Article Per Year (5 Year)
p-Index From 2021 - 2026
0.702
P-Index
This Author published in this journals
All Journal POSITIF eProceedings of Engineering
Dwi Putro Wicaksono, Aditya
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 4 Documents
Search

 1 
The KLASIFIKASI PENYAKIT PADA TANAMAN DAUN SINGKONG MENGGUNAKAN VISION TRANSFORMER: KLASIFIKASI PENYAKIT PADA TANAMAN DAUN SINGKONG MENGGUNAKAN VISION TRANSFORMER Rakan Nabila, Luthfi; Dwi Putro Wicaksono, Aditya
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 11 No 2 (2025): Positif : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v11i2.14953

Abstract

This research develops a cassava leaf disease classification model using Vision Transformer (ViT) to identify four types of diseases and healthy leaves. With a dataset from Kaggle (3,000 images/class), the TinyViT model was tested through parameter variations to achieve optimal performance. Results showed that the combination of SGD, 50 epochs, and batch size 32 gave the highest validation accuracy (83.16%), outperforming Adam/AdamW. Despite overfitting (100% training accuracy), the model showed good generalization with 81% precision and recall. These findings confirm the potential of ViT in plant disease detection, while highlighting the need to address overfitting through further regularization. Future research can explore dataset expansion and fine-tuning for accuracy improvement.
Klasifikasi Kekeringan dan Penyakit pada Daun Padi Berdasarkan Ekstraksi Ciri Warna dan Tekstur Menggunakan CSPDarknet: Klasifikasi Kekeringan dan Penyakit pada Daun Padi Berdasarkan Ekstraksi Ciri Warna dan Tekstur Menggunakan CSPDarknet Abdul Jabbar Robbani; Dwi Putro Wicaksono, Aditya; Dedy Agung Prabowo
POSITIF : Jurnal Sistem dan Teknologi Informasi Vol 11 No 1 (2025): Positif : Jurnal Sistem dan Teknologi Informasi
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/positif.v11i1.14964

Abstract

The decline in rice productivity in Indonesia is often caused by drought and leaf diseases that are difficult to detect early. This condition requires a technology-based classification system that is able to provide fast and accurate diagnosis as support for decision making in the agricultural sector. This study aims to develop a rice leaf image classification model using the CSPDarknet architecture, with a color and texture feature extraction approach. The dataset used is the result of primary documentation that has gone through an augmentation process to increase the diversity of training data. The model architecture consists of a CSPDarknet backbone combined with a Cross-stage Partial Bottleneck with two Convolutions (C2f) block, Spatial Pyramid Pooling - Fast (SPPF), Global Average Pooling, and dropout to improve model generalization. Training was carried out using the Stratified 5-Fold Cross-Validation method and three optimizer variations, namely Stochastic Gradient Descent (SGD), Adam, and AdamW. The experimental results showed that the best model combination was achieved with the AdamW optimizer, with an average accuracy value of 99.72%, precision of 99.73%, recall of 99.72%, and F1-score of 99.72%. These findings indicate that the proposed classification approach is able to effectively distinguish healthy, diseased, and drought-affected leaves. In the future, this model has the potential to be further developed through the integration of Raspberry Pi-based Internet of Things (IoT) devices for real-time monitoring of plant conditions in the field.
Rancang Bangun Website Pengenalan Motif Batik Pekalongan Dengan Algoritma Convolutional Neural Network (CNN) Yunus Dani Saputra, Muhammad; Dwi Putro Wicaksono, Aditya
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Museum Batik Pekalongan sebagai pusat pelestarianwarisan budaya batik sering menghadapi kendala dalammemberikan informasi kepada pengunjung, terutama saat jumlahpengunjung melebihi kapasitas kurator yang tersedia. Selain itu,media informasi yang ada cenderung kurang interaktif dan belummenyajikan penjelasan motif batik secara menyeluruh. Untukmengatasi masalah tersebut, penelitian ini merancang danmembangun sebuah website pengenalan motif batik Pekalonganberbasis Convolutional Neural Network (CNN) dengan arsitekturMobileNetV2. Website ini memiliki tiga fitur utama, yaituklasifikasi motif batik melalui unggahan gambar, penjelasanlengkap tiap motif, dan chatbot interaktif berbasis pencariansemantik untuk menjawab pertanyaan seputar motif. Pengembangansistem dilakukan secara individu dengan metode ExtremeProgramming (XP) agar dapat mengikuti kebutuhan penggunasecara fleksibel dan bertahap. Pengujian dilakukan melalui AlphaTest menggunakan Blackbox Testing dan Beta Test dengan UserAcceptance Testing (UAT) terhadap 10 pengguna. Hasil Alpha Testmenunjukkan bahwa seluruh fungsi berjalan dengan baik dan sesuaikebutuhan. Sementara itu, Beta Test menunjukkan nilai rata-ratakepuasan pengguna sebesar 89,25%, dengan penilaian positif padaaspek kemudahan penggunaan, desain antarmuka, dan kelengkapaninformasi. Selain itu, akurasi klasifikasi mencapai 93,75% dari 80gambar uji pada 8 kelas motif batik. Secara keseluruhan, website inidiharapkan bisa menjadi media edukatif yang menarik danmembantu pelestarian budaya batik di Indonesia.Kata kunci— batik pekalongan, klasifikasi gambar, CNN,chatbot, extreme programming
Pengembangan Website Layanan Tugas Akhir Telkom University Menggunakan Metode Rapid Application Development (RAD) Deni Romadan, Muhamad; Dwi Putro Wicaksono, Aditya; Setiya Rafika Nur, Yohani
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Layanan propsal tugas akhir di Telkom University Purwokerto sebelumnya menghadapi kendala inefisiensi dan fragmentasi data akibat alur kerja yang belum terintegrasi dan ketergantungan pada platform eksternal. Penelitian ini bertujuan untuk mengembangkan sebuah website layanan propsal tugas akhir terpusat yang bernama (Sistem Informasi Proposal Tugas Akhir) untuk mengatasi permasalahan tersebut. Pengembangan sistem menggunakan metode RapidApplication Development yang difasilitasi oleh kerangka kerja PHP Laravel untuk membangun sebuah platformyang modern, profesional, dan mengintegrasikan seluruh alur kerja tugas akhir bagi mahasiswa, dosen, dan admin.Proses validasi sistem dilakukan melalui dua metode pengujian. Pengujian fungsional dengan metode blackbox testing menunjukkan tingkat keberhasilan sistem sebesar 98,68%. Sementara itu, pengujian usabilitas yang melibatkan 25 pengguna dengan metode System Usability Scale (SUS) menghasilkan skor akhir 89,9, yang termasuk dalam kategori "Sangat Baik" (Excellent). Hasil penelitian menunjukkan bahwa sistem sistem informasi layanan proposal tugas akhir yangdikembangkan berhasil menjadi solusi yang tangguh secara fungsional, mudah digunakan, serta mampumentransformasi proses layanan proposal tugas akhir menjadi lebih efisien, terstruktur, dan terintegrasi. Kata kunci— Sistem Informasi Akademik, TugasAkhir, Rapid Application Development, Laravel, SystemUsability Scale (SUS), Blackbox Testing, ManajemenProses Akademik.
Co-Authors Abdul Jabbar Robbani Dedy Agung Prabowo Deni Romadan, Muhamad Rakan Nabila, Luthfi Yohani Setiya Rafika Nur Yunus Dani Saputra, Muhammad