Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JURNAL TEKNIK
S Pattanang, Moh Saddam
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Pakar Diagnosa Penyakit Pada Tanaman Semangka Merah Menggunakan Metode CNN Berbasis Android Yusuf, Muhammad; Faroek, Dewi Astria; S Pattanang, Moh Saddam; M, Anggun; Salam, Ristanti
Jurnal Teknik Vol 13, No 1 (2024): Januari - Juli 2024
Publisher : Universitas Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jt.v13i1.11830

Abstract

Semangka, yang berasal dari daerah Afrika bagian selatan, adalah tanaman merambat dengan kulit keras berwarna hijau tua serta garis-garis hijau muda. Daging buahnya berair dan berwarna merah atau kuning. Beberapa jenis semangka yang dapat ditanam di Indonesia antara lain semangka Sengkarin, semangka Bojonegoro, semangka Sweet Beauty, Golden Crown, New Dragon, Farmer Giant, dan Yellow Baby. Budidaya semangka di Indonesia telah mengalami perkembangan pesat, namun tantangan utama dalam menanam semangka adalah munculnya hama dan penyakit yang memengaruhi keberhasilan budidaya. Untuk mengatasi masalah ini, dikembangkan aplikasi berbasis Android yang menggunakan metode Central Neural Network (CNN) untuk mendeteksi jenis penyakit pada tanaman semangka. Aplikasi ini bertujuan memudahkan petani dan masyarakat dalam mengidentifikasi hama dan penyakit pada tanaman semangka tanpa harus menunggu atau bergantung pada pengetahuan ahli. Penelitian menunjukkan keberhasilan dalam deteksi penyakit semangka, dengan menggunakan convolutional neural network (CNN) arsitektur VGG16 yang mencapai tingkat akurasi 98% untuk precission, 98% untuk recall, dan 98% untuk f1-score. Hasil ini menunjukkan bahwa deteksi penyakit pada tanaman semangka berhasil.
Co-Authors Dewi Astria Faroek M, Anggun Muhammad Yusuf Salam, Ristanti