Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurnal Sains dan Teknologi Informasi
Weno Syechu
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
CONVOLUTIONAL NEURAL NETWORK OPTIMIZATION FOR DEEP WEEDS Syechu, Weno; Nasution, Benny Benyamin; Effendi, M. Syahril
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 1 (2023): Articles Research Volume 7 Issue 1, 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i1.12046

Abstract

Precision agriculture is critical in ensuring food availability while maintaining environmental sustainability. Weeds are a serious threat to crops because they can inhibit plant growth and absorption of nutrients and infect nearby plants. Reduction in agricultural production can reach 20-80% if weeds are not handled quickly and precisely. In this study, four Convolutional neural network architectures were implemented to identify weeds based on images. The total number of images in the dataset used is 17,509 images grouped into nine classes which are divided into 80% for training data and 20% for test data. The training process uses a transfer learning scheme and operates several different optimization functions. The test results show that the best performance is achieved by the GoogleNet architecture using the stochastic gradient descent with momentum optimization function with a classification accuracy of 92.38%. Testing also shows that the ShuffleNet architecture classifies images faster than the other architectures used in this study, although its performance is slightly lower than GoogleNet.
Analisa Sentimen Masyarakat Naiknya Bahan Pokok Menggunakan Algoritma Teks Mining Dan TF-IDF Syechu, Weno
Jurnal Sains dan Teknologi Informasi Vol 4 No 2 (2025): Maret 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/jussi.v4i2.7802

Abstract

Twitter is one of the social media used by the public to express opinions on news that is often discussed. Various opinions were expressed by the public on Twitter social media, including expressing opinions and complaints regarding the increase in basic commodities. Staples are people's basic needs in everyday life. Rising prices of basic commodities are a problem that society often faces. Therefore, the government must take steps to reduce the increase in prices of basic commodities, such as strengthening market control and regulation, increasing agricultural production, and providing subsidies to people who cannot afford it. This research aims to measure public sentiment regarding the increase in basic commodities for the community and it is hoped that it can become a benchmark for government parties related to the increase in basic commodities, so that it does not affect inflation and the stability of the community's economy. This research was carried out by taking 100 data from Twitter using crawling techniques and processing 50 data using TF-IDF weighting. Then the data was processed using text mining and a word weighted search was carried out using the Term Frequency Inverse Document Frequency (TF-IDF) algorithm. The results of this research showed that the percentage of public sentiment towards the increase in basic commodities with positive sentiment was 24.2414% and negative was 75.7586%.
PENERAPAN APLIKASI BISNIS DIGITAL PADA UMKM FAUZAN MINI GARDEN DI DESA DELITUA DELISERDANG SUMATERA UTARA Gunawan, Gunawan; Yani, Achmad; Yusuf, Kadri; Sari, Marliana; Syechu, Weno
Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Vol. 3 No. 5 (2025): Oktober
Publisher : CV. Alina

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59407/jpki2.v3i5.3169

Abstract

Era digital menuntut pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk beradaptasi dengan teknologi dalam pengelolaan bisnisnya. Banyak UMKM masih menghadapi kendala dalam penerapan sistem digitalisasi, terutama dalam aspek pencatatan transaksi dan promosi produk. Kegiatan Pengabdian Kemitraan Masyarakat (PKM) ini bertujuan untuk membantu UMKM Fauzan Mini Garden dalam menerapkan aplikasi bisnis digital sebagai solusi untuk meningkatkan efisiensi operasional dan perluasan pasar. Kegiatan dilakukan oleh tim dosen dari Politeknik Negeri Medan (Polmed) yang terdiri atas lima dosen dan beberapa mahasiswa. Metode pelaksanaan meliputi analisis kebutuhan, pelatihan, pendampingan, serta implementasi sistem aplikasi digital yang disesuaikan dengan karakteristik usaha. Hasil kegiatan menunjukkan peningkatan signifikan dalam kemampuan digitalisasi manajemen dan promosi usaha. Mitra kini mampu menggunakan aplikasi untuk pencatatan transaksi, manajemen stok, serta pemasaran secara online. Kegiatan ini diharapkan dapat menjadi model pengabdian yang berkelanjutan dalam mendukung transformasi digital UMKM di wilayah Sumatera Utara.
Penerapan Aplikasi Sistem Rekomendasi Pemilihan Varietas Tanaman Berbasis Parameter Kelembaban Tanah, pH, dan Kandungan Nutrisi Pada Gapoktan Sri Karya Menggunakan Algoritma Random Forest Sinuraya, Junus; Weno Syechu; Wiwin Sry Adinda Banjarnahor; Muhammad Riki Atsauri
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12348

Abstract

 Pemilihan varietas tanaman yang sesuai dengan kondisi tanah lahan pertanian merupakan faktor kritis dalam meningkatkan produktivitas dan hasil panen. Namun, petani sering menghadapi kesulitan dalam mengambil keputusan tersebut karena keterbatasan akses informasi dan expertise. Penelitian ini mengembangkan sistem rekomendasi otomatis berbasis machine learning menggunakan algoritma Random Forest untuk membantu petani di Gapoktan Sri Karya dalam memilih varietas tanaman yang optimal berdasarkan kondisi tanah mereka. Dataset penelitian terdiri dari 800 sampel yang dikumpulkan melalui pengukuran langsung di lahan petani, mencakup lima parameter tanah utama: kelembaban tanah (%), pH tanah, kandungan Nitrogen (N), Fosfor (P), dan Kalium (K). Data dibagi menjadi data pelatihan (80%) dan data pengujian (20%), kemudian dilakukan preprocessing meliputi data cleaning, normalisasi Min-Max Scaling, dan encoding label. Model Random Forest dilatih dengan parameter optimal (n_estimators=150, max_depth=12) dan dievaluasi menggunakan multiple metrics. Hasil penelitian menunjukkan bahwa model mencapai performa sangat baik dengan akurasi 87%, precision 85%, recall 83%, F1-score 84%, dan AUC 0.91. Analisis feature importance mengungkapkan bahwa pH tanah adalah parameter paling penting (35%), diikuti kandungan Nitrogen (28%), kelembaban tanah (22%), kalium (10%), dan fosfor (5%). Sistem ini terbukti mampu memberikan rekomendasi yang reliable dan dapat dipercaya untuk digunakan oleh petani di lapangan. Temuan ini mendemonstrasikan bahwa algoritma Random Forest dapat efektif digunakan untuk mengklasifikasi dan merekomendasikan varietas tanaman berdasarkan parameter kondisi tanah. Implementasi sistem ini diharapkan dapat meningkatkan produktivitas pertanian, mengurangi risiko pemilihan varietas yang tidak sesuai, dan memberdayakan petani dalam membuat keputusan berbasis data. Penelitian ini juga membuka peluang pengembangan serupa untuk komoditas pertanian lain dan region berbeda sebagai bagian dari transformasi digital di sektor pertanian Indonesia.
Co-Authors Effendi, M. Syahril Gunawan Gunawan Marliana Sari, Marliana Muhammad Riki Atsauri Nasution, Benny Benyamin Sinuraya, Junus Wiwin Sry Adinda Banjarnahor Yani, Achmad Yusuf, Kadri