Article Per Year (5 Year)
p-Index From 2021 - 2026
1.704
P-Index
This Author published in this journals
All Journal Insect (Informatics and Security) : Jurnal Teknik Informatika Journal of Information Systems and Informatics bit-Tech Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) International Journal of Informatics, Information System and Computer Engineering (INJIISCOM) TRANSFORMASI : JURNAL PENGABDIAN PADA MASYARAKAT Jurnal Islam Nusantara Jurnal Informatika Progres Malcom: Indonesian Journal of Machine Learning and Computer Science
Aras, Suhardi
Unknown Affiliation
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Deteksi Tingkat Kematangan Buah Tomat Menggunakan YOLOv5: Detection of Tomato Fruit Ripeness Level Using YOLOv5 Aras, Suhardi; Tanra, Putriana; Bazhar, Muhammad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 2 (2024): MALCOM April 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i2.1270

Abstract

Deteksi kematangan tomat sangat penting untuk pertanian dan industri pertanian. Pendekatan pembelajaran mendalam baru-baru ini menunjukkan bahwa mereka dapat menangani masalah yang melibatkan deteksi objek, termasuk deteksi buah. Untuk menentukan tingkat kematangan tomat, algoritma You Only Look Once (YOLOv5) akan digunakan dalam penelitian ini. Teknik ini menggunakan satu tahap yang menyatukan proses lokalisasi dan deteksi. Dataset yang kami gunakan untuk pelatihan dan pengujian algoritma YOLOv5 berisi gambar tomat pada berbagai tahap kematangan. 981 total foto untuk data train, 121 data validasi, dan 64 data test. Temuan pengujian menunjukkan akurasi yang sangat baik dengan mana algoritma YOLOv5 dapat mengidentifikasi dan mengkategorikan kematangan tomat. Studi ini memajukan teknik untuk mendeteksi kematangan buah dan dapat diterapkan pada kontrol kualitas tomat sektor pertanian. Temuan penelitian ini ditunjukkan oleh nilai akurasi deteksi maksimum, yaitu 73%.
Co-Authors Ainun K.D.P, Nofryanti Anang, Alfikran Bazhar, Muhammad Faridah, Alfiyyah Fitrah Pasaribu, Andi Muhammad Hartinah Jafar, Lili Septiani Kelian, Maya Nurliati Maimunah, Anggun Malino, Agniel Lorensyus Muhammad Yusuf Mutmainna, Mutmainna Muzakkir Pangri Pala'langan, Elsa Bura Paliyama, Yuchiro Heizkia Reenhard Rahman, Muh Fadhil Ramadhan, Ridho Bintang REZKI, REZKI Ruimassa, Reinhard Yohanis S, Ilham Soekarta, Rendra Surahmanto Syawalludin, Syawalludin Tanra, Putriana Tawainella, Annisa Iriani Umasugi, Edwin Wambrauw, Elli Agustinus Billi