Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Sutrisna, Naufal Putra
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Deteksi Tingkat Kematangan Buah Pepaya menggunakan Model Convolutional Neural Network Sutrisna, Naufal Putra; Sahirah, Rafifa Addin; Laksono, Khansa Salsabila Sangdiva; Permadhi, Raditya Atmaja Satria; Nurannisa, Nadhira; Larasati, Saqina Salsabila; Asmani, Wahayu Widyaning; Yudistira, Novanto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938119

Abstract

Pepaya merupakan buah yang memiliki banyak manfaat dengan nilai gizi yang tinggi. Setiap 100 gram  pepaya mengandung 3,65 mg vitamin A dan 78 mg vitamin C. Salah satu keunggulan pepaya adalah kemampuannya untuk berbuah terus menerus, apapun musimnya. Kematangan buah pepaya dapat ditentukan oleh tekstur dan warna kulit buahnya. Deteksi tingkat kematangan buah pepaya memiliki signifikansi penting dalam industri pertanian dan pengelolaan persediaan makanan. Metode konvensional seringkali mengalami keterbatasan dalam akurasi dan efisiensi dalam pengidentifikasian kematangan buah pepaya. Dalam penelitian ini, diperkenalkan pendekatan inovatif dengan menggunakan Convolutional Neural Network (CNN) untuk mengatasi permasalahan tersebut. Dataset yang digunakan merupakan dataset gambar buah pepaya dalam berbagai tingkat kematangan. Dataset kemudian dilatih menggunakan model CNN untuk mengklasifikasikan buah pepaya berdasarkan warna kulit dan fitur visual lainnya. Hasil eksperimen menunjukkan bahwa model CNN yang digunakan mampu mengidentifikasi tingkat kematangan buah pepaya dengan tingkat akurasi yang tinggi, yaitu sebesar 96,63% sehingga dapat menghasilkan solusi yang andal dan efisien.
Klasifikasi Penyakit Alzheimer Pada Citra MRI Menggunakan Pretrained VGG-19 dan Pengolahan Citra CLAHE Sutrisna, Naufal Putra; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 4 (2025): April 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit Alzheimer adalah gangguan neurologis yang memengaruhi sistem saraf di otak dan menjadi salah satu penyebab utama penurunan fungsi kognitif. Dalam mendeteksi Alzheimer, citra Magnetic Resonance Imaging (MRI) menjadi salah satu alat diagnostik yang efektif karena mampu menampilkan detail anatomi otak dengan jelas. Namun, kualitas citra yang rendah dapat memengaruhi performa model dalam analisis citra medis, sehingga penggunaan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) diterapkan untuk meningkatkan kualitas citra. Salah satu pendekatan yang dapat digunakan untuk mengolah data MRI adalah deep learning. Penelitian ini menggunakan pendekatan deep learning berbasis arsitektur pretrained VGG-19. Arsitektur ini dikenal sebagai salah satu yang terbaik dalam klasifikasi gambar, khususnya untuk tugas pencitraan medis seperti MRI. Penelitian ini diawali dengan pemrosesan citra menggunakan teknik pengolahan citra CLAHE dengan konfigurasi parameter clip limit sebesar 1 dan tile grid sebesar 2. Model dilatih menggunakan optimizer Adam dan learning rate sebesar 0,001. Hasil penelitian menunjukkan bahwa model mencapai nilai F1 Score sebesar 93,91%, dengan performa terbaik dalam mengklasifikasikan data minoritas. Penelitian ini menunjukkan keberhasilan dalam melakukan kombinasi arsitektur VGG-19 dan pengolahan citra CLAHE untuk klasifikasi Alzheimer secara akurat.
Co-Authors Asmani, Wahayu Widyaning Budi Darma Setiawan Lailil Muflikhah Laksono, Khansa Salsabila Sangdiva Larasati, Saqina Salsabila Novanto Yudistira Nurannisa, Nadhira Permadhi, Raditya Atmaja Satria Sahirah, Rafifa Addin