Sidang Tetutup Pengawas IKAPKIN

Dr. Arnes Sembiring, ST., M.Kom merupakan salah satu pendiri IKAPKIN dan saat ini aktif mengajar di Universitas Harapan Medan. Arnes Sembiring menyelesaikan studi di Program Studi Doktor Ilmu Teknik, Program Pascasarjana Universitas Syiah Kuala dengan masa studi 3 Tahun 8 Bulan dan IPK 3.85.

Sidang tertutup dilaksanakan pada tanggal 25 Januari 2023. Komisi promotor terdiri dari Prof. Dr. Ir. Yuwaldi Away, M.Sc., Prof. Dr. Fitri Arnia, S.T., M.Eng.Sc. dan Dr. Rusdha Muharar, S.T., M.Sc sedangkan komisi penguji internal adalah Prof. Dr. Nasaruddin, S.T., M.Eng, Dr. Ir. Melinda, S.T., M.Sc., IPU. dan penguji eksternal adalah Prof. Dr. Herman Mawengkang dari Universitas Sumatera Utara. Selanjutnya pada 15 Maret 2023 dilaksanakan sidang terbuka promosi doktor.

Selama menempuh studi di Unsyiah, Arnes Sembiring telah melaksanakan penelitian yang menghasilkan luaran wajib berupa 1 (satu) artikel ilmiah yang telah dipublish pada Jurnal Internasional bereputasi, yaitu Journal of Ecological Engineering, Volume 24, Issue 2, 1 Januari 2023, ISSN 2299-8993, Scopus Q2, dengan artikel berjudul Parallelization of Concise Convolutional Neural Networks for Plant Classification.

Di samping itu, Arnes Sembiring juga telah mempublikasikan dua artikel pada proseding, yaitu:

The Performance of Various Concise Convolutional Neural Network Configurations in Classifying Tomato Diseases Based on Leaf Images, The book series: Lecture Notes in Electrical Engineering (LNEE) volume 1008, eBook ISBN 978-981-99-0248-4, Scopus Q4, yang merupakan posiding dari International Conference on Electronics, Biomedical Engineering, and Health Informatics 2022 (3rd ICEBEHI 2022).
Development of Concise Convolutional Neural Network for Tomato Plant Disease Classification Based on Leaf Images; Journal of Physics: Conference Series, IOP Publishing; ISSN: 17426588, 17426596, Scopus Q4, yang merupakan posiding dari The International Conference on Industrial Automation, Smart Grid and its Application (ICIASGA) 2020.

Hasil penelitian tersebut kemudian ditulis dalam Disertasi berjudul “Pengembangan Concise Convolutional Neural Network Untuk Identifikasi Penyakit Tanaman Berdasarkan Citra Daun” yang menawarkan kontribusi berupa:

Arsitektur Convolutional Neural Network (CNN) ringkas yang dibangun dari paralelisasi dua kanal CNN berbeda ukuran filter yang dikembangkan dalam penelitian ini dan digunakan untuk klasifikasi 38 kelas berupa jenis dan penyakit tanaman berdasarkan citra daun belum pernah diteliti sebelumnya. Pengujian menunjukkan arsitektur CNN yang diusulkan memiliki akurasi klasifikasi handal dan lebih efisien dari semua arsitektur pembanding. Efisiensi ini ditunjukkan oleh waktu klasifikasi yang lebih cepat dan jumlah parameter dan FLOPs yang lebih sedikit dari semua arsitektur pembanding
Arsitektur CNN satu kanal yang ringkas juga diusulkan untuk klasifkasi 10 kelas daun tomat (dan sehat dan terpapar penyakit) yang lebih kecil jumlah parameter dan FLOPs dengan akurasi yang berimbang dengan arsitektur pembanding. Arsitektur seringkas ini juga belum pernah diajukan sebelumnya.