Article Per Year (5 Year)
p-Index From 2020 - 2025
1.006
P-Index
This Author published in this journals
All Journal Scientific Journal of Informatics ILKOM Jurnal Ilmiah Antivirus : Jurnal Ilmiah Teknik Informatika Community Development Journal: Jurnal Pengabdian Masyarakat TRANSFORMASI : JURNAL PENGABDIAN PADA MASYARAKAT FRAMEWORK Jurnal Ilmu Komputer dan Informatika
La Jupriadi Fakhri
Universitas Muhammadiyah Sorong
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Public Health Social Sciences Other

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : FRAMEWORK Jurnal Ilmu Komputer dan Informatika

 1 
Implementasi Machine Learning Dalam Mengidentifikasi Tanaman Hias menggunakan Metode CNN Fajar Rahardika Bahari Putra Fajar; La Jupriadi Fakhri La Jupriadi; Rendra Soekarta Rendra; Wulan Ika Ayudiansyah Wahid Wulan Ika
Framework : Jurnal Ilmu Komputer dan Informatika Vol. 3 No. 1 (2024): Framework : Jurnal ilmu komputer dan Informatika
Publisher : Universitas Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33506/jiki.v3i1.4138

Abstract

Penelitian ini bertujuan untuk mengimplementasi dan identifikasi tanaman hias menggunakan metode Convolutional Neural Network (CNN). Dengan memanfaatkan dataset yang terdiri dari 3.453 gambar dari lima jenis bunga, penelitian ini mengatasi tantangan dalam identifikasi tanaman yang sering kali memerlukan pengetahuan botani yang mendalam dan memakan waktu. Metode yang digunakan meliputi pengumpulan data, preprocessing, pelatihan model, dan evaluasi. Model CNN yang dikembangkan menunjukkan performa yang baik, dengan akurasi pelatihan mencapai 76,4% dan akurasi validasi sebesar 73,6% setelah 40 epoch pelatihan. Meskipun hasil ini menjanjikan, terdapat indikasi overfitting yang perlu diperhatikan. Penelitian ini menyimpulkan bahwa pendekatan machine learning, khususnya CNN, memiliki potensi besar untuk mengotomatisasi proses identifikasi tanaman hias secara akurat dan efisien. Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam bidang hortikultura dan teknologi pengenalan pola, serta membuka peluang untuk penelitian lebih lanjut dalam pengembangan sistem yang lebih robust dan aplikatif.
Co-Authors Aldi Bastiatul Fawait Fawait Anton Yudhana Bahari Putra, Fajar Rahardika Dewi Astria Faroek Ermin Ermin Fajar Rahardika Bahari Putra Fajar Imam Riadi Merlina Lidiana Arifin Muh Jamil Muhammad Jundullah Muhammad Rizki Setyawan Nadia Keril Saputri Nur Miswar Retno Irianto, Dwi REZKI, REZKI Sitti Rahmah Soekarta, Rendra Sugiarto Sugiarto Virasanty Muslimah Wulan Ika Ayudiansyah Wahid Wulan Ika Yudhi Fajar Saputra