Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Mnemonic Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan
Ursaputra, Lionardi
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Social Sciences

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

Found 2 Documents
Search

 1 
PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KUALITAS TELUR AYAM RAS BERDASARKAN WARNA CANGKANG Nurdiyansyah, Firman; Fatriana Kadir, Shaifany; Akbar, Ismail; Ursaputra, Lionardi
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.8767

Abstract

Sebelum dijual atau dikonsumsi, telur ayam harus dievaluasi untuk kualitasnya, terutama dari segi warna dan kondisi cangkangnya. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan warna cangkang telur ayam. Dengan penggunaan CNN diharapkan dapat mengembangkan model Convolutional Neural Network (CNN) yang dapat mengklasifikasikan kualitas telur ayam secara akurat dengan memberikan rekomendasi parameter yang optimal untuk mencapai performa terbaik. Dataset terdiri dari 120 butir telur yang dibagi menjadi tiga kategori: coklat, krem, dan putih. Pengolahan data melibatkan preprocessing image dengan teknik enhancement data untuk memperluas variasi data tanpa kehilangan informasi penting. Selama pengujian, tiga parameter utama dievaluasi: optimizer (Adam, SGD, RMSprop), learning rate (0.01, 0.001, 0.0001), dan epoch (20, 50, 100). Hasil penelitian menunjukkan bahwa kombinasi terbaik untuk performa optimal adalah dengan menggunakan Adam optimizer, learning rate 0,01, dan 100 epoch. Rasio data 80:20 memberikan hasil terbaik, menekankan pentingnya proporsi data yang baik dalam pembentukan model yang akurat. Analisis parameter learning rate menunjukkan bahwa nilai 0.01 memberikan performa terbaik untuk semua proporsi data, sementara hasil terbaik pada nilai epoch diperoleh dengan 100 epoch untuk semua proporsi data. Dengan demikian, penelitian ini menegaskan bahwa CNN efektif dalam mengklasifikasikan kualitas telur berdasarkan warna cangkang, yang dapat memberikan kemudahan bagi pedagang dan peternak telur dalam memilih telur berkualitas.
IoT Innovation System and Environmental Classification of Hermetia Illucens Larvae in Malang City Afrianto, Eko; Ursaputra, Lionardi
PANGRIPTA Vol. 7 No. 2 (2024): Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan
Publisher : Badan Perencanaan Pembangunan Kota Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58411/pk62y985

Abstract

This study presents an innovative intelligent system based on the Internet of Things (IoT) designed to monitor and classify the environmental conditions of Hermetia illucens larvae in real-time. This system integrates several sensors to measure important parameters such as temperature, humidity, and media height, which are then processed using the K-Nearest Neighbor (K-NN) algorithm. The K-NN algorithm groups environmental data into three categories: optimal, moderate, and poor, which will help identify the best conditions for larval growth. Data obtained from the system is automatically sent to a mobile application via an IoT network, allowing users to monitor the development of larval conditions anytime and anywhere. Testing showed a classification accuracy of 87.7%, making this system a potential tool in supporting the biodegradation process of organic waste more efficiently.
Co-Authors Afrianto, Eko Akbar, Ismail Fatriana Kadir, Shaifany Firman Nurdiyansyah