Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal EPI International Journal of Engineering Jurnal Informasi Sains dan Teknologi (ISAINTEK)
Muh.Subhan
Politeknik Negeri Fakfak
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Other

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

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Pendukung Keputusan Diagnosa Penyakit Tanaman Pala Dengan Metode Certainty Factor Pada Kantor Dinas Perkebunan Kab. Fakfak Muh.Subhan; Hermon P B Bahba
Jurnal Informasi, Sains dan Teknologi Vol. 1 No. 2 (2018): Desember: Jurnal Informasi, Sains dan Teknologi
Publisher : Politeknik Negeri FakFak

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (262.664 KB)

Abstract

Pala merupakan buah yang menjadi ciri khas dari kota Fakfak, buah pala Fakfak adalah buah asli Papua atau pala negeri atau Henggi atau dengan nama ilmiah Myristica argentea Warb merupakan tanaman yang berasal, ditanam dan tumbuh serta berkembang di Papua. Namun sekarang ini para petani pala diresahkan dengan adanya penyakit yang menyerang tanaman pala, seperti penyakit jamur yang menyerang pada akar yang bisa mengakibatkan pohon pala mati. Lebih buruknya lagi, para petani tidak mengetahui jenis penyakit pada tanaman pala tersebut. Jadi untuk mendapatkan solusi atau penanganan yang tepat agak sulit. Oleh karena itu, pelayanan dari kantor perkebunan Fakfak harus disediakan bagi para petani pala dengan cara menggabungkan dan memenuhi kebutuhan pengetahuan dalam mengatasi penyakit pada tanaman pala agar bisa mendiagnosa penyakit pada tanaman pala dengan cepat. Penulis menawarkan untuk membuat suatu sistem pendukung keputusan dalam mendiagnosa penyakit pada tanaman pala yang bisa digunakan secara offline sehingga memudahkan Pegawai kantor Perkebunan Fakfak mendiagnosa penyakit pada tanaman pala dan dapat mengambil keputusan dengan cepat dan tepat Dengan Metode Certainty Factor. Berdasarkan hasil dari perancangan sistem pendukung keputusan diagnosa penyakit pada tanaman pala dengan perhitungan ketidakpastian metode Certainty Factor, penulis menarik kesimpulan bahwa sistem ini dapat dipakai dalam persoalan pengambilan keputusan dengan indikator keberhasilan yang ditunjukan pada hasil perhitungan manual dan perhitungan sistem menunjukan hasil yang sama.  
Classification Freshness of Red Snapper (Lutjanus Campechanus) Based on Eye Image Using Convolutional Neural Network Muh Subhan; Nursakinah Nursakinah
EPI International Journal of Engineering Vol 5 No 1 (2022): Volume 5 Number 1, February 2022
Publisher : Center of Techonolgy (COT), Engineering Faculty, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25042/epi-ije.022022.08

Abstract

Indonesia is a maritime country where fish is the most widely extracted and consumed marine natural resource, one of which is snapper. Snapper contains high protein. Therefore, it is suitable for health. Red snapper or Lutjanus campechanus is one economical fish with a broad market share. Red snapper is a demersal fish group that ranks third with the most exported commodities after tuna and shrimp. In addition, snapper is one of the most common consumption fish in Indonesia. Therefore, the community needs to be able to identify the freshness of the fish. Fish freshness detection is done manually by touching the fish's body, eyes, and gills. However, this can cause accidental damage to the fish parts, which will be very detrimental. Several studies on identifying fish freshness explain that the VGGNet-16 Architecture on the Convolutional Neural Network algorithm is superior in its modeling performance. This research uses a different fish object, a red snapper object, with two different architectures from several previous studies, namely the Le-Net15 and VGGNet-16 architecture. This research focuses on the eye image carried out through the pre-processing data stage by cutting the fish body, followed by augmentation to reproduce the image data without losing its essence before training the dataset. The model will be trained using the Adam optimization method with very fresh and not fresh predictions. The experimental results of the classification of two classes of red snapper freshness using 600 fish images show that VGGNet-16 achieves the best performance compared to the LeNet-5 architecture, where the classification accuracy reaches 98.40%.
Co-Authors Hermon P B Bahba Nursakinah Nursakinah