Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Informatik : Jurnal Ilmu Komputer Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi
Hari Saputro, Pujo
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Daun Tomat Fithratul Zalmi, Wahyuni; Hari Saputro, Pujo; Sitanggang, Jonathan; Leatemia, Kevin
Informatik : Jurnal Ilmu Komputer Vol 21 No 2 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i2.11094

Abstract

Penyakit pada daun tomat merupakan salah satu masalah utama dalam pertanian yang dapat menyebabkan penurunan hasil panen dan kualitas tanaman. Deteksi dini dan akurat terhadap penyakit ini sangat penting untuk menghindari kerugian yang lebih besar. Dalam penelitian ini, kami mengembangkan sistem klasifikasi penyakit daun tomat menggunakan teknik deep learning dengan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari gambar daun tomat dalam beberapa kategori penyakit, yang kemudian diproses menggunakan data augmentation untuk meningkatkan jumlah dan variasi data pelatihan. Model CNN yang dibangun terdiri dari beberapa lapis konvolusi dan max-pooling, diikuti oleh lapis dens (dense layer) untuk mengklasifikasikan gambar ke dalam 10 kategori penyakit. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi sekitar 95.84% pada dataset validasi, dengan kemampuan yang baik dalam membedakan berbagai jenis penyakit. Analisis matriks kekacauan (confusion matrix) menunjukkan bahwa model memiliki performa yang konsisten dalam mengklasifikasikan penyakit, meskipun ada beberapa kesalahan klasifikasi pada kategori tertentu. Sistem ini dapat menjadi alat bantu yang efektif bagi petani dan peneliti untuk mendeteksi penyakit daun tomat secara akurat dan efisien.
PEMANFAATAN MICROCONTROLLER ARDUINO UNO UNTUK SISTEM MONITORING SUHU DAN KELEMBABAN KUMBUNG JAMUR TIRAM Faizah, Arbiati; Hari Saputro, Pujo; Augusta Jannatul Firdaus, Reza
Inovate Vol 4 No 1 (2019): September
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/inovate.v4i1.770

Abstract

Mushrooms are a high source of nutrition and can be processed into various types of cuisine. Oystermushroom cultivation in low-lying areas requires controlling temperature and humidity in mushroomkumbung to get optimal growth. Currently the system of regulating the temperature and humidity ofmushroom kumbung is done manually and automatically. This study aims to design and create anautomatic temperature and humidity monitoring system for oyster mushroom kumbung by utilizing anArduino Uno microcontroller and a DHT11 temperature sensor. The system design is made throughtwo phases namely hardware design and software design. The hardware design using the Arduino Unomicrocontroller and DHT11 sensor aims to monitor the temperature and humidity of the kumbung andsend data to the server. Whereas hardware design is implemented in an android application as aninterface in receiving data from the server and delivering the results of temperature and humiditymonitoring to farmers. The system that was made has been implemented in the oyster mushroomkumbung and tested temperature and humidity successfully and can send data to the server.Keywords: Arduino Uno, Microcontroller, Sensor DHT 11, Monitoring System.
Komparasi Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Klasifikasi Ekspresi Wajah Faizah, Arbiati; Imron, Syaiful; Rewur, Afny; Makasunggal, Juan Natanel; Hari Saputro, pujo
Informatik : Jurnal Ilmu Komputer Vol 21 No 1 (2025): April 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i1.11091

Abstract

Ekspresi wajah merupakan komponen penting dalam komunikasi nonverbal, karena mampu menyampaikan emosi tanpa perlu berkata-kata. Berbagai studi menyebutkan bahwa lebih dari 55% informasi emosional dalam komunikasi manusia disampaikan melalui ekspresi wajah. Dalam bidang pengolahan citra digital, klasifikasi ekspresi wajah menjadi salah satu tantangan yang banyak dikaji. Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) dalam mengklasifikasikan empat ekspresi wajah: happy, sad, neutral, suprise. Data yang digunakan berasal dari dataset FER-2013 dengan 4000 gambar per kelas. Setiap citra melalui tahap preprocessing berupa konversi grayscale, normalisasi piksel, dan augmentasi data. Model Support Vector Machine (SVM) menghasilkan akurasi pelatihan sebesar 99,70%, namun akurasi validasinya hanya 41,47%, menandakan terjadinya overfitting. Sebaliknya, Convolutional Neural Network (CNN) memberikan hasil yang lebih stabil dengan akurasi pelatihan sebesar 85,08% dan akurasi validasi tertinggi mencapai 55,03%. Convolutional Neural Network (CNN) juga menunjukkan performa tertinggi dalam mengenali ekspresi suprise dengan akurasi 69%. Hasil penelitian ini menunjukkan bahwa Convolutional Neural Network (CNN) lebih unggul dalam mengenali pola visual kompleks dibandingkan Support Vector Machine (SVM). Dengan demikian, penelitian ini memberikan kontribusi dalam pemilihan metode klasifikasi citra wajah yang optimal dan relevan untuk implementasi sistem pengenalan ekspresi secara otomatis.
Co-Authors Augusta Jannatul Firdaus, Reza Faizah, Arbiati Fithratul Zalmi, Wahyuni Imron, Syaiful Leatemia, Kevin Makasunggal, Juan Natanel Rewur, Afny Sitanggang, Jonathan