cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Doni Abdul Fatah
Contact Email
simantec@trunojoyo.ac.id
Phone
+6285648688506
Journal Mail Official
simantec@trunojoyo.ac.id
Editorial Address
Jurusan Teknik Informatika - Fakultas Teknik - Universitas Trunojoyo Madura Jl. Raya Telang PO BOX 2 Kamal, Bangkalan 69162
Location
Kab. bangkalan,
Jawa timur
INDONESIA
Jurnal Simantec
Published by Universitas Trunojoyo Madura
ISSN : 20882130     EISSN : 25024884     DOI : https://doi.org/10.21107/simantec.v8i2
Core Subject : Science,
Computer Science & IT
Jurnal Simantec merupakan Jurnal Ilmiah dibawah naungan Program Studi Manajemen Informatika, Fakultas Teknik Universitas Trunojoyo Madura. Jurnal Simantec diterbitkan pertama kali pada bulan Desember 2009, dan diterbitkan dua kali dalam setahun. Jurnal Simantec berisi artikel-artikel ilmiah yang meliputi bidang-bidang : informatika, Sistem Informasi, Multimedia, Mekatronika, Jaringan serta hasil penelitian lainya yang terkait dengan bidang-bidang tersebut.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 251 Documents
 22   23   24   25   26 
Augmentasi citra pohon kelapa sawit untuk deteksi objek berbasis Deep Learning Dedy Mirwansyah; Achmad Solichin; Fahrullah Fahrullah
Jurnal Simantec Vol 14, No 2 (2026): Jurnal Simantec Juni 2026
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v14i2.27270

Abstract

Penelitian ini menitikberatkan pada Augmentasi citra pohon kelapa sawit untuk deteksi objek menggunakan pendekatan Deep Learning. Pohon kelapa sawit memiliki peran penting dalam industri perkebunan dan pertanian, sehingga pengembangan metode deteksi pohon kelapa sawit yang efisien menjadi krusial dalam pemantauan perkebunan dan pengelolaan sumber daya alam. Metode penelitian melibatkan augmentasi citra, seperti flip, crop, hue, saturation, brightness, exposure dan pra-pemrosesan auto orient dan resize untuk meningkatkan kualitas data pelatihan. Model Deep Learning yang digunakan adalah Convolutional Neural Network (CNN) yang terintegrasi dengan teknik object detection, memungkinkan identifikasi pohon kelapa sawit dari latar belakang dengan akurasi tinggi. Penelitian ini menggunakan 101 citra kepala sawit dan setelah dilakukan augmentasi berjumlah 253 citra pohon kelapa sawit yang bervariasi dalam kondisi pencahayaan, sudut pandang, dan penutupan daun. Hasil eksperimen menunjukkan bahwa metode ini mampu mengidentifikasi pohon kelapa sawit dengan akurasi yang baik, bahkan dalam kondisi yang kompleks. Hasil penelitian ini memiliki potensi aplikasi dalam pemantauan perkebunan kelapa sawit, perencanaan lahan, dan pemantauan lingkungan. Dengan peningkatan akurasi deteksi dan ekstraksi, manajemen perkebunan dan pemantauan lingkungan dapat menjadi lebih efisien dan berkelanjutan.

Page 26 of 26 | Total Record : 251

 22   23   24   25   26 

Filter by Year

2010 2026


Reset
Filter By Issues
All Issue Vol 14, No 2 (2026): Jurnal Simantec Juni 2026 Vol 14, No 1 (2025): Jurnal Simantec Desember 2025 Vol 14, No 1 (2025): Jurnal Simantec Desember 2025 (Article in Progress) Vol 13, No 2 (2025): Jurnal Simantec Juni 2025 Vol 13, No 1 (2024): Jurnal Simantec Desember 2024 Vol 12, No 2 (2024): Jurnal Simantec Juni 2024 Vol 12, No 1 (2023): Jurnal Simantec Desember 2023 Vol 11, No 2 (2023): Jurnal Simantec Juni 2023 Vol 11, No 1 (2022): Jurnal Simantec Desember 2022 Vol 10, No 2 (2022) Vol 10, No 1 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2018) Vol 6, No 3 (2018) Vol 6, No 2 (2017) Vol 6, No 1 (2017) Vol 5, No 3 (2016) Vol 5, No 2 (2016) Vol 5, No 1 (2015) Vol 4, No 3 (2015) Vol 4, No 2 (2014) Vol 4, No 1 (2014) Vol 2, No 2 (2011): Desember Vol 1, No 3 (2010): Desember Vol 1, No 2 (2010): Juni More Issue