menggunakan Metode Agile Ali Mustopa; Muhammad Sony Maulana; Nurmalasari Nurmalasari; Adrianus Ixnasius Bedong; Nurjannah Nurjannah
Progresif: Jurnal Ilmiah Komputer Vol 21, No 1 (2025): Februari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i1.2500

Abstract

The management of inactive records in government institutions often faces challenges such as limited storage space, difficulties in document retrieval, and the risk of physical damage. This study aims to develop a digital-based Inactive Records Management Information System (SIMATA) as a solution to these problems. The Agile Method was applied in the development process, which included the stages of Planning, Design, Development, Testing, Deployment, and Review. SIMATA is designed to support record digitization, cloud-based storage, and fast and accurate document retrieval. Testing results indicate that the system can improve record management efficiency by up to 50%, reduce physical storage costs, and provide better document accessibility. The evaluation using the System Usability Scale (SUS) resulted in an average score of 82.14 (B+ category, Excellent), reflecting a high level of usability. With its integrated features, SIMATA is considered relevant for enhancing work efficiency and modernizing record management at the West Kalimantan Library and Archives Office. This study highlights the importance of digitization in improving the effectiveness of records management in government institutions.Keywords: Records Management; Inactive Records; Record Digitization; Agile Method; System Usability Scale  AbstrakPengelolaan arsip tidak aktif di instansi pemerintah sering menghadapi kendala seperti keterbatasan ruang penyimpanan, kesulitan dalam penelusuran dokumen, dan risiko kerusakan fisik dokumen. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Manajemen Arsip Tidak Aktif (SIMATA) berbasis digital sebagai solusi untuk mengatasi masalah tersebut. Pendekatan Metode Agile digunakan dalam pengembangan meliputi tahapan Perencanaan, Desain, Pengembangan, Pengujian, Penerapan dan Peninjauan. SIMATA dirancang untuk mendukung digitalisasi arsip, penyimpanan berbasis cloud, dan pencarian dokumen yang cepat dan akurat. Hasil pengujian menunjukkan bahwa sistem ini mampu meningkatkan efisiensi pengelolaan arsip hingga 50%, menurunkan biaya penyimpanan fisik, dan memberikan aksesibilitas dokumen yang lebih baik. Evaluasi menggunakan System Usability Scale (SUS) menghasilkan skor rata-rata 82,14 (kategori B+, Excellent), yang menunjukkan tingkat kegunaan yang tinggi. Dengan fitur yang terintegrasi, SIMATA dinilai relevan untuk mendukung efisiensi kerja dan modernisasi pengelolaan arsip Dinas Perpustakaan dan Kearsipan Kalimantan Barat. Penelitian menegaskan pentingnya digitalisasi dalam meningkatkan efektivitas manajemen arsip di instansi pemerintah.Kata kunci: Pengelolaan Arsip; Arsip Tidak Aktif; Digitalisasi Arsip; Metode Agile; System Usability Scale  
Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram Sarifah Agustiani; Yoseph Tajul Arifin; Agus Junaidi; Siti Khotimatul Wildah; Ali Mustopa
Jurnal Komputasi Vol. 10 No. 1 (2022)
Publisher : Jurusan Ilmu Komputer Fakultas MIPA Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v10i1.2961

Abstract

Indonesia is an agrarian country, which is a sector that plays an important role most of the Indonesian population makes agriculture the main focus, but the function of rice fields into housing or industry has resulted in a decrease in rice production, in addition to pests, diseases, unfavorable weather, Irrigation is not smooth resulting in less than the maximum yield. For this reason, it is necessary to have technology that can implement the process of detecting rice leaf disease in order to provide information to farmers about rice leaf damage. The most modern approach today can be done with machine learning or deep learning by using various algorithms to improve recognition and accuracy in the detection and diagnosis of plant diseases. Based on this, this study aims to propose a method of classifying rice leaf diseases in order to provide information to farmers about rice leaves which are expected to reduce the disease by detecting the disease early so as to increase rice production. In this study, the classification process is carried out using the augmented image, then the Color Histogram feature extraction method is applied, and the classification is carried out using the Random Forest algorithm. In addition, this study also conducted several comparisons, including feature extraction and yahoo to get the results, and the highest results reached 99.65% of the proposed method.
Pengembangan Sistem Informasi Akademik untuk Meningkatkan Efektivitas Pengelolaan Data pada SMK Mihadunal Ula Sarifah Agustiani; Denny Pribadi; Sopiyan Dalis; Siti Khotimatul Wildah; Ali Mustopa
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 4 No. 1 (2023): Mei 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v4i1.1992

Abstract

Teknologi informasi memiliki peran penting dalam mendukung efisiensi dan efektivitas pengelolaan data di lembaga pendidikan. SMK Mihadunal Ula, sebagai sekolah menengah kejuruan di Kabupaten Sukabumi, menghadapi tantangan dalam pengelolaan data akademik yang masih dilakukan secara manual. Hal ini menyebabkan berbagai masalah seperti kesalahan data, kesulitan akses informasi, dan keterlambatan dalam pengolahan data. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Akademik yang dapat meningkatkan efektivitas pengelolaan data pada SMK Mihadunal Ula. Metode pengembangan yang digunakan adalah pengembangan sistem Rapid Application Development (RAD) yang melibatkan proses analisis, desain, implementasi, dan evaluasi. Melalui pengembangan sistem informasi akademik, diharapkan pengelolaan data di SMK Mihadunal Ula dapat lebih terintegrasi, akurat, dan mudah diakses. Sistem ini akan menyediakan fitur-fitur penting seperti pendaftaran siswa, penjadwalan, dan pembayaran yang dapat diakses oleh siswa, guru, dan staf administrasi. Dengan adanya sistem informasi yang handal, diharapkan efisiensi operasional sekolah dapat ditingkatkan, kesalahan manusia dapat diminimalisir, dan pengambilan keputusan dapat lebih baik. Hasil penelitian ini menunjukkan bahwa implementasi Sistem Informasi Akadmik pada SMK Mihadunal Ula memberikan manfaat yang signifikan. Siswa dapat dengan mudah mendaftar, memperoleh informasi jadwal pelajaran, dan melakukan pembayaran secara efisien. Guru dan staf administrasi juga mendapatkan kemudahan dalam pengolahan data dan mengakses informasi yang diperlukan. Selain itu, penggunaan sistem informasi ini diharapkan dapat meningkatkan citra dan reputasi SMK Mihadunal Ula sebagai lembaga pendidikan yang modern dan berkualitas
Analisis Sentimen Pengguna Aplikasi Belanjasmart pada Google Play Menggunakan Algoritma Klasifikasi Berbasis Particle Swarm Optimazation Nurjannah; Deasy Purwaningtias; Ali Mustopa
Jurnal Nasional Komputasi dan Teknologi Informasi Vol. 9 No. 3 (2026): Juni, 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/4e0d8d61

Abstract

Abstrak - Dengan menggunakan enam metode klasifikasi (SVM, Logistic Regression, KNN, Naïve Bayes, Random Forest, Decision Tree) dan optimasi Particle Swarm Optimisation (PSO), penelitian ini mengkaji analisis sentimen ulasan pengguna aplikasi BelanjaSmart. Preprocessing, pelabelan sentimen, ekstraksi fitur TF-IDF, dan evaluasi model menggunakan akurasi, presisi, recall, dan F1-score merupakan bagian dari metodologi penelitian kuantitatif. Temuan menunjukkan bahwa PSO dapat menurunkan biaya optimal menjadi 0,037–0,043 dan meningkatkan kinerja model, dengan KNN, Pohon Keputusan, Random Forest, dan SVM mencapai akurasi maksimum 0,9630 dan Logistic Regression serta Naïve Bayes mencapai 0,9568. Penelitian ini menunjukkan bahwa PSO dan algoritma klasifikasi bekerja dengan baik bersama-sama untuk meningkatkan akurasi analisis sentimen dan dapat diperluas dengan menggunakan teknik pembelajaran yang lebih dalam dan dataset yang lebih besar. Kata kunci : Analisis Sentimen; PSO; Machine Learning; Klasifikasi Teks; TF-IDF;   Abstract - Using six classification methods “(SVM, Logistic Regression, KNN, Naïve Bayes, Random Forest, Decision Tree) and Particle Swarm Optimisation (PSO) optimisation, this study investigates the sentiment analysis of user reviews of the BelanjaSmart application.” Preprocessing, sentiment labelling, TF-IDF feature extraction, and model evaluation utilising accuracy, precision, recall, and F1-score are all part of the quantitative research methodology. The findings demonstrate that PSO may lower the optimal cost to 0.037–0.043 and enhance model performance, with KNN, Decision Tree, Random Forest, and SVM achieving the maximum accuracy of 0.9630 and Logistic Regression and Naïve Bayes reaching 0.9568. This study demonstrates that PSO and classification algorithms work well together to increase sentiment analysis accuracy and may be expanded utilising deeper learning techniques and larger datasets. Keywords: Sentiment Analysis; PSO; Machine Learning; Text Clasificasion; TF-IDF;
Implementasi Ensemble Learning untuk Multi-Step Time Series Forecasting Harga Bitcoin dan Emas Menggunakan XGBoost, Gradient Boosting dan Random forest Leo Kanda Prayoga; Deasy Purwaningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1303

Abstract

Prediksi harga aset keuangan seperti Bitcoin dan emas merupakan salah satu tantangan dalam analisis data keuangan karena pergerakannya yang dinamis dan sulit diprediksi. Penelitian ini mengimplementasikan metode ensemble learning yang terdiri dari Random Forest, Gradient Boosting, dan XGBoost untuk memprediksi harga Bitcoin dan emas menggunakan pendekatan multi-step time series forecasting. Dataset diperoleh dari Yahoo Finance untuk periode 2021–2026 dan diproses menggunakan 59 fitur teknikal yang mencakup indikator momentum, volatilitas, tren, dan pola candlestick. Target regresi ditransformasikan ke dalam bentuk log-return untuk meningkatkan stabilitas model terhadap pergeseran skala harga (distribution shift), sementara arah pergerakan harga diprediksi menggunakan model klasifikasi biner. Hasil pengujian menunjukkan bahwa Random Forest menghasilkan performa regresi terbaik pada kedua aset. Pada data Bitcoin diperoleh MAE sebesar 1.541,79, RMSE sebesar 2.130,74, MAPE sebesar 1,6850%, dan R² sebesar 0,9858. Pada data emas diperoleh MAE sebesar 55,64, RMSE sebesar 83,58, MAPE sebesar 1,2957%, dan R² sebesar 0,9825. Untuk klasifikasi arah pergerakan harga, Gradient Boosting menghasilkan akurasi tertinggi pada Bitcoin sebesar 50,00%, sedangkan Random Forest menghasilkan akurasi terbaik pada emas sebesar 53,75% dengan Recall sebesar 71,01%. Selain itu, dilakukan simulasi prediksi harga 7 hari ke depan menggunakan pendekatan recursive forecasting.
Analisa Komparatif MobileNetV2 dan EfficientNetB0 Berbasis Fine-Tuning dan Data Augmentation untuk Klasifikasi Penyakit Daun Pisang Wadzifa Wadzifa; Deasy Purwaningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1354

Abstract

Penyakit daun pisang merupakan salah satu faktor yang dapat menurunkan produktivitas tanaman pisang dan menyebabkan kerugian ekonomi bagi petani. Identifikasi penyakit secara manual memerlukan waktu serta bergantung pada keahlian pengamat, sehingga diperlukan sistem otomatis yang mampu melakukan klasifikasi penyakit secara cepat dan akurat. Penelitian ini bertujuan menganalisis performa model transfer learning MobileNetV2 dan EfficientNetB0 dalam klasifikasi penyakit daun pisang menggunakan dataset BananaLSD yang terdiri atas empat kelas, yaitu Healthy, Cordana, Pestalotiopsis, dan Sigatoka. Penelitian dilakukan melalui delapan skenario eksperimen yang mengombinasikan penerapan fine-tuning dan data augmentation untuk mengetahui pengaruhnya terhadap performa model. Model terbaik selanjutnya dibandingkan menggunakan empat optimizer, yaitu Adam, AdamW, RMSprop, dan SGD. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa kombinasi EfficientNetB0 dengan fine-tuning, data augmentation, dan optimizer Adam menghasilkan performa terbaik dengan nilai accuracy sebesar 97,89%, precision 98,58%, recall 97,89%, dan F1-score 98,00%. Model terbaik kemudian diimplementasikan menggunakan FastAPI dan diintegrasikan dengan aplikasi bergerak berbasis FlutterFlow sehingga mampu melakukan klasifikasi penyakit daun pisang secara real-time. Hasil penelitian menunjukkan bahwa kombinasi arsitektur, strategi pelatihan, dan optimizer yang tepat mampu meningkatkan performa klasifikasi serta menghasilkan prototipe aplikasi yang dapat mendukung identifikasi awal penyakit daun pisang secara cepat, akurat, dan mudah digunakan.
Analisis Komparatif Kinerja MobileNetV2 dan EfficientNet-B0 pada Klasifikasi Penyakit Daun Paprika dengan Teknik CLAHE Peronika Sari; Deasy Purwarningtias; Ali Mustopa
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1365

Abstract

Penyakit bercak bakteri (bacterial spot) pada daun paprika sering kali sulit dikenali secara dini oleh petani karena identifikasi masih dilakukan secara visual dan manual, sehingga rawan subjektivitas dan membutuhkan waktu lama. Kondisi ini mendorong kebutuhan sistem klasifikasi otomatis berbasis deep learning yang mampu membedakan daun paprika sehat dan daun terinfeksi bakteri secara cepat dan konsisten. Penelitian ini bertujuan membandingkan kinerja dua arsitektur transfer learning, yaitu MobileNetV2 dan EfficientNetB0, dalam mengklasifikasikan citra daun paprika dari subset dataset PlantVillage, serta mengukur kontribusi teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) yang diterapkan pada kanal luminance (L) di ruang warna LAB sebagai tahap praproses. Sebanyak 2.475 citra daun paprika, terdiri atas kelas bacterial spot dan sehat, dibagi menjadi data latih, validasi, dan uji dengan skema pelatihan head lalu fine-tuning pada 40 lapisan terakhir setiap arsitektur. Hasil pengujian pada data uji menunjukkan EfficientNetB0 mencapai akurasi 99,19% dan F1-score 99,19%, unggul dibandingkan MobileNetV2 yang memperoleh akurasi 95,70% dan F1-score 95,70%. Eksperimen ablasi memperlihatkan bahwa CLAHE memberi peningkatan akurasi sebesar 1,61 poin persentase pada EfficientNetB0, tetapi hampir tidak berpengaruh pada MobileNetV2. Visualisasi Grad-CAM mengonfirmasi bahwa kedua model memusatkan perhatian pada area lesi daun, bukan pada latar belakang citra. Temuan ini menunjukkan bahwa pemilihan arsitektur dan teknik praproses citra perlu disesuaikan secara spesifik dengan karakteristik dataset agar diperoleh kinerja klasifikasi yang optimal.
Co-Authors Abdul Hamid Abdul Latif Abdul Latif Abdul Latif Ade Hendini Adrianus Ixnasius Bedong Agung Baitul Hikmah Agung Sasongko Agung Sasongko Agus Junaidi Agustiani, Sarifah Ahmad Iklil Saifulloh Andi Saryoko Andriyan Dwi Putra Antonius Yadi Kuntoro Ari Cahyono Bayu Setiaji Deasy Purwaningtias Deasy Purwarningtias Dedi Jayanta, Ida Ketut Desyandri Desyandri Dewanto Yusuf Priyambodo DEWI RAHMAWATI Eri Bayu Pratama, Eri Bayu Fachrurozi, Ahmad Firmansyah, Herman firmansyah, Yoki Ganda Wijaya Ganda Wijaya, Ganda Hartono . Hendri Mahmud Nawawi Hermanto Hermanto Heryanto Kawisen Ikhsanda, Reza Insan, Siti Rahma JOKO DWI SANTOSO Khultsum, Umi Kukuh, Kukuh Kusnawi Kusnawi Lady Agustin Fitriana Laksono Trisnantoro Leo Kanda Prayoga Lilik Rita Lindayani Lisnawanty Lukman Hakim M. Rangga Ramadhan Saelan Mahmud Nawawi, Hendri Maysaroh, Maysaroh Mochammad Abdul Azis Muhammad Fahmi Julianto Muhammad Iqbal Muhammad Iqbal Muhammad Nandi Buchari Muhammad Rezki Muhammad Rifqi Firdaus Muhammad Sony Maulana Mulyatun, Sri Mustika Dewi, Melany Namariq Maspupah Nanik Wuryani Nawawi, Hendri Mahmud Nuraeni Herlinawati Nuraini Sekarsih, Fitria Nurjannah Nurjannah Nurjannah Nurmalasari Nurmalasari Peronika Sari Pratiwi Retnaningdyah, Pratiwi Pribadi, Denny Pringgondani, Restu Purwaningtias, Deasy Putra Pratama Syahrival Rabiatus Saadah Rabiatus Sa’adah Rahmat Hidayat Raja Sabaruddin Rangga Sanjaya Ravi Manisha Reza Maulana Risdiansyah, Deni Rizka Dahlia Rizky Ade Safitri Robial, Siti Muawanah Rusda Wajhillah, Rusda Sa'adah, Rabiatus Sekarsih, Fitria Nuraini Seniwati, Erni Setiawanto, Irwan Siti Khotimatul Wildah Sopiyan Dalis Sopiyan Dalis Steven Suhartono Suharyanto Suharyanto Suharyanto Supriatna, Agus Teofilus Tirta Jumata Tiara Maulida TONNY HIDAYAT Umi Khultsum Wadzifa Wadzifa Wahyu Nugraha Wahyutama Fitri Hidayat Windu Gata Windu Gata Yoseph Tajul Arifin Yudhistira Yudhistira