Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM)
Kurniawan Irfan Nauval
ALI
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Deteksi Objek Penyakit Daun Kentang dengan Metode Convolutional Neutral Network Kurniawan Irfan Nauval; Sri Lestari
Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Vol 3 No 2 (2022): Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) Oktober 2022
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/jatim.v3i2.1576

Abstract

Kentang ialah salah satu tanaman yang potensial untuk dikembangkan. Produksi dan produktivitas kentang di Indonesia semakin menurun setiap tahunnya. Badan Pusat Statistik (BPS) mencatat produksi kentang di Indonesia mengalami penurunan 9,82%, dari 1.176.304 ton pada tahun 2009 menjadi 1.060.805 ton pada tahun 2010. Kendala menurunnya produktivitas kentang disebabkan oleh serangan hama dan penyakit, sehingga memerlukan suatu sistem yang dapat membantu mendiagnosis sejak dini terhadap serangan hama dan penyakit tanaman kentang. Salah satu cara untuk mendeteksi penyakit pada tanaman kentang dengan memanfaatkan perkembangan teknologi dan informasi yaitu dengan mengembangkan ilmu kecerdasan buatan (Artificial Intteligence) serta memanfaatkan teknologi pengolahan citra digital maka hal ini bisa diatasi, jadi pada penelitian ini akan mengusulkan metode yang tepat dalam mendeteksi penyakit pada daun kentang. Klasifikasi akan dilakukan dengan tiga kelas berupa daun sehat, early blight, dan late blight menggunakan metode Deep Learning mengguanakan arsitektur Convolutional Neural Network (CNN). Hasil pada peneltian ini dianggap baik karena pada epoch ke 10 dengan batch size 20 menghasilkan training akurasi 95% dan akurasi validasi 94%. Kata Kunci : Produktivitas, Convolutional Neural Network (CNN), Akurasi validasi, Deep Learning, Artificial Intteligence , early blight, dan late blight.
Co-Authors SRI LESTARI