Klaim Artikel Anda
Verifikasi kepemilikan artikel akademik
Apakah artikel-artikel ini milik Anda?
Daftarkan diri Anda sebagai author untuk mengklaim artikel dan dapatkan profil akademik terverifikasi dengan fitur lengkap.
Badge Verifikasi
Profil terverifikasi resmi
Statistik Lengkap
H-index, sitasi, dan metrik
Visibilitas Tinggi
Tampil di direktori author
Kelola Publikasi
Dashboard artikel terpadu
Langkah-langkah Klaim Artikel:
- 1. Daftar akun author dengan email akademik Anda
- 2. Verifikasi email dan lengkapi profil
- 3. Login dan buka menu "Klaim Artikel"
- 4. Cari dan klaim artikel Anda
- 5. Tunggu verifikasi dari admin (1-3 hari kerja)
Menampilkan 1–2 dari 2 artikel
Analisis Perbandingan Yolov11 dan MobileNetV3 untuk Klasifikasi Varietas Padi
Octaviansyah, Ade
; Sari, Herva Emilda
; Raharjo, Teguh
; Octaviansyah, Ade
; Sari, Herva Emilda
; Raharjo, Teguh
JUISI : Jurnal Ilmiah Sistem Informasi
Vol 17
, No 1
(2026)
Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model YOLOv11 dan MobileNetV3 dalam mengklasifikasikan varietas padi berdasarkan gambar digital. Kumpulan data terdiri dari 10.000 gambar yang mewakili lima varietas padi, yaitu Arborio, Basmati, Ipsala, Jasmine, dan Karacadag. Kumpulan data tersebut dibagi menjadi set pelatihan dan set pengujian, dengan proses pelatihan dilakukan selama 100 epoch. Hasil evaluasi menunjukkan bahwa MobileNetV3 mencapai akurasi klasifikasi sebes...
Google Scholar
DOI
Deteksi Dini Penyakit Tanaman Tomat Menggunakan Model Real-Time Detection Transformer (RT-DETR)
Raharjo, Teguh
; Putro, Herman Purwoko
; Sari, Herva Emilda
; Raharjo, Teguh
; Putro, Herman Purwoko
; Sari, Herva Emilda
JUISI : Jurnal Ilmiah Sistem Informasi
Vol 5
, No 1
(2026)
Deteksi dini penyakit pada tanaman tomat merupakan aspek penting dalam pertanian modern untuk menjaga produktivitas dan meminimalkan kerugian akibat serangan penyakit. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem deteksi dini penyakit tanaman tomat menggunakan model Real-Time Detection Transformer (RT-DETR) berbasis deep learning. Dataset yang digunakan terdiri dari 1.000 citra daun tanaman tomat yang terinfeksi berbagai jenis penyakit, yang telah melalui proses pelabelan...
Google Scholar
DOI