Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer JUTEKOM - Jurnal Teknologi dan Ilmu Komputer
Mursyid, Fadil
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
Aplikasi Deteksi Penyakit Tanaman Cabai Menggunakan Teknologi Machine Learning dan Flask Mursyid, Fadil; Arfal Albarzah, Muhammad; Irnawati, Irnawati; Ceria Juliana, Wa; Rifki Adiyatma, Muhammad; Hamundu, Ferdinand Murni
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 1 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i1.1026

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi berbasis web yang dapat mendeteksi penyakit pada tanaman cabai dengan memanfaatkan teknologi pembelajaran mesin. Sistem ini dirancang dengan menggunakan framework Flask sebagai antarmuka dan model Convolutional Neural Network (CNN) untuk proses klasifikasi gambar daun. Dataset yang digunakan terdiri dari foto-foto daun tanaman cabai yang menunjukkan dua jenis penyakit, yaitu Antraknosa dan Gemini Virus. Data dikumpulkan dari berbagai sumber terbuka dan melalui proses pengolahan seperti normalisasi dan augmentasi sebelum digunakan untuk melatih model. Aplikasi ini memberikan kesempatan bagi pengguna untuk mengunggah foto daun cabai yang kemudian diproses secara otomatis oleh model yang telah dilatih. Hasil dari pengujian menunjukkan bahwa model CNN berhasil mencapai akurasi 92% dalam mendeteksi penyakit pada gambar yang diuji. Sistem ini diharapkan dapat berfungsi sebagai alat bantu yang efektif untuk identifikasi dini penyakit tanaman dengan cepat dan mandiri, terutama bagi para petani dan pelaku sektor pertanian. Penggunaan aplikasi ini dianggap sangat praktis, efisien, dan responsif, serta memiliki potensi untuk dikembangkan lebih lanjut dengan menambahkan jenis penyakit baru dan fitur tambahan lainnya seperti deteksi waktu nyata dan versi mobile.
DETEKSI ACNE VULGARIS DAN JENIS KULIT PADA CITRA WAJAH BERBASIS YOLOV7 DAN RESNET50 Mursyid, Fadil; Sakti Santriantara, Kalingga; Octavia Ramadhani Rahman, Dwi; Ramadhani, Selin; Nur Aisya, Sitti; Oktavian, Anugra; Irnawati; Julian Efendi, Ilham
Jurnal Teknologi informasi dan Ilmu Komputer Vol. 1 No. 3 (2025): Juli 2025
Publisher : Nolsatu Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65258/jutekom.v1.i3.17

Abstract

Penelitian ini bertujuan untuk membangun sistem otomatis yang mampu mendeteksi jerawat (acne vulgaris) dan mengklasifikasikan jenis kulit wajah berdasarkan citra menggunakan dua pendekatan deep learning, yaitu YOLOv7 untuk deteksi objek dan ResNet-50 untuk klasifikasi citra. Dataset citra wajah diperoleh dari platform Kaggle dan dibagi menjadi dua bagian: citra berjerawat untuk pelatihan model deteksi, serta citra berlabel jenis kulit (normal, kering, berminyak) untuk klasifikasi. Proses preprocessing mencakup resize, normalisasi, dan augmentasi data. Model YOLOv8 menunjukkan performa stabil dengan mAP, precision, dan recall pada kisaran 0.55–0.60. Sementara itu, model ResNet-50 berhasil mencapai akurasi validasi 80,32% dan akurasi uji 77,22%, dengan kinerja terbaik pada kelas kulit berminyak. Seluruh model diimplementasikan dalam sistem berbasis web untuk analisis kulit secara real-time. Hasil akhir menunjukkan bahwa pendekatan gabungan ini efektif untuk analisis kulit otomatis dan dapat dikembangkan lebih lanjut untuk aplikasi konsultasi dermatologi daring dan personalisasi perawatan kulit.
Co-Authors Arfal Albarzah, Muhammad Ceria Juliana, Wa Irnawati Irnawati Irnawati Julian Efendi, Ilham Nur Aisya, Sitti Octavia Ramadhani Rahman, Dwi Oktavian, Anugra Ramadhani, Selin Rifki Adiyatma, Muhammad Sakti Santriantara, Kalingga