Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Manajemen Dan Akuntansi Medan RJOCS (Riau Journal of Computer Science)
Ayu Puspita Sari Sinaga
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
Evaluasi Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Jagung Menggunakan Pendekatan Systematic Literature Review Riski Rahmadan; Nurliani; Efendi Rahayu; Saudah; Ayu Puspita Sari Sinaga; Enda Ribka Meganta P
RJOCS (Riau Journal of Computer Science) Vol. 11 No. 1 (2025): RJOCS (Riau Journal of Computer Science)
Publisher : Fakultas Ilmu Komputer, Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjocs.v11i1.3068

Abstract

Penyakit pada tanaman jagung dapat menyebabkan kerugian besar dalam produksi pangan, yang berdampak pada perekonomian Indonesia. Salah satu metode yang berkembang untuk mendeteksi dan mengklasifikasikan penyakit tanaman adalah penggunaan Convolutional Neural Network (CNN), yang telah terbukti efektif dalam analisis citra. Penelitian ini bertujuan untuk mengevaluasi dan menganalisis penerapan CNN dalam klasifikasi penyakit pada daun jagung, dengan merujuk pada studi literatur yang ada. Melalui pendekatan Systematic Literature Review (SLR), penelitian ini menilai berbagai arsitektur CNN yang diterapkan pada klasifikasi penyakit tanaman, termasuk jagung, cabai, kentang, dan lada. Hasil penelitian menunjukkan bahwa metode CNN, khususnya dengan arsitektur seperti EfficientNet, mampu memberikan akurasi yang tinggi, dengan rata-rata akurasi sebesar 93.76%. Arsitektur CNN yang berbeda menunjukkan performa yang bervariasi tergantung pada dataset dan teknik preprocessing yang digunakan. Penelitian ini memberikan wawasan tentang bagaimana model CNN dapat dioptimalkan untuk mendeteksi penyakit tanaman dengan akurasi yang lebih baik, serta mengidentifikasi tantangan dan potensi dalam penerapannya pada berbagai jenis tanaman
Analisis Penerapan Big Data Analytics dalam Optimalisasi Manajemen Persediaan Ayu Puspita Sari Sinaga
Jurnal Manajemen Dan Akuntansi Medan Vol. 6 No. 1 (2024): Jurnal Manajemen Dan Akuntansi Medan
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/jumansi.v6i1.8052

Abstract

Latar belakang: Transformasi digital mendorong perusahaan memanfaatkan Big Data Analytics untuk meningkatkan akurasi perencanaan dan pengendalian persediaan. Tujuan: Penelitian ini bertujuan menganalisis pengaruh penerapan Big Data Analytics terhadap optimalisasi manajemen persediaan. Metode: Penelitian menggunakan pendekatan kuantitatif dengan metode survei terhadap 120 manajer operasional dan logistik dan dianalisis menggunakan SEM-PLS. Hasil: Kapabilitas Big Data Analytics berpengaruh positif terhadap akurasi peramalan dan efisiensi persediaan.
Co-Authors Efendi Rahayu Enda Ribka Meganta P Nurliani Riski Rahmadan Saudah