Article Per Year (5 Year)
p-Index From 2019 - 2024
0.882
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Journal of Intelligent Networks and IoT Global
Ricky Maulana Fajri
Universitas Indo Global Mandiri
Computer Science & IT Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Journal of Intelligent Networks and IoT Global

 1 
SISTEM BUKA TUTUP TERPAL SECARA OTOMATIS PADA PENJEMURAN GABAH BERBASIS TELEGRAM BERDASARKAN SENSOR BH1750 (SENSOR CAHAYA) DAN RAIN DROP SENSOR (SENSOR HUJAN) Nonik Wulantika; Tasmi; Ricky Maulana Fajri
Journal Of Intelligent Networks and IoT Global Vol 1 No 1 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i1.3078

Abstract

Tujuan dari penelitian ini adalah untuk membantu meringankan pekerjaan petani, dan agar gabah yang dijemur dapat menghasilkan kualitas yang baik. Dikarenakan masih banyaknya petani di daerah-daerah tertentu yang melakukan proses penjemuran gabah secara manual bergantung pada sinar matahari yang tidak bisa diprediksi. Dilakukan percobaan sensor hujan akan mendeteksi turunya hujan Ketika menerima tetesan air dengan nilai kurang dari 1000 RH dan tidak mendeteksi hujan bila lebih dari 1000 RH, Sedangkan sensor BH1750 akan mendeteksi terang bila nilai lebih dari 70 lux dan mendeteksi mendung bila kurang dari 70 lux. Hasil Kedua sensor dapat bekerja dengan baik, sensor BH1750 dapat mendeteksi adanya perubahan cahaya dari terang ke gelap atau sebaliknya dan sensor hujan dapat mendeteksi adanya tetesan air hujan. Dari pengujian membuktikan bahwa sensor BH1750 dan sensor hujan berkerja dengan baik dalam mendeteksi cuaca dan motor DC bergerak sesuai dengan nilai yang telah diinput
KLASIFIKASI KANKER PARU PARU MENGGUNAKAN CNN DENGAN 5 ARSITEKTUR Aldo Vierisyah; Tasmi; Ricky Maulana Fajri
Journal Of Intelligent Networks and IoT Global Vol 1 No 2 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i2.3643

Abstract

Kanker paru-paru merupakan penyakit mematikan yang membutuhkan deteksi dini dan penanganan yang tepat. Pada penelitian ini, metode klasifikasi kanker paru-paru menggunakan Convolutional Neural Network (CNN) dengan 5 arsitektur yang berbeda, yaitu VGG16, VGG19, Resnet50, Resnet101, dan Xception. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi klasifikasi kanker paru dengan membandingkan performa dari kelima arsitektur tersebut. Hasil eksperimen menunjukkan bahwa arsitektur Resnet101 dan VGG16 dan VGG19 memiliki kinerja terbaik dengan akurasi klasifikasi masing-masing 93,4% dan 92,5%, sedangkan arsitektur Resnet50 dan Xception memiliki akurasi klasifikasi yang rendah. Penelitian ini memberikan bukti bahwa penggunaan CNN dengan arsitektur yang tepat dapat meningkatkan akurasi klasifikasi kanker paru-paru
KLASIFIKASI LAPISAN LILIN PADA BUAH APEL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN METODE CONVOLUTIONAL NEURAL NETWORK Dwi Okta Alvira; Rachmansyah; Ricky Maulana Fajri
Journal Of Intelligent Networks and IoT Global Vol 1 No 2 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i2.3644

Abstract

Buah-buahan merupakan salah satu dari macam komoditas pada sektor pertanian yang sangat rentan akan pembusukan salah satu nya adalah buah apel. Kualitas pada buah dapat dilihat dari berbagai faktor yaitu ukuran, warna, kondisi, tekstur, nilai nutrisi dan citarasa. Penelitian ini bertujuan untuk mengetahui perbedaan antara kualitas dari citra buah apel yang mengandung lapisan lilin dengan kualitas citra yang tidak mengandung lapisan lilin. Proses identifikasi lapisan lilin pada buah apel ini dapat dilakukan dengan menggunakan pengolahan citra digital atau yang sering dikenal Image Processing dengan melakukan proses ekstraksi citra menggunakan metode Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan merupakan sistem pemrosesan informasi yang memiliki karakteristik yang mirip dengan fungsi otak manusia dalam bentuk matematika dan menjalankan proses perhitungan secara paralel. Penelitian ini melakukan uji identifikasi citra menggunakan deep learning convolutional neural network, dengan menggunakan dua proses yaitu training dan testing untuk melakukan uji akurasi dengan menggunakan 200 data citra 100 citra buah apel dengan kandungan lilin dan 100 citra buah apel yang tidak terkandung lilin dan memiliki 100 data citra sebagai data testing 50 untuk yang terkandung apel dan 50 yang tidak terkandung lilin. Hasil yang telah didapatkan pada penelitian ini adalah akurasi 98% untuk proses training dan 97.50% untuk proses testing yang telah dilakukan menggunakan 10 epoch
SIMULASI KEAMANAN JARINGAN DENGAN METODE NETWORK DEVELOPMENT LIFE CYCLE MENGGUNAKAN SWITCH PORT SECURITY PADA PT PINUS MERAH ABADI RA Martasya Putri; Zulkifli; Ricky Maulana Fajri
Journal Of Intelligent Networks and IoT Global Vol 1 No 2 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i2.3646

Abstract

Perkembangan teknologi di dunia jaringan komputer semakin cepat seiring dengan meningkatnya tuntutan akan koneksi yang efisien, stabil, dan aman. Salah satu faktor penting dalam meningkatkan kualitas jaringan adalah keamanan jaringan atau network security. Terdapat berbagai teknik yang dapat digunakan untuk meningkatkan tingkat keamanan, seperti membangun sistem firewall atau mengimplementasikan port security. Port security melibatkan penggunaan port-port yang ada untuk mengatur akses ke jaringan. Dalam lingkungan kerja PT Pinus Merah Abadi, seringkali terjadi masalah seperti koneksi yang lambat dan kelemahan dalam aspek keamanan jaringan. Untuk mengatasi ini, penulis akan melakukan simulasi penggunaan port-security pada setiap switch di PT Pinus Merah Abadi agar jaringan komputer menjadi lebih aman dan terhindar dari masalah-masalah tersebut
EFEKTIVITAS PENGGOLONGAN KENDARAAN DENGAN METODE CNN PADA SISTEM TRANSAKSI DI GERBANG TOL Aditya Pratama; Hastha Sunardi; Ricky Maulana Fajri
Journal Of Intelligent Networks and IoT Global Vol 2 No 1 (2024)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v2i1.4435

Abstract

Penelitian ini mengusulkan penerapan metode klasifikasi citra multikelas untuk meningkatkan efektivitas penggolongan kendaraan dalam sistem transaksi di gerbang. Metode ini menggunakan pendekatan pembelajaran mesin untuk mengenali dan mengelompokkan kendaraan berdasarkan citra yang diperoleh dari sistem pengawasan gerbang. Penelitian ini bertujuan untuk meningkatkan akurasi dan kecepatan penggolongan kendaraan, sehingga dapat mendukung efisiensi dalam proses transaksi gerbang. Pengujian dilakukan menggunakan dataset beragam kendaraan dan hasilnya menunjukkan peningkatan yang signifikan dalam klasifikasi kendaraan secara akurat. Implementasi metode ini diharapkan dapat memberikan kontribusi positif terhadap pengembangan sistem transaksi di gerbang, meningkatkan keandalan dan kecepatan layanan
Co-Authors Aditya Pratama Aldo Vierisyah Dwi Okta Alvira Nonik Wulantika RA Martasya Putri Rachmansyah Sunardi, Hastha Tasmi Zulkifli