Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ihsan Muttaqin, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 3 Documents
Search

 1 
IMPLEMENTASI METODE DEEP LEARNING UNTUK MENENTUKAN TINGKAT KEMATANGAN BUAH PEPAYA CALIFORNIA Ihsan Muttaqin, Muhammad; Stefanie, Arnisa; Nurpulaela, Lela
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6948

Abstract

Perkembangan teknologi kecerdasan buatan pada saat ini sangat cepat dan digunakan pada berbagai industri. Pemanfaatan teknologi kecerdasan buatan ini harus dapat dioptimalkan pada seluruh bidang kehidupan manusia agar pekerjaan manusia jadi lebih mudah, salah satunya bidang pada bidang pertanian. Saat ini penggunaan kecerdasan buatan pada bidang pertanian masih belum maksimal, seperti pada buah pepaya, Buah pepaya memiliki kandungan gizi dan vitamin yang bagus membuatnya banyak dikonsumsi oleh masyarakat Indonesia. Namun, para petani saat ini masih menentukan tingkat kematangan buah secara manual yang hasilnya kurang optimal karena faktor manusia. Peneliti membuat sistem untuk mengidentifikasi tingkat kematangan buah pepaya California dengan metode pembelajaran mendalam yaitu MobileNet-SSD V2, suatu algoritma object detection yang merupakan pengembangan dari metode CNN yang mampu bekerja pada perangkat dengan sumber daya terbatas dengan num steps sebanyak 20000 dan dataset sebanyak 300 gambar
IMPLEMENTASI INTERNET OF THINGS PADA SISTEM MONITORING KEMATANGAN BUAH PEPAYA CALIFORNIA DENGAN METODE DEEP LEARNING Viola Widyasari, Sherina; Ihsan Muttaqin, Muhammad; Putri Ananda, Tariska; Stefanie, Arnisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6953

Abstract

Indonesia merupakan negara agraris dengan sumber pangan yang melimpah. Saat ini Indonesia menemui potensi yang tinggi dalam budidaya hortikultura. Salah satu tanaman hortikultura yang banyak dibudidayakan adalah Pepaya California (Carica Papaya L.). Dalam era Industri 4.0 yang ditandai dengan kemajuan teknologi yang pesat, petani buah papaya california masih menggunakan metode pemantauan konvensional. Padahal, penggunaan teknologi pra-panen dapat berperan penting dalam menentukan hasil panen baik dari segi kualitas maupun kuantitas. Oleh karena itu dibuatlah sebuah sistem monitoring memanfaatkan teknologi Internet of Things untuk kematangan buah papaya california berbasis website dengan menggunakan metode deep learning dan mikrokontroller Raspberry Pi. Data yang diambil dengan kamera webcam akan tersimpan di database MySQL dan ditampilkan ke halaman website dengan keterangan tingkat kematangan, waktu deteksi, dan dokumentasi yang diambil saat sistem mendeteksi. Dari hasil data yang didapatkan, 15 buah terdeteksi dengan tingkat kematangan Setengah Matang 3 buah dan 12 buah Mentah. Paparan cahaya matahari menjadi faktor hasil deteksi. Pengujian pengiriman data yang dilakukan dengan metode Quality of Service, didapatkan hasil sangat bagus dengan Throughput sebesar 4034 Kb/s dan Packet Loss sebesar 0,4%.
IDENTIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Putri Ananda, Tariska; Viola Widyasari, Sherina; Ihsan Muttaqin, Muhammad; Stefanie, Arnisa
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.7137

Abstract

Buah pepaya merupakan salah satu buah yang populer bagi masyarakat indonesia. Namun kondisi saat ini, untuk menentukan tingkat kematangan buah pepaya hanya dengan kemampuan manusia secara manual dengan visual mata manusia. Kegiatan perdagangan luar negeri serta pertukaran barang sangat menguntungkan bagi para petani buah pepaya dan jenis buah lainnya. Oleh karena itu, diperlukan suatu sistem otomatisasi yang mampu mengidentifikasi tingkat kematangan buah pepaya. Hal ini bertujuan untuk memastikan bahwa proses pemilihan buah dilakukan secara optimal. Sistem yang dirancang untuk mengklasifikasikan tingkat kematangan buah papaya menggunakan metode deep learning CNN (Convolutional Neural Network). Model ini mampu memprediksi tingkat kematangan pepaya dengan memanfaatkan parameter warna buah dan membagi ke dalam 3 kelas yaitu unmature (mentah), partially mature (setengah matang), dan mature (matang). Model yang dibangun menggunakan dataset sebanyak 300 foto buah pepaya untuk proses training dan testing. Hasil yang didapatkan yaitu accuracy sebesar 99% dengan nilai validasi sebesar 97%.
Co-Authors Arnisa Stefanie Lela Nurpulaela Putri Ananda, Tariska Viola Widyasari, Sherina