Article Per Year (5 Year)
p-Index From 2019 - 2024
0.947
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Terpadu jurnal teknik informatika dan sistem informasi Jurnal Pemberdayaan Komunitas MH Thamrin
Rozikin, Chaerur
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Monitoring Tingkat Suhu Udara Dan pH Air Pada Budidaya Ikan Hias Discus Berbasis Wireless Sensor Network rozikin, chaerur
Jurnal Teknologi Terpadu Vol. 5 No. 2: Desember, 2019
Publisher : LPPM STT Terpadu Nurul Fikri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54914/jtt.v5i2.232

Abstract

Ikan hias discus memiliki corak warna yang indah sehingga menarik perhatian dan memiliki banyak penggemarnya sehingga ikan hias discus memiliki potensi ekonomi untuk diperjual belikan. Bagi sebagian orang membudidayakan ikan hias merupakan usaha yang menguntungkan. Membudidayakn ikan hias discus tidak mudah karena harus menjaga kualitas air agar sesuai dengan yang dibutuhkan oleh ikan hias discus. Kualitas air tidak diperhatikan akan menyebabkan ikan hias discus mudah stress atau bahkan mati. Kualitas air setiap waktu selalu berubah-ubah seperti suhu, pH akan berubah. Untuk mengatasi masalah tersebut perlu dilakukan inovasi untuk mengembangkan sistem yang bisa mengawasi kualitas air setiap saat. Penelitian ini akan mengmbangkan teknologi pengawasan kondisi suhu, pH air berbasis wsn. Wsn terdiri dari tiga bagian yaitu node/endpoint, hotspots, dan server. Node/endpoint digunakan untuk merekam kondisi faktual air dengan menggunakan sensor. Hotspots digunakan untuk menerima data dari node/endpoint kemudian mengirimkannya ke server. Server digunkan untuk menyimpan data dan kemudian diolah menjadi informasi yang berguna bagi pembudidaya. Teknologi transceiver digunakan wirless 801.11b. Desain interface digunakan untuk memudahkan pembudidaya mendapatkan informasi. Tahapan pada penelitian ini meliputi pengumpulan data, analisis kebutuhan, desain prototipe, pengujian, dan implementasi.
Workshop Pembuatan Mini Konveyor Untuk Proses Quality Control Berbasis Computer Vision Rozikin, Chaerur; Enri, Ultach; Suharso, Aries
Jurnal Pemberdayaan Komunitas MH Thamrin Vol 3, No 2 (2021): Jurnal Pemberdayaan Komunitas MH Thamrin
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jpkmht.v3i2.629

Abstract

Seiring berjalannya waktu, teknologi yang ada juga berkembang, perkembangan teknologi akan membantu manusia dalam kesehariannya. Otomatisasi adalah suatu teknologi yang terkait dengan mekanik, elektronik, dan komputer berdasarkan sistem untuk beroperasi dan untuk mengontrol produksi. Otomatisasi dapat digunakan dalam proses Quality Control dengan menggunakan Konveyor dengan Sensor hc05. Dengan sistem otomasi ini, proses Quality Control akan lebih cepat dan mengurangi tenaga kerja manusia di dalamnya. Cara kerjanya adalah dengan menyensor botol di dalam kotak untuk melihat jumlah botol dalam kotak sesuai dengan angka yang telah ditentukan.Kata Kunci: Kualitas Kontrol, Otomasi, Sistem Komputer Vision.
Pendeteksi Sampah Metal untuk Daur Ulang Menggunakan Metode Convolutional Neural Network Holiyanti, Ranti; Wati, Sukma; Fahmi, Ikbal; Rozikin, Chaerur
Jurnal Teknik Informatika dan Sistem Informasi Vol 8 No 1 (2022): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v8i1.4492

Abstract

Waste is part material that has no value within the scope of production. If you no longer need it, metal cans can take about 80 to 200 years to decompose. CNN is part of the supervised learning method that exists in deep learning, where those who have expertise in representing images or images from several categories increase recognition, namely in classifying objects, doing scene recognition, and detecting object detection. In this study, using the CNN method as a development model and applying the ResNet 50 network design, which includes the type Convolutional Neural Network (CNN) that operates by way of working, namely receive an input in the form of an image or images. The input will be carried out by training that is set using the CNN architecture so that later it will produce an output that can recognize objects as expected in knowing the types of cardboard and glass waste. The implementation of this research uses the Python programming language, Anvil, and the TensorFlow and Keras libraries. The system has succeeded in detecting the type of metal waste from general waste and assisting third parties, namely implementing it through the website using Anvil. The input shape for CNN modeling in this study is 512x384 pixels, which has a value of 100 eras, and the data set used contains images of metal waste and general waste found 547 images, resulting in an accuracy of 96%.
Co-Authors Aries Suharso Badriah, Siti Enri, Ultach Fahmi, Ikbal Fajar Estu Nugroho, Muhammad Holiyanti, Ranti M Rayhan Rizqullah Syarif Muhammad Fajar Estu Nugroho Rismawati, Imas Sanjaya, Nurlana Tubagus, Ayu Shafira Wati, Sukma