Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA ) Jurnal Bakti Nusa
Anugrah, Febrian Rizky
Unknown Affiliation
Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science

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

Found 2 Documents
Search

 1 
KLASIFIKASI IKAN CAKALANG DAN IKAN TONGKOL MENGGUNAKAN XCEPTION DAN MOBILENET Anugrah, Febrian Rizky; Bimantoro, Fitri; Wijaya, I Gede Pasek Suta
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 7 No 1 (2025): Maret 2025
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v7i1.430

Abstract

This study compares the performance of two deep learning architectures, Xception and MobileNet, for classifying skipjack and mackerel tuna, with a focus on accuracy and computational efficiency. MobileNet achieved an impressive accuracy of 97%, with precision, recall, and F1-score all at 97%, and demonstrated a faster prediction time of 0.06 seconds, making it well-suited for real-time applications. In contrast, Xception achieved an accuracy of 93%, with a precision of 94%, recall of 93%, and an F1-score of 93%. However, its prediction time was slower at 0.13 seconds, indicating a higher computational complexity. Although Xception delivered substantial accuracy, MobileNet outperformed it in terms of efficiency, suggesting that MobileNet is better suited for applications with limited resources or time constraints. The results indicated that MobileNet's lightweight architecture makes it ideal for mobile or embedded systems. At the same time, Xception's more complex structure may be advantageous for tasks that require higher precision in image processing. This research makes a significant contribution to the development of deep learning-based methods for fish species classification, offering improvements in both accuracy and speed.
SOSIALISASI PEMBUATAN PAKAN SILASE di DESA KURIPAN TIMUR, KECAMATAN KURIPAN, KABUPATEN LOMBOK BARAT Tira, Hendry; Widianti, Lale Alveni; Hadi, Lalu Malaya Khaerul; Rohman, Julvan Purnama; Aisyah, Nadya Putri; Anugrah, Febrian Rizky; Alyanda, Chintya; Putri, Mimi Aria Sari; Lestari, Septi Indah; Nita, Eka Yulianti Leo; Indriani, Novi
Jurnal Bakti Nusa Vol. 5 No. 1 (2024): JURNAL BAKTI NUSA
Publisher : Jurusan Teknik Elektro Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/baktinusa.v5i1.127

Abstract

Program KKN PMD yang telah dilaksanakan di desa Kuripan Timur diantaranya mengenai sosialisasi pembuatan pakan silase. Program ini berdasarkan saran dari masyarakat desa sehubungan dengan kondisi desa yang sering mengalami kekeringan. Tujuan dari pembuatan silase ini adalah sebagai salah satu alternatif untuk mengatasi kesulitan pakan ternak pada musim kemarau atau pada musim hujan, sebagai cadangan pakan ternak, mendayagunakan sumber pakan dari sisa limbah pertanian dan perkebunan. Metode silase yaitu rumput hijauan yang dicacah kemudian dicampur dengan molases, EM4 dan air sesuai takarannya hingga menjadi suatu campuran. Semua campuran dimasukkan dalam kantong plastik kemudian dipadatkan dan diikat sampai rapat. Proses pembuatan pakan silase berjalan selama 1 hari kemudian pakan silase yang sudah dibuat bisa dibuka setelah 21 hari. Pengambilan silase secukupnya untuk pakan ternak. Ciri-ciri silase yang baik adalah berbau wangi, berwana hijau, tekstur rumput masih jelas, tidak berjamur, tidak berlendir, dan menggumpal.
Co-Authors Aisyah, Nadya Putri Alyanda, Chintya Fitri Bimantoro Hadi, Lalu Malaya Khaerul I Gede Pasek Suta Wijaya INDRIANI, NOVI Lestari, Septi Indah Nita, Eka Yulianti Leo Putri, Mimi Aria Sari Rohman, Julvan Purnama Tira, Hendry Widianti, Lale Alveni