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
Penggunaan Transfer Learning untuk Peningkatan Akurasi Deteksi Penyakit Tanaman Bunga
Enteng Hardiansyah
; Lailan Sofinah Haharap
; Muhammad Farros Atiqi
Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Vol 3
, No 4
(2025)
Flower disease detection is a common challenge in modern agriculture. Various factors, such as changes in leaf color, shape, petal structure, and environmental conditions, make it difficult to achieve high accuracy with conventional models. Transfer learning is an effective solution to improve model performance in image detection, especially when available data is limited. This study used several pre-trained models, namely VGG16, ResNet50, and EfficientNet-B0, to detect three types of flower dis...
Sumber Asli
Google Scholar
DOI
Penggunaan Transfer Learning Untuk Peningkatan Akurasi Deteksi Penyakit Tanaman Bunga
Enteng Hardiansyah
; Lailan Sofinah Haharap
; Muhammad Farros Atiqi
Mars: Jurnal Teknik Mesin, Industri, Elektro Dan Ilmu Komputer
Vol 3
, No 6
(2025)
Flower disease detection is a significant challenge in modern agriculture, particularly with factors such as changes in leaf color, petal shape and structure, and environmental conditions affecting the accuracy of conventional models. These factors make it difficult to achieve optimal results using traditional methods. Transfer learning is an effective solution to improve image detection performance, especially when data is limited. This study used several pre-trained models, namely VGG16, ResNe...
Sumber Asli
Google Scholar
DOI