Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Reputasi: Jurnal Rekayasa Perangkat Lunak
Yuda, Andika Kurnia Sandi
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Implementasi Prediksi Tanaman Herbal Menggunakan Algoritma Convolutional Neural Network Berbasis Android. Yuda, Andika Kurnia Sandi; Ahmad, Setiadi
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 4 No. 2 (2023): November 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v4i2.2403

Abstract

Indonesia terkenal kaya akan sumber bahan obat tradisional dan obat alam yang dimanfaatkan oleh sebagian besar masyarakatnya secara turun-temurun. Sumber bahan obat tradional dan obat alam tersebut didapatkan dari tumbuhan herbal yang diketahui memiliki senyawa tertentu yang bermanfaat bagi kesehatan. Kandungan senyawa pada tumbuhan herbal dijumpai pada organ tubuh tumbuhan, salah satunya daun. Berdasarkan pengamatan, terdapat bentuk morfologi daun, warna daun, dan tekstur daun. Selain itu, terdapat karakter daun, yang meliputi pinggiran daun, ujung daun, pangkal daun, permukaan daun, dan tipe daun. penelitian ini memiliki tujuan khusus dan tujuan umum, Tujuan umum penelitian ini adalah mengembangkan dan menguji model CNN untuk klasifikasi tanaman, serta mengukur kinerjanya. Penelitian ini memiliki tujuan khusus untuk menguji model CNN dalam klasifikasi tanaman dan membandingkan akurasinya dengan model-model lain. metode penelitian ini memakai dua metode yaitu studi pustaka dan observasi yaitu studi pustaka dengan cara mengumpulkan data dari buku,jurnal,dan internet sedangkan observasi dengan cara pengumpulan data tumbuhan herbal memakai 2 dataset. adapun hasil dari penelitian ini adalah dengan adanya perancangan aplikasi jyupiter cure, diharapkan dapat membantu masyarakat dalam mengenali jenis tanaman herbal berdasarkan citra daunnya serta memberikan informasi mengenai dari tanaman tersebut. Kata kunci: prediksi tanaman herbal, convolution neural network, android
Implementasi Prediksi Tanaman Herbal Menggunakan Algoritma Convolutional Neural Network Berbasis Android. Yuda, Andika Kurnia Sandi; Ahmad, Setiadi
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 4 No. 2 (2023): November 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v4i2.2403

Abstract

Indonesia terkenal kaya akan sumber bahan obat tradisional dan obat alam yang dimanfaatkan oleh sebagian besar masyarakatnya secara turun-temurun. Sumber bahan obat tradional dan obat alam tersebut didapatkan dari tumbuhan herbal yang diketahui memiliki senyawa tertentu yang bermanfaat bagi kesehatan. Kandungan senyawa pada tumbuhan herbal dijumpai pada organ tubuh tumbuhan, salah satunya daun. Berdasarkan pengamatan, terdapat bentuk morfologi daun, warna daun, dan tekstur daun. Selain itu, terdapat karakter daun, yang meliputi pinggiran daun, ujung daun, pangkal daun, permukaan daun, dan tipe daun. penelitian ini memiliki tujuan khusus dan tujuan umum, Tujuan umum penelitian ini adalah mengembangkan dan menguji model CNN untuk klasifikasi tanaman, serta mengukur kinerjanya. Penelitian ini memiliki tujuan khusus untuk menguji model CNN dalam klasifikasi tanaman dan membandingkan akurasinya dengan model-model lain. metode penelitian ini memakai dua metode yaitu studi pustaka dan observasi yaitu studi pustaka dengan cara mengumpulkan data dari buku,jurnal,dan internet sedangkan observasi dengan cara pengumpulan data tumbuhan herbal memakai 2 dataset. adapun hasil dari penelitian ini adalah dengan adanya perancangan aplikasi jyupiter cure, diharapkan dapat membantu masyarakat dalam mengenali jenis tanaman herbal berdasarkan citra daunnya serta memberikan informasi mengenai dari tanaman tersebut. Kata kunci: prediksi tanaman herbal, convolution neural network, android
Co-Authors Ahmad Setiadi Ahmad, Setiadi