Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Algoritme Jurnal Mahasiswa Teknik Informatika Informatics and Enginering Dedication
Hakiki, Muhammad Anugrah
Unknown Affiliation
Computer Science & IT Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pelatihan Pemrograman Web Menggunakan HTML dan CSS Di SMK Methodist 2 Palembang Hakiki, Muhammad Anugrah; Maulana, Muhammad Ishaq; Nurrahman, Wahyu Aji; Saputra, Ade Rocky; Mutia, Silvi; Hartati, Ery
FORDICATE Vol 3 No 1 (2023): November 2023
Publisher : Universitas Multi Data Palembang, Fakultas Ilmu Komputer dan Rekayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/fordicate.v3i1.5064

Abstract

Kebutuhan akan pemrograman web semakin meningkat karena banyak perusahaan dan organisasi yang membutuhkan website untuk kepentingan bisnis dan informasi. Namun, kurangnya minat siswa terhadap informatika dan pemrograman web menjadi salah satu tantangan utama dalam memenuhi kebutuhan pasar yang berkembang pesat ini. Tujuan dari pelatihan ini untuk memberikan pemahaman dasar tentang pemrograman web dan membuat siswa tertarik untuk mempelajari lebih lanjut serta membuka peluang baru bagi siswa untuk mengembangkan keterampilan di bidang teknologi informasi. Tahap-tahap pelaksanaan pelatihan ini adalah : penyusunan proposal pelatihan; penyusunan materi, kuis, modul, serta jadwal pelaksanaan pelatihan; pelaksanaan pelatihan; membuat kesimpulan berdasarkan hasil pelatihan. Metode yang digunakan dalam pelaksanaan pelatihan adalah : presentasi, praktik, kuis. Berdasarkan hasil kegiatan, pelatihan ini berhasil memberikan pemahaman dasar tentang pemrograman web kepada siswa dan mendorong minat mereka untuk mempelajari lebih lanjut
Klasifikasi Spesies Jamur Menggunakan Convolutional Neural Network dengan Arsitektur MobileNetV2 Hakiki, Muhammad Anugrah; Rachmat, Nur
Algoritme Jurnal Mahasiswa Teknik Informatika Vol 6 No 1 (2025): Oktober 2025 || Algoritme Jurnal Mahasiswa Teknik Informatika
Publisher : Program Studi Teknik Informatika Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/algoritme.v6i1.11077

Abstract

Indonesia has a high biodiversity of fungi, including edible and toxic species. Manual identification is often challenging due to morphological similarities between safe and poisonous species. Therefore, this study evaluates the use of deep learning-based Convolutional Neural Network (CNN) with the MobileNetV2 architecture for mushroom classification. The research method includes collecting a dataset of 1,500 images from 10 mushroom species (5 edible and 5 toxic), preprocessing data by normalizing image size and applying augmentation techniques, and training the model using the Adam optimizer with dropout and early stopping to prevent overfitting. Hyperparameter tuning was performed using grid search on batch size (64, 128, 256), epochs (20, 50, 100), and learning rate (0.1, 0.01, 0.001). The test results show that a combination of batch size 64, epoch 50, and learning rate 0.1 achieved 98% validation accuracy. The final model was tested and achieved 95.33% accuracy, with an average precision, recall, and f1-score of 95%. These results confirm that MobileNetV2 is effective in classifying mushroom species and can assist in more accurately identifying edible and toxic fungi.
Co-Authors Hartati, Ery Maulana, Muhammad Ishaq Mutia, Silvi Nur Rachmat Nurrahman, Wahyu Aji Saputra, Ade Rocky