Article Per Year (5 Year)
p-Index From 2021 - 2026
1.363
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Pengabdian Masyarakat STKIP AL MAKSUM LANGKAT Jurnal Pengabdian Masyarakat IPTEK Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Indonesian Journal of Education And Computer Science 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 : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Indonesian Journal of Education And Computer Science

 1 
Evaluasi Kinerja GoogleNet Menggunakan Transfer Learning dan Fungsi Optimasi SGDM untuk Klasifikasi Citra Gulma Syechu, Weno; Syahputra, Rian; Harahap, Ahmad Indra
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1189

Abstract

Identifikasi gulma secara cepat dan tepat merupakan elemen penting dalam pertanian presisi. Penelitian ini memfokuskan pada evaluasi arsitektur Convolutional Neural Network (CNN) GoogleNet dalam klasifikasi citra gulma menggunakan pendekatan transfer learning. Dataset DeepWeeds yang berisi 17.509 gambar digunakan dan diklasifikasikan ke dalam sembilan kelas gulma. Proses pelatihan dilakukan dengan membekukan semua layer kecuali layer fully-connected terakhir, yang disesuaikan dengan jumlah kelas. Fungsi optimasi Stochastic Gradient Descent with Momentum (SGDM) digunakan dalam proses pelatihan. Penelitian ini mengevaluasi kinerja arsitektur Convolutional Neural Network (CNN) GoogleNet menggunakan pendekatan transfer learning untuk klasifikasi citra gulma pada dataset DeepWeeds yang terdiri dari sembilan kelas gulma berbeda. Fungsi optimasi Stochastic Gradient Descent with Momentum (SGDM) digunakan selama pelatihan model. Hasil eksperimen menunjukkan bahwa model mencapai akurasi pengujian sebesar 92,38% dengan waktu klasifikasi rata-rata hanya 0,0365 detik per gambar. Studi ini memberikan kontribusi signifikan sebagai acuan penerapan deep learning efisien dalam sistem pertanian presisi.
Komparasi Metode Certainty Factor dan Dempster Shafer untuk Mendiagnosa Penyakit Autis Ginting, Ramadhanu; Riandari, Fristi; Afrisawati; Syechu, Weno; Afifa, Rizky Maulidya; Ritonga, Rama Prameswara
Indonesian Journal of Education And Computer Science Vol. 3 No. 1 (2025): INDOTECH - April 2025
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v3i1.1212

Abstract

Penelitian ini membahas perancangan sistem yang bertujuan untuk menangani masalah autisme pada anak-anak. Autisme merupakan gangguan yang mempengaruhi kemampuan individu, terutama dalam hal interaksi sosial. Dalam konteks ini, sistem pakar digunakan untuk mentransfer keahlian seorang pakar ke dalam bentuk algoritma yang dapat digunakan untuk diagnosis.Penelitian ini menganalisis dua metode dalam sistem pakar, yaitu Certainty Factor dan Dempster Shafer, yang ditujukan untuk mendiagnosis autisme pada anak. Tujuan utama penelitian ini adalah untuk mengevaluasi dan menentukan metode mana yang paling efektif untuk diimplementasikan dalam aplikasi yang dapat membantu mengklasifikasikan anak-anak dengan autisme.Hasil komparasi menunjukkan bahwanya metode Certainty Factor mencapai tingkat probabilitas di atas 95 %, dibandingkan dengan metode Dempster Shafer dalam komparasi 2 metode yang penulis lakukan. Temuan ini memberikan wawasan yang signifikan mengenai efektivitas kedua metode, serta kontribusi mereka dalam pengembangan sistem pakar untuk diagnosis autisme. Diharapkan penelitian ini dapat menjadi referensi untuk solusi yang lebih baik dalam bidang kesehatan mental anak.
Co-Authors Ade Linhar Purba Afifa, Rizky Maulidya Afrisawati Ahmad Indra Harahap Effendi, M. Syahril FAUZI Fristi Riandari Ginting, Ramadhanu Gunawan Gunawan Junus Sinuraya Marliana Sari, Marliana Muhammad Riki Atsauri Nasution, Benny Benyamin Rian Syahputra Ritonga, Rama Prameswara Sinuraya, Junus Siregar, Yunita Sari Taufiqurrahman Wiwin Sry Adinda Banjarnahor Yani, Achmad Yusuf, Kadri