Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Practical Computer Science (JPCS) Jurnal Media Computer Science
Setyowati, Cindy
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Analisis Penyakit pada Daun Padi Menggunakan VGG-16 Transfer Learning dan Teknik Segmentasi K-Mean Hidayat, Jose Julian; Setyowati, Cindy; Werdana, Aditya Pratama
Jurnal Media Infotama Vol 21 No 1 (2025): April 2025
Publisher : UNIVED Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmi.v21i1.7313

Abstract

Diagnosis dini penyakit daun sangat penting untuk meningkatkan hasil panen karena penyakit pada tanaman padi dapat secara signifikan mempengaruhi produksi pertanian. Dengan menggunakan teknik Transfer Learning pada model VGG-16 yang telah disempurnakan bersama dengan segmentasi berbasis K-Means, penelitian ini menyarankan pendekatan berbasis pembelajaran mendalam untuk diagnosis penyakit daun padi. Karena kemampuannya yang luar biasa dalam mengekstrak fitur dari foto digital, VGG-16 dipilih untuk menangkap informasi penting tentang permukaan daun yang mungkin mengindikasikan adanya penyakit. Untuk memisahkan daerah yang terkontaminasi dari latar belakang dan memungkinkan identifikasi yang lebih tepat dan efektif, segmentasi K-Means digunakan sebagai langkah prapemrosesan. Kumpulan data yang digunakan dalam percobaan ini berisi berbagai macam foto dari berbagai kategori penyakit pada tanaman padi. Menurut data percobaan, pendekatan ini dapat mengidentifikasi jenis penyakit pada daun dengan sangat akurat-akurasi dapat melampaui 90%. Dengan berkonsentrasi pada daerah-daerah kunci pada gambar, K-Means meningkatkan kinerja deteksi. Jika dibandingkan dengan metode konvensional, hasil ini menunjukkan bagaimana strategi kombinasi ini dapat meningkatkan akurasi diagnosis penyakit daun padi. Penggunaan sistem ini diharapkan dapat membantu para ahli agronomi dan petani untuk memantau kesehatan tanaman secara efisien, sehingga dapat meningkatkan hasil pertanian
Perancangan Sistem Prediksi Penyakit pada Tanaman Padi Berbasis Image Processing Menggunakan Algoritma VGG-16 Transfer Learning dan K-Means Segmentation Hidayat, Jose Julian; Setyowati, Cindy; Werdana, Aditya Pratama
Journal of Practical Computer Science Vol. 5 No. 1 (2025): Mei 2025
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpcs.v5i1.5759

Abstract

Early diagnosis of foliar diseases is essential for improving crop yields as diseases in rice plants can significantly affect agricultural production. By using Transfer Learning techniques on an enhanced VGG-16 model along with K-Means segmentation, this study suggests a deep learning-based approach for rice leaf disease diagnosis. Due to its outstanding ability to extract features from digital photos, VGG-16 was chosen to capture important information about the leaf surface that may indicate the presence of disease. To separate contaminated regions from the background and enable more precise and effective identification, K-Means segmentation was used as a preprocessing step. The dataset used in this experiment contains a wide variety of photos of different categories of diseases on rice plants. According to the experimental data, this approach can identify the type of disease on the leaves very accurately the accuracy can exceed 90%. By concentrating on key regions of the image, K-Means improves the detection performance. When compared to conventional methods, these results show how this combination strategy can improve the accuracy of rice leaf disease diagnosis. The use of this system is expected to help agronomists and farmers to monitor plant health efficiently, thereby increasing agricultural yields. In this study, the VGG-16 method and K-Means segmentation were combined to create a rarely used image-based automatic diagnosis system simultaneously on rice plants. This method has been shown to have higher accuracy than previous methods.
Deep Learning-based Sentiment Analysis of Public Comments on Military Education Using RoBERTa Algorithm and Rule-Based Hybird Parameters Hidayat, Jose Julian; Setyowati, Cindy; Amin, Muhammad Dikaisa Ibnu; Bimasakti, Khodir; Werdana, Aditya Pratama
Jurnal Media Computer Science Vol 4 No 2 (2025): Juli
Publisher : LPPJPHKI Universitas Dehasen Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmcs.v4i2.8769

Abstract

Social media such as Instagram has become an important digital public space for people to voice opinions on various policy issues, including the military education policy, which has recently become highly debated, especially in West Java and even outside Java. The purpose of this research is to develop a sentiment analysis model for public comments on Instagram regarding military education policy using a deep learning approach. m The RoBERTa model was trained and tested using classification performance metrics such as accuracy, precision, recall, and f1-score. The test results show that the model achieved an accuracy of 97%, with the highest f1-score value in the positive category at 0.98. The results show that RoBERTa can effectively classify sentiment based on public opinion on social media. This method can not only provide an overview of public responses, but can also be used as a tool in the decision-making process or public policy evaluation based on real-time digital opinion analysis.
Perancangan Sistem Deteksi Gas dan Suhu Berbasis Mikrokontroler IoT Menggunakan Metode Prototyping Julian Hidayat, Jose; Pratama Werdana, Aditya; Setyowati, Cindy
JURNAL FASILKOM Vol. 15 No. 2 (2025): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v15i2.9173

Abstract

Sistem deteksi gas dan suhu berbasis Internet of Things (IoT) adalah cara inovatif untuk meningkatkan keamanan dan kenyamanan lingkungan, terutama di rumah tinggal dan tempat bisnis kecil. Tujuan dari proyek ini adalah untuk membuat perangkat pemantauan gas dan suhu secara real-time yang menggunakan sensor MQ-2 dan DHT11 yang diintegrasikan ke dalam platform Blynk. Sensor MQ-2 mengidentifikasi gas berbahaya seperti LPG, dan DHT11 mengukur suhu dan kelembapan udara. Dengan menggunakan koneksi WiFi ke modul ESP8266, pengguna dapat memantau kondisi lingkungan darurat. Selain itu, sistem memiliki fitur notifikasi otomatis. Ini termasuk alarm dan peringatan yang dikirim melalui aplikasi apabila terdeteksi kebocoran gas atau suhu ekstrem.Pengujian yang dilakukan dalam kondisi terkendali menunjukkan bahwa sistem dapat menanggapi kondisi bahaya dengan cepat dan tepat. Sistem tetap stabil sepanjang waktu pengoperasian dan peringatan dikirim dalam waktu kurang dari 3 detik setelah data diterima. Hasil ini menunjukkan bahwa sistem dapat berfungsi sebagai alat bantu yang efektif untuk mencegah kecelakaan gas dan suhu dan meningkatkan kesadaran pengguna tentang lingkungan sekitar. Diharapkan bahwa implementasi sistem ini akan mendukung otomatisasi rumah pintar dan menjadi solusi ekonomis untuk sistem keamanan berbasis Internet of Things.
Co-Authors Amin, Muhammad Dikaisa Ibnu Bimasakti, Khodir Hidayat, Jose Julian Julian Hidayat, Jose Pratama Werdana, Aditya Werdana, Aditya Pratama