Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING KOMPUTIKA - Jurnal Sistem Komputer
Tawang Sahro Winanto
Universitas Singaperbangsa Karawang
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
A Comparative Analysis of Transfer Learning Architecture Performance on Convolutional Neural Network Models with Diverse Datasets Muhammad Daffa Arviano Putra; Tawang Sahro Winanto; Retno Hendrowati; Aji Primajaya; Faisal Dharma Adhinata
Komputika : Jurnal Sistem Komputer Vol 12 No 1 (2023): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v12i1.8626

Abstract

Deep learning is a branch of machine learning with many highly successful applications. One application of deep learning is image classification using the Convolutional Neural Network (CNN) algorithm. Large image data is required to classify images with CNN to obtain satisfactory training results. However, this can be overcome with transfer learning architectural models, even with small image data. With transfer learning, the success rate of a model is likely to be higher. Since there are many transfer learning architecture models, it is necessary to compare each model's performance results to find the best-performing architecture. In this study, we conducted three experiments on different datasets to train models with various transfer learning architectures. We then performed a comprehensive comparative analysis for each experiment. The result is that the DenseNet-121 architecture is the best transfer learning architecture model for various datasets.
Analisa Performa Arsitektur Transfer Learning Untuk Mengindentifikasi Penyakit Daun Pada Tanaman Pangan Tawang Sahro Winanto; Chaerur Rozikin; Asep Jamaludin
Journal of Applied Informatics and Computing Vol 7 No 1 (2023): July 2023
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v7i1.5991

Abstract

Salah satu faktor gagal panen ialah serangan penyakit yang menyerang pada bagian daun pada tanaman. Solusi dari permasalahan ini yaitu dengan melakukan identifikasi dini penyakit tanaman pangan dengan memanfaatkan image classification dan deep learning menggunakan objek citra daun untuk mempercepat proses identifikasi penyakit pada daun tanaman pangan sehingga tidak mempengaruhi hasil produksi tanaman. Banyak penelitian yang sudah membuat penelitian memanfaatkan Image classification untuk klasifikasi penyakit tanaman berdasarkan citra daun menggunakan metode Transfer Learning. Namun pada penelitian terdahulu hanya menggunakan satu dua atau tiga arsitetur dan hanya mengunakan satu dataset saja untuk proses pengujian yang membuat tidak terlalu memberikan jawaban arsitektur mana yang mempunyai performa terbaik untuk membuat model klasifikasi penyakit berdasarkan citra daun tanaman. oleh karena itu diperlukan adanya perbandingan performa dari tiap model arsitektur untuk mengetahu arsitektur mana yang terbaik. Maka dari itu penelitian ini, peneliti akan melakukan eksperimen menggunakan lima arsitektur dan tiga dataset yang berbeda dengan enam sekenario pelatihan model dan selanjutnya kami melakukan anlisis perbandingan kinerja tiap sekenario pelatihan model. Hasilnya Penelitian ini dilakukan analisa hasil pelatihan dan pengujian yang sudah dilakukan arsitektur VGG 16 memiliki performa yang paling baik dibandingkan dengan arsitektur lainnya yang diujikan.
Co-Authors Asep Jamaludin Chaerur Rozikin Faisal Dharma Adhinata Muhammad Daffa Arviano Putra Retno Hendrowati