Article Per Year (5 Year)
p-Index From 2019 - 2024
0.659
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Scientific Journal of Informatics JRTI (Jurnal Riset Tindakan Indonesia)
Arnita Arnita
Universitas Bung Hatta
Computer Science & IT Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 3 Documents
Search

 1 
PENGARUH INTENSITAS CAHAYA DAN TEMPERATUR TERHADAP SERAPAN ENERGI MATAHARI UNTUK PEMBANGKITAN DAYA LISTRIK DI KOTA PADANG Mirzazoni, Mirzazoni; Arnita, Arnita; Nisja, Indra
Jurnal Teknologi Vol 12 No 2 (2019): Jurnal Teknologi
Publisher : Jurnal Teknologi, Fakultas Teknologi Industri, Institut Sains & Teknologi AKPRIND Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Energi terbarukan menjadi kebutuhan yang mendesak akibat semakin menipisnya sumber energi fosil. Energi terbarukan berupa energi matahari, energi bayu, energi gelombang laut, bioenegi dan lain-lain. Energi matahari menjadi pilihan paling menjanjikan karena sumbernya tidak terbatas. Indonesia terletak di khatulistiwa antara 6° LU – 11°LS dan 95° BT – 141° BT dan memiliki potensi energi surya yang sangat besar. Setiap hari Indonesia dapat memperoleh energi sebesar 4,8-6,0 kWh/m2. Sementara itu di Sumatera Barat potensi energi terbarukan sekitar 11.230 MW termasuk didalamnya energi matahari. Serapan energi matahari antara lain dipengaruhi oleh intensitas cahaya matahari dan temperatur lingkungan. Penelitian ini akan memperlihatkan hubungan intensitas cahaya matahari dan temperatur lingkungan terhadap serapan daya listtrik solar cell di Kota Padang. Kota Padang secara geografis terletak pada koordinat 0056’ LS sampai 100022’ BT, ketinggian mencapai 1853 mdpl. Berdasarkan data jika intensitas cahaya dan suhu bertambah maka serapan tegangan, arus dan daya listrik solar cell akan bertambah. Tegangan tertinggi adalah 12,9 V, intensitas cahaya ada pada 104228 lux, temperatur 34,88°, titik puncak arus ada pada 0,33 A. nilai maksimum dicapai pada jam 11.00 sd 13.00 WIB. Pada jam tersebut terlihat hubungan yang linear antara pertambahan intensitas cahaya, suhu, tegangan, arus dan daya listrik solar.
Implementasi jaringan virtual private network dengan teknologi Multi Protocol Label Switching (MPLS) Arnita, Arnita; Farid, Muhammad
JRTI (Jurnal Riset Tindakan Indonesia) Vol 5, No 2 (2020): JRTI (Jurnal Riset Tindakan Indonesia)
Publisher : IICET (Indonesian Institute for Counseling, Education and Therapy)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (942.834 KB) | DOI: 10.29210/3003645000

Abstract

Private Network Internet Protocol adalah layanan komunikasi data internal any-to-anyconnection, yang berbasis Internet Protocol Multi Protocol Label Switching, Yang dapat melayani informasi berupa Data, Voice dan Video dan support banyak aplikasi bisnis. Enterprise Resource Planning, Customer Relationship Management dan Multi Protocol Label Switching adalah suatu metode forwarding meneruskan data/paket melalui suatu jaringan dengan menggunakan informasi label yang dilekatkan pada internet protocol. Sehingga memungkinkan suatu router akan meneruskan suatu paket dengan hanya melihat label yang melekat pada paket tersebut, sehingga tidak perlu lagi melihat alamat internet protocol tujuan, Multi Protocol Label Switching adalah suatu teknologi yang hadir dari penggabungan dua teknologi yaitu Frame Relay atau Automatic teller machine, Jika menggunakan Router Cisco membutuhkan biaya keluar yang lebih untuk mendapatkan router dan router mikrotik ini bisa saja disalah satu metoda kita untuk mengoptimalisasikan jaringannya dan meminimalisir biaya keluar, Jadi dengan adanya system Multi Protocol Label Switching ini yang ditanamkan ke dalam mikrotik, dapat mengoptimalkan kinerja jaringan Virtual Private Network Internet Protocol membuat transmisi datanya semakin cepat dan efisien dan mencakup aplikasi Video Conference dan Voip juga, Dengan menggunakan teknologi Multi Protocol Label Switching ini bisa mempermudah sesuai dengan kebutuhan yang berkembang dan meningkatkan kualitas jaringan yang ada.
Selection of Food Identification System Features Using Convolutional Neural Network (CNN) Method Arnita, Arnita; Marpaung, Faridawaty; Koemadji, Zainal Abidin; Hidayat, Mhd; Widianto, Azi; Aulia, Fitrahuda
Scientific Journal of Informatics Vol 10, No 2 (2023): May 2023
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v10i2.44059

Abstract

Purpose: The identification and selection of food to be consumed are critical in determining the health quality of human life. Our diet and the illnesses we develop are closely linked. Public awareness of the significance of food quality has increased due to the rising prevalence of degenerative diseases such as obesity, heart disease, type 2 diabetes, hypertension, and cancer. This study aims to develop a model for food identification and identify aspects that can aid in food identification.Methods : This study employs the convolutional neural network (CNN) approach, which is used to identify food objects or images based on the detected features. The images of thirty-five different types of traditional, processed, and western foods were gathered as the study’s input data. The image data for each type of food was repeated 100 times to produce a total of 3500 images.. Using the color, shape, and texture information, the food image is retrieved. The hue, saturation, and value (HSV) extraction method for color features, the Canny extraction method for shape features, and the gray level co-occurrence matrix (GLCM) method for texture features, in that sequence, were used to evaluate the data in addition to the CNN classification method.Result:The simulation results show that the classification model’s accuracy and precision are 76% and 78%, respectively, when the CNN approach is used alone without the extraction method. The CNN classification model and HSV color extraction yielded an accuracy and precision of 51% and 55%, respectively. The CNN classification model with the Canny texture extraction method has an accuracy and precision of 20% and 20%, respectively, while the combined CNN and GLCM extraction methods have 67% and 69% success rates, respectively. According to the simulation results, the food classification and identification model that uses the CNN approach without the HSV, Canny, and GLCM feature extraction methods produces better results in terms of accuracy and precision model.Novelty: This research has the potential to be used in a variety of food identification applications, such as food and nutrition service systems, as well as to improve product quality in the food and beverage industry.
Co-Authors Aulia, Fitrahuda Damayanti, Elok Hidayat, Mhd Koemadji, Zainal Abidin Marpaung, Faridawaty Mirzazoni, Mirzazoni Nisja, Indra Widianto, Azi