cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Triyuni Puspita Dewi
Contact Email
journaljoki@gmail.com
Phone
+6281236933216
Journal Mail Official
journaljoki@gmail.com
Editorial Address
Kramat Jati RT/RW: 001/001 Desa Selogudig Kulon kecamatan Pajarakan Kabupaten Probolinggo Provinsi Jawa timur 67281
Location
Kab. probolinggo,
Jawa timur
INDONESIA
JOKI: Journal of Computing and Informatics
Published by Laskar Karya
ISSN : -     EISSN : 30635535     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering
JOKI: Journal of Computing and Informatics is a peer-reviewed journal in the field of informatics. This journal is published twice a year (June and December) by the Laskar Karya in Probolinggo , East Java. Manuscripts submitted by authors undergo a double-blind review process. Accepted papers are published both online and in print. JOKI publishes original papers in the field of informatics which include but are not limited to: Computer Vision, Software Engineering, Natural Language Processing, Human-Machine Interface, Next Network Generation, IT Governance, Information Search Engine, Multimedia Security, Information Retrieval, Intelligent System, Distributed Computing System, Mobile Processing, Computer Network Security, Business Process, Cognitive Systems, Programming Methodology and Paradigm, Data Engineering, Knowledge Based Management System, Knowledge Discovery in Data, Digital Signal Processing, Stochastic Systems, Information Theory, Intelligent Systems, Networking Technology, Optical Communication Technology, Next Generation Media, Robotic Instrumentation.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 2 Documents
 1 
Search results for , issue "Vol 2 No 2 (2025)" : 2 Documents clear
Klasifikasi Penyakit Jagung Berdasarkan Citra Batang Menggunakan  Metode Convolutional Neural Network (CNN) pada Arsitektur Mobilenet Berbasis Web Kusdatul Komariyah; Ratri Enggar Pawening; Moh Furqan
JOKI: Jurnal Komputasi dan Informatika Vol 2 No 2 (2025)
Publisher : Laskar Karya

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

Abstract

Penelitian ini membahas tantangan klasifikasi penyakit batang jagung menggunakan model convolutional neural network MobileNetV3-Small. Penyakit batang jagung seperti busuk fusarium dan busuk gibberella dapat menurunkan hasil panen secara signifikan apabila tidak terdeteksi sejak dini. Penelitian dimulai dengan pengumpulan 720 citra batang jagung yang terbagi menjadi tiga kategori: batang sehat, busuk fusarium, dan busuk gibberella. Tahap praproses meliputi resize, normalisasi, ekstraksi fitur, penghapusan latar belakang, serta augmentasi citra untuk meningkatkan variasi data. Pelatihan model dilakukan menggunakan MobileNetV3-Small dengan transfer learning, dan evaluasi kinerja dilakukan menggunakan dataset validasi terpisah untuk meminimalkan overfitting. Hasil penelitian menunjukkan bahwa model mencapai akurasi tinggi dan efektif dalam mengklasifikasi jenis penyakit pada citra batang jagung. Temuan ini menunjukkan bahwa pendekatan deep learning, khususnya arsitektur CNN ringan, dapat diimplementasikan pada platform sumber daya terbatas seperti aplikasi mobile dan web untuk mendukung deteksi dini penyakit tanaman. Penelitian ini memberikan referensi bagi pengembangan lebih lanjut sistem deteksi penyakit tanaman berbasis kecerdasan buatan dengan arsitektur jaringan saraf yang efisien.
Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Serangan Hama Pada Daun Bawang Merah Laila Homisatun Awaliyah; Moh. Ainol Yaqin
JOKI: Jurnal Komputasi dan Informatika Vol 2 No 2 (2025)
Publisher : Laskar Karya

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

Abstract

Desa Bulang, yang terletak di Kecamatan Gending, Kabupaten Probolinggo, dikenal sebagai salah satu pusat produksi bawang merah dengan potensi pertanian yang besar. Sebagian besar penduduknya bergantung pada budidaya bawang merah, berkat kondisi iklim dan kesuburan tanah yang mendukung. Namun, para petani di daerah ini sering menghadapi tantangan serius, seperti serangan hama ulat dan penyakit busuk daun, yang dapat mengakibatkan gagal panen dan kerugian ekonomi yang signifikan. Untuk mengatasi masalah ini, diperlukan solusi berbasis teknologi yang dapat mendeteksi kondisi daun tanaman secara dini. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk mengidentifikasi kondisi daun bawang merah dalam tiga kategori: daun sehat, daun yang terserang hama ulat, dan daun yang terkena penyakit busuk daun. Dataset yang digunakan terdiri dari 600 citra daun yang dikumpulkan langsung dari Desa Bulang dan telah melalui tahap pre--processing, termasuk pengubahan ukuran (Resize), augmentasi, dan normalisasi. Model ini dilatih dan diuji dengan membagi data menjadi bagian pelatihan, validasi, dan pengujian, serta dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 93% pada data pengujian, yang menunjukkan kinerja yang sangat baik dan efektif. Selain itu, model ini berhasil diintegrasikan ke dalam aplikasi web berbasis Streamlit, sehingga dapat digunakan langsung oleh petani untuk mendeteksi serangan hama dengan cepat dan praktis. Penelitian ini diharapkan dapat meningkatkan produktivitas pertanian dan memberikan kontribusi terhadap penerapan teknologi dalam sektor pertanian lokal.

Page 1 of 1 | Total Record : 2

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 2 No 1 (2025): June 2025 Vol 2 No 2 (2025) Vol 1 No 02 (2024): Desember 2024 Vol 1 No 01 (2024): Juni 2024