Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal International Journal of Integrative Sciences JRIIN :Jurnal Riset Informatika dan Inovasi
Mahromi, Muhammad
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Industrial & Manufacturing Engineering Social Sciences

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

Found 2 Documents
Search

 1 
Klasifikasi Penyakit Daun Tanaman Menggunakan Convolutional Neural Network (CNN) Mahromi, Muhammad; Iqbal Maulana, Muhammad; Alfiansyah, Muhammad; Alfis Ramadhan, Fazzil
Jurnal Riset Informatika dan Inovasi Vol 2 No 7 (2024): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Penentuan penyakit daun pada tanaman merupakan aspek penting dalam menjaga produktivitas dan kesehatan tanaman. Teknik tradisional dalam mendiagnosis penyakit tanaman seringkali memerlukan waktu, tenaga, serta keahlian khusus, sehingga kurang efisien. Oleh karena itu, pengembangan metode berbasis kecerdasan buatan, khususnya Convolutional Neural Network (CNN), menjadi sangat relevan. Penelitian ini bertujuan untuk mengembangkan model CNN yang mampu mengklasifikasikan jenis-jenis penyakit daun tanaman secara otomatis dan akurat berdasarkan citra daun. Data yang digunakan terdiri dari kumpulan gambar daun dengan berbagai kategori penyakit. Model CNN diimplementasikan dan diuji pada dataset yang relevan untuk mengevaluasi kinerja sistem. Hasil dari eksperimen menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi yang signifikan dalam mendeteksi dan mengklasifikasikan penyakit daun, yang membuktikan efektivitas pendekatan CNN dalam bidang ini. Penggunaan model CNN ini diharapkan dapat membantu petani dan praktisi dalam mendeteksi penyakit tanaman dengan lebih cepat dan akurat, sehingga dapat meningkatkan produktivitas serta mengurangi kerugian yang diakibatkan oleh penyakit tanaman.
Classification of Plant Leaf Diseases Using Convolutional Neural Networks Teti Desyani; Mahromi, Muhammad; Ramadhan, Fazzil Alfis; Alfiansyah, Muhammad; Maulana, Muhammad Iqbal; Rosyani, Perani
International Journal of Integrative Sciences Vol. 4 No. 1 (2025): January 2025
Publisher : PT FORMOSA CENDEKIA GLOBAL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55927/ijis.v4i1.13478

Abstract

Leaf diseases significantly impact agricultural productivity and economic stability. This study explores the use of Convolutional Neural Networks (CNN) for classifying plant leaf diseases, addressing limitations of traditional visual inspection methods. Utilizing a Kaggle dataset with three classes (Healthy, Powdery, Rust), data preprocessing techniques such as resizing, augmentation, and normalization enhanced model performance. The CNN model achieved 95% accuracy in classification, demonstrating its capability to detect intricate patterns on leaf surfaces. Despite challenges like dataset imbalance and limited disease categories, the research highlights the potential of integrating CNN with web or mobile platforms to aid farmers in disease identification. These findings align with previous studies and underscore the importance of deep learning in agricultural innovation. Future research should focus on expanding datasets, exploring advanced architectures, and validating models under real-world conditions to maximize utility and accuracy in diverse environments
Co-Authors Alfis Ramadhan, Fazzil Iqbal Maulana, Muhammad Maulana, Muhammad Iqbal Muhammad Alfiansyah Perani Rosyani Ramadhan, Fazzil Alfis Teti Desyani