Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Multitek Indonesia : Jurnal Ilmiah
Kusumastuti, Rajnapramitha
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA CNN EFFCIENTNET Kusumastuti, Rajnapramitha; Dwi Putra, Tommy; Zulfahmi Yudam, Zaky
MULTITEK INDONESIA Vol 17, No 2 (2023): Desember
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i2.10085

Abstract

Tanaman jagung termasuk jenis makanan pokok dengan jumlah konsumsi tinggi sebagai makanan pokok yang ada di Indonesia. Dengan jumlah konsumsi yang tinggi, maka produksi tanaman jagung juga memiliki tingkat tanam yang juga tinggi. Untuk mengidentifikasi jenis penyakit daun dalam skala tanam yang besar tidak mudah dilakukan dengan cara manual karena membutuhkan ketelitian dan memakan waktu yang cukup lama. Penelitian ini bertujuan untuk mengindentifikasi penyakit daun jagung menggunakan metode convolutional neural network (CNN) dengan arsitektur effcientNetB1, effcientNetB2, dan efficienetNetB3. Penelitian menggunakan dataset sebanyak 4118 citra dengan ukuran 260 x 260 dan membagi dataset dengan persentase data pelatihan sebesar 80% dengan 10% data uji dan 10% data validasi. Hasil pengujian menunjukan arsitektur dari efficienNet memiliki nilai akurasi yang tinggi sebesar 97.77%.
KLASIFIKASI CITRA PENYAKIT DAUN JAGUNG MENGGUNAKAN ALGORITMA CNN EFFCIENTNET Kusumastuti, Rajnapramitha; Dwi Putra, Tommy; Zulfahmi Yudam, Zaky
MULTITEK INDONESIA Vol 17 No 2 (2023): Desember
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v17i2.10085

Abstract

Tanaman jagung termasuk jenis makanan pokok dengan jumlah konsumsi tinggi sebagai makanan pokok yang ada di Indonesia. Dengan jumlah konsumsi yang tinggi, maka produksi tanaman jagung juga memiliki tingkat tanam yang juga tinggi. Untuk mengidentifikasi jenis penyakit daun dalam skala tanam yang besar tidak mudah dilakukan dengan cara manual karena membutuhkan ketelitian dan memakan waktu yang cukup lama. Penelitian ini bertujuan untuk mengindentifikasi penyakit daun jagung menggunakan metode convolutional neural network (CNN) dengan arsitektur effcientNetB1, effcientNetB2, dan efficienetNetB3. Penelitian menggunakan dataset sebanyak 4118 citra dengan ukuran 260 x 260 dan membagi dataset dengan persentase data pelatihan sebesar 80% dengan 10% data uji dan 10% data validasi. Hasil pengujian menunjukan arsitektur dari efficienNet memiliki nilai akurasi yang tinggi sebesar 97.77%.
Co-Authors Dwi Putra, Tommy Tommy Dwi Putra Zulfahmi Yudam, Zaky