Dwi Zahra Putri, Raisya
Unknown Affiliation

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

Found 2 Documents
Search

OPTIMALISASI PREDIKSI IMPOR BUAH-BUAHAN DARI NEGARA AUSTRALIA MENGGUNAKAN SIMULASI MONTE CARLO Dwi Zahra Putri, Raisya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10136

Abstract

Optimalisasi prediksi impor buah-buahan dari Negara Australia merupakan aspek penting dalam manajemen rantai pasok dan kebijakan perdagangan. Pertumbuhan permintaan buah-buahan yang terus meningkat, didorong oleh perubahan pola makan yang lebih sehat dan peningkatan daya beli, menimbulkan tantangan dalam memastikan ketersediaan pasokan yang memadai. Penelitian ini bertujuan untuk mengoptimalkan prediksi jumlah impor buah-buahan dari Negara Australia menggunakan metode simulasi Monte Carlo, dan diharapkan prediksi yang dihasilkan akan lebih akurat dan bermanfaat dalam perencanaan serta pengambilan keputusan terkait impor buah-buahan. Hasil penelitian menunjukkan bahwa metode Monte Carlo efektif dalam memprediksi jumlah impor buah-buahan dari Negara Australia dengan tingkat akurasi mencapai 98%, yang menunjukkan bahwa metode ini sangat andal. Dengan prediksi yang akurat ini, para pemangku kepentingan dapat merancang strategi impor yang lebih tepat dan efisien, memastikan ketersediaan pasokan buah-buahan yang stabil, mengurangi risiko kekurangan atau kelebihan stok, serta mengoptimalkan biaya dan sumber daya. Pada akhirnya, hasil ini berkontribusi pada peningkatan efisiensi rantai pasok dan kepuasan konsumen.
IDENTIFIKASI JENIS REMPAH-REMPAH INDONESIA DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16 Maulana, Raihan; Dwi Zahra Putri, Raisya; Ade Amelia, Tasya; Syahputra, Hermawan; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10138

Abstract

Indonesia merupakan negara yang kaya akan rempah-rempah alami, sebuah kekayaan alam yang telah menjadi bagian integral dari budaya dan ekonomi nasional. Rempah-rempah Indonesia tidak hanya digunakan dalam masakan sehari-hari tetapi juga diekspor ke berbagai negara, menjadikannya komoditas penting yang perlu dijaga keberadaannya dengan baik. Meskipun begitu, membedakan berbagai jenis rempah menjadi tantangan bagi sebagian masyarakat. Hal ini disebabkan oleh kurangnya pengetahuan masyarakat tentang bentuk asli rempah, serta minimnya keterlibatan langsung dalam pengolahannya. Kesulitan ini berdampak pada pengenalan dan penggunaan rempah yang kurang optimal, baik di tingkat rumah tangga maupun industri. Untuk mengatasi tantangan ini, penelitian ini bertujuan mengembangkan sebuah sistem berbasis teknologi yang dapat membantu masyarakat mengenali berbagai jenis rempah secara akurat. Sistem yang dikembangkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG16, yang dirancang untuk mengidentifikasi berbagai jenis rempah-rempah secara efektif dan efisien. CNN telah terbukti sebagai metode pembelajaran mendalam yang sangat efektif dalam mengklasifikasikan objek berdasarkan ciri-ciri visualnya. Dalam penelitian ini, dataset citra rempah terdiri dari tiga puluh satu kelas, masing-masing kelas memiliki 210 citra, dengan total 6510 citra. Model CNN yang digunakan dalam penelitian ini mengimplementasikan arsitektur VGG16, yang terdiri dari beberapa lapisan konvolusi untuk mengekstraksi fitur visual dari citra, diikuti oleh lapisan fully connected untuk melakukan klasifikasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi tertinggi sebesar 86,66% dalam mengklasifikasikan citra-citra rempah. Akurasi ini menunjukkan bahwa model mampu mengenali berbagai jenis rempah dengan cukup baik, meskipun terdapat beberapa kelas yang masih mengalami kesulitan dalam prediksi. Pendekatan ini tidak hanya memberikan solusi modern namun juga mudah diakses untuk mengenali rempah-rempah, sehingga dapat membantu masyarakat dalam membedakan jenis-jenis rempah secara lebih efektif dan efisien.