Masri Wahyuni
Akademi Manajemen Informatika dan Komputer Polibisnis

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

Found 2 Documents
Search

Klasifikasi Penyakit Daun Tomat dengan Perbandingan Fungsi Aktivasi Multi Layer Perceptron Masri Wahyuni
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14351

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi pendeteksian penyakit daun tomat melalui kombinasi arsitektur Convolutional Neural Network (CNN) VGG-16 dan Multi-Layer Perceptron (MLP) dengan berbagai fungsi aktivasi. Dataset yang digunakan terdiri dari 1.000 gambar daun tomat, terbagi menjadi 10 kategori penyakit, termasuk Tomato Bacterial Spot, Early Blight, Late Blight, dan Tomato Mosaic Virus. Tiga model klasifikasi MLP diuji, masing-masing dengan fungsi aktivasi sigmoid, tanh, dan ReLU, menggunakan aplikasi Orange 3. Evaluasi dilakukan dengan metrik akurasi, presisi, dan recall melalui proses validasi silang 10-fold. Hasil menunjukkan bahwa fungsi aktivasi tanh (MLP-2) memberikan performa terbaik dengan akurasi, presisi, dan recall sebesar 0,797, diikuti oleh ReLU (MLP-3) dengan nilai 0,78, sedangkan sigmoid (MLP-1) mencatatkan performa terendah dengan akurasi 0,721. Analisis confusion matrix mengungkapkan bahwa kesalahan klasifikasi sering terjadi pada kelas dengan kemiripan visual, seperti Early Blight dan Late Blight. Model MLP-2 menunjukkan keunggulan dalam menangkap pola non-linear antar fitur, sementara MLP-3 menawarkan keseimbangan antara efisiensi dan akurasi. Kesimpulan menunjukkan bahwa kombinasi VGG-16 dan MLP dengan fungsi aktivasi tanh adalah pendekatan optimal untuk pendeteksian penyakit daun tomat. Penelitian ini memberikan kontribusi signifikan terhadap pengembangan sistem deteksi dini penyakit tanaman, yang berpotensi membantu peningkatan kualitas dan kuantitas produksi tomat. Teknik augmentasi data, optimasi parameter, dan pembobotan ulang kelas direkomendasikan untuk peningkatan performa lebih lanjut.
Analisis Pola Perilaku Penggunaan Game Online pada Remaja Menggunakan Algoritma K-Means Fitriana Harahap; Husin Sariangsah; Masri Wahyuni; Robiatul Adawiyah; Ermayanti Astuti; Rita Novita Sari
Jurnal Minfo Polgan Vol. 15 No. 1 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i1.16058

Abstract

Perkembangan game online yang semakin pesat telah memengaruhi pola perilaku remaja, baik dari aspek sosial, psikologis, maupun akademik. Intensitas penggunaan game online yang tidak terkontrol berpotensi menimbulkan berbagai permasalahan, sehingga diperlukan analisis berbasis data untuk mengidentifikasi pola perilaku penggunaan game online secara objektif. Penelitian ini bertujuan untuk menganalisis pola perilaku penggunaan game online pada remaja dengan menerapkan teknik clustering dalam data mining berbasis tools. Data penelitian diperoleh melalui kuesioner terstruktur yang melibatkan variabel id_responden, usia, jenis_kelamin, frekuensi_bermain, durasi_bermain, jenis_game, waktu_bermain, tujuan_bermain, tingkat_keterlibatan, dan pengeluaran_game. Tahapan penelitian meliputi data preprocessing yang mencakup pembersihan data, transformasi, dan normalisasi, dilanjutkan dengan penerapan algoritma clustering menggunakan tools data mining. Metode K-Means digunakan untuk mengelompokkan responden ke dalam beberapa klaster berdasarkan tingkat kemiripan pola perilaku bermain game online. Hasil penelitian menunjukkan terbentuknya beberapa klaster yang merepresentasikan karakteristik perilaku remaja, seperti klaster dengan intensitas bermain rendah, sedang, dan tinggi. Setiap klaster memiliki karakteristik yang berbeda, terutama pada variabel frekuensi_bermain, durasi_bermain, tingkat_keterlibatan, dan pengeluaran_game. Hasil pengelompokan ini diharapkan dapat memberikan gambaran yang komprehensif mengenai pola perilaku penggunaan game online pada remaja serta menjadi dasar bagi orang tua, pendidik, dan pemangku kebijakan dalam merancang strategi pencegahan dan pengendalian penggunaan game online yang lebih efektif dan berbasis data.