Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jambura Journal of Informatics Jusikom: Jurnal Sistem Informasi Ilmu Komputer Abdiformatika: Jurnal Pengabdian Masyarakat Informatika
Nurmayanti, Trisya
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Comparison of K-Nearest Neighbors and Convolutional Neural Network Algorithms in Potato Leaf Disease Classification Nurmayanti, Trisya; Hartini, Dina; Rohana, Tatang; Lestari, Santi Arum Puspita; Wahiddin, Deden
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 8 No. 1 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v8i1.5337

Abstract

tatang.rohana@ubpkarawang.ac.id3, santi.arum@ubpkarawang.ac.id4, deden.wahiddin@ubpkarawang.ac.id5ABSTRACTPotato production in Central Java was recorded to have decreased by 10.77% by the Central Statistics Agency (BPS), from 278,717 tons in 2022 to 248,700 tons in 2023. This decline is due to the fact that potatoes are susceptible to diseases such as late blight and dry spot (early blight) which can significantly reduce yields. This study aims to evaluate the performance of Convolutional Neural Network (CNN) with VGG16 architecture and K-Nearest Neighbors (KNN) to find the best method for potato late blight classification. The dataset used consists of 1500 potato leaf images divided into training, validation, and testing. This research uses pre- processing including resizing, rescaling, and data augmentation. The results show that CNN with the VGG16 model is superior in classifying potato leaf diseases compared to KNN with the MobileNetV2 model. CNN produced an accuracy of 96% while KNN with the MobileNetV2 model obtained an accuracy of 93%. These results can be used as a powerful tool in supporting potato leaf disease identification. This model makes a significant contribution to the development of disease identification techniques through digital image processing.Keywords: Potato Leaf Disease, Convolutional Neural Network, VGG16, K-Nearest
Evaluasi Kinerja Algoritma AdaBoost dan XGBoost Menggunakan Dataset Penyakit Obesitas Pada Populasi Dewasa Sukmawati, Cici Emilia; Nur Masruriyah, Anis Fitri; Juwita, Ayu Ratna; Tejayanda, Rigger Damaiarta; Nurmayanti, Trisya
Jambura Journal of Informatics VOL 6, N0 2: OKTOBER 2024
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jji.v6i2.27342

Abstract

Penelitian ini membahas terkait evaluasi kinerja AdaBoost dan XGBoost pada penyakit obesitas . Penelitian tersebut menggunakan dataset yang diperoleh dari sumber kaggle dengan jumlah data 2111 dengan 17 atribut. Selanjutnya, data tersebut dilakukkan preprocessing data sehingga berkurang menjadi 591 data. Kemudian, data tersebut dilakukan split data dengan perbandingan 70:30 dengan rincian data uji 119 dan data training sebanyak 472. Pengujian dilakukan menggunakan accuracy, precision dan recall. Berdasarkan hasil penelitian yang telah dilakukan, bahwa metode XGBoost terbukti lebih unggul dibandingkan dengan AdaBoost. Adapun accuracy, precision dan recall sebesar 92%. Sedangkan untuk accuracy dan recall untuk metode AdaBoost sebesar 40% sertaa precision 39%.
Membangun Identitas Digital Workshop Pembuatan Website Dengan Wordpress (Pesantren At-Taubah Karawang) Sukmawati, Cici Emilia; Juwita, Ayu Ratna; Novalia, Elfina; Nurmayanti, Trisya; Tejayanda, Rigger Damaiarta; Faisal, Muhamad Agus
Abdiformatika: Jurnal Pengabdian Masyarakat Informatika Vol. 4 No. 1 (2024): Mei 2024 - Abdiformatika: Jurnal Pengabdian Masyarakat Informatika
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/abdiformatika.v4i1.209

Abstract

Workshop "Membangun Identitas Digital: Workshop Pembuatan Website dengan WordPress" di Pesantren At Taubah Karawang merupakan kegiatan yang bertujuan untuk memberikan pemahaman dan keterampilan kepada peserta dalam membangun identitas digital lembaga pendidikan melalui pembuatan dan pengelolaan website. Workshop ini berhasil mencapai beberapa hasil yang signifikan, antara lain pemahaman konsep identitas digital yang lebih baik, keterampilan penggunaan platform WordPress yang lebih mahir, dan peningkatan kualitas konten digital lembaga. Selain memberikan manfaat bagi Pesantren At Taubah Karawang dalam memperkuat identitas digitalnya, workshop ini juga memberikan dampak positif jangka panjang dalam pengembangan sumber daya manusia dan pemberdayaan masyarakat di era digital saat ini. Saran yang diberikan meliputi pengembangan konten berkelanjutan, pemanfaatan media sosial, peningkatan interaksi dengan pengguna, pelatihan dan pembinaan lanjutan, serta evaluasi dan pembaruan reguler terhadap website. Diharapkan workshop ini dapat menjadi langkah awal yang bermanfaat bagi Pesantren At Taubah Karawang dalam memanfaatkan teknologi digital untuk meningkatkan kualitas pendidikan dan pelayanan kepada masyarakat.
Co-Authors Faisal, Muhamad Agus Fitri Nur Masruriyah, Anis Hartini, Dina Juwita, Ayu Ratna Lestari, Santi Arum Puspita Novalia, Elfina Rohana, Tatang Sukmawati, Cici Emilia Tejayanda, Rigger Damaiarta Wahiddin, Deden