Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Embedded Systems, Security and Intelligent Systems Journal of Innovative and Creativity
Muh Ichwan Kadir
Universitas Islam Makassar
Computer Science & IT Education Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

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

Found 2 Documents
Search

 1 
Pengaruh Teori Social Cognitive Career Theory (SCCT) pada persepsi generasi Z terhadap pertanian sebagai karier Chaerun Nasri; Awaluddin Yunus; Muh Ichwan Kadir
Journal of Innovative and Creativity (Joecy) Vol. 6 No. 2 (2026)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

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

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi produksi lada di Desa Penelitian ini bertujuan untuk menganalisis pengaruh faktor-faktor dalam Social Cognitive Career Theory (SCCT), yaitu efikasi diri (self-efficacy), harapan hasil (outcome expectations), serta faktor eksternal berupa stigma sosial dan paparan digital terhadap persepsi Generasi Z terhadap pertanian sebagai pilihan karier. Penelitian menggunakan pendekatan kuantitatif dengan metode survei yang dilakukan pada mahasiswa Generasi Z program studi pertanian dan bidang terkait di beberapa perguruan tinggi di Kota Makassar. Data dikumpulkan melalui kuesioner daring dan wawancara, kemudian dianalisis menggunakan regresi linier berganda dengan bantuan IBM SPSS Statistics 25. Hasil penelitian menunjukkan bahwa secara simultan efikasi diri, harapan hasil, stigma sosial, dan paparan digital berpengaruh signifikan terhadap persepsi Generasi Z terhadap pertanian sebagai karier dengan nilai signifikansi 0,000. Nilai koefisien determinasi (R²) sebesar 0,724 menunjukkan bahwa 72,4% variasi persepsi karier dapat dijelaskan oleh keempat variabel tersebut, sedangkan 27,6% dipengaruhi oleh faktor lain di luar model penelitian. Secara parsial, harapan hasil merupakan faktor yang paling dominan dengan koefisien regresi sebesar 0,445 dan nilai signifikansi 0,000. Efikasi diri dan paparan digital juga berpengaruh positif dan signifikan terhadap persepsi karier Generasi Z di bidang pertanian. Sementara itu, stigma sosial terhadap pertanian tidak berpengaruh signifikan dengan nilai signifikansi 0,066. Temuan ini menunjukkan bahwa keyakinan terhadap kemampuan diri, ekspektasi manfaat yang diperoleh, serta akses informasi pertanian melalui media digital berperan penting dalam membentuk persepsi positif Generasi Z terhadap sektor pertanian. Oleh karena itu, diperlukan strategi edukasi dan promosi pertanian berbasis teknologi digital untuk meningkatkan minat generasi muda terhadap karier di bidang pertanian.
A Multi-Branch Efficient Net-U-Net Hybrid Framework for Segmentation of Oyster Mushrooms in Cultivation Media Nursuci Putri Husain; Muh Ichwan Kadir
Journal of Embedded Systems, Security and Intelligent Systems Vol 7 No 1 (2026): March 2026
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v7i1.2607

Abstract

Purpose – This study aims to develop a semantic segmentation model for oyster mushrooms in cultivation media to support automated monitoring, growth analysis, and yield estimation in smart farming systems. Design/methods/approach – A Multi-Branch EfficientNet-U-Net hybrid architecture was proposed, using EfficientNet-B0 as the encoder and a multi-branch fusion strategy to integrate multi-scale features from three encoder levels. The dataset consisted of 150 manually annotated oyster mushroom images collected from two cultivation sites under varying illumination, mushroom cluster density, and background texture. The model was evaluated using Intersection over Union (IoU) and Dice Coefficient metrics on training, validation, and testing subsets. Findings – Experimental results show that the proposed model achieved high segmentation performance, with a median IoU of approximately 0.90 and a Dice coefficient of 0.93. Compared with the baseline U-Net, the proposed architecture produced cleaner segmentation boundaries and more consistent detection of mushroom regions under complex environmental conditions. Research implications/limitations – This study is limited by the relatively small dataset and evaluation on images from only two cultivation sites. Further studies should involve larger and more diverse datasets to assess robustness across broader cultivation environments. Originality/value – This study offers an effective semantic segmentation framework that combines EfficientNet-B0 encoding and multi-branch multi-scale feature fusion to improve oyster mushroom segmentation accuracy in real cultivation settings, with potential application in smart agriculture monitoring systems.
Co-Authors Awaluddin Yunus Chaerun Nasri Nursuci Putri Husain