Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
-, Supatman
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
KLASIFIKASI TINGKAT KEMATANGAN CITRA BUAH TOMAT MENGGUNAKAN DENSENET-121 Choirunisa, Septinna; -, Supatman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6652

Abstract

Tomat merupakan komoditas penting dalam sektor pertanian, yang kualitasnya ditentukan oleh tingkat kematangan. Penilaian kematangan secara manual sering kali bersifat subjektif dan kurang konsisten dalam skala besar, sehingga diperlukan sistem klasifikasi otomatis berbasis citra. Penelitian ini mengusulkan penggunaan arsitektur DenseNet-121 untuk mengklasifikasikan tingkat kematangan buah tomat menjadi tiga kelas: matang, setengah matang, dan mentah. Dataset yang digunakan berjumlah 600 citra yang diambil dari data publik Kaggle dan data primer. Hasil pelatihan menunjukkan peningkatan akurasi signifikan dari 65,26% menjadi 100% dalam 10 epoch, dengan nilai loss akhir 0,0016. Evaluasi menunjukkan akurasi 99%, serta precision, recall, dan F1-score sebesar 0,99 untuk semua kelas. Hasil ini membuktikan bahwa DenseNet121lebih unggul mengidentifikasi karakteristik visual objek dalam sistem klasifikasi citra berbasis machine learning.
ANALISIS CNN UNTUK KLASIFIKASI KEBERSIHAN SARANG BURUNG WALET Ahmad, Syarifudin; -, Supatman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6685

Abstract

Sarang burung walet memiliki nilai yang tinggi, Indonesia adalah industri sarang burung walet terbesar di dunia, dengan lebih dari 75% pasokan dunia diproduksi. Namun, analisis kualitas sarang burung walet belum ditetapkan melalui pendekatan sistematis, kualitas masih dilakukan secara manual dan subjektif. Oleh karena itu, sulit untuk menetapkan standar yang dianggap berkualitas baik atau buruk. Proses analisis juga dapat menyebabkan perbedaan kesan antara penjual dan pembeli. Penelitian ini bermaksud untuk mengembangkan metode untuk melakukan klasifikasi sarang burung walet berdasarkan tingkat kebersihan melalui sistem klasifikasi otomatis CNN. Penelitian ini mencakup metode pengumpulan data primer yang terdiri dari 900 gambar (300 gambar sarang burung walet bersih, sedikit berbulu, dan cukup berbulu). Hasil menunjukkan bahwa akurasi keseluruhan model CNN adalah 84% pada seluruh dataset setelah pelatihan dan pengujian tiga kelas sarang burung walet, model CNN mencapai hasil terbaik saat mengklasifikasikan sarang yang cukup berbulu (presisi=0,97 dan recall=0,90). Berdasarkan hasil penelitian, bahwa pendekatan deep learning menggunakan CNN mencapai tujuan untuk mengotomatisasi masalah evaluasi kualitas burung walet, berdasarkan gambar visual, sehingga meningkatkan hasil, dan meningkatkan objektivitas pada pasar sarang burung walet.
Co-Authors Ahmad, Syarifudin Choirunisa, Septinna