Claim Missing Document
Check
Articles

Found 22 Documents
Search

SISTEM PEMBERIAN MAKANAN DAN MINUMAN KUCING MENGGUNAKAN ARDUINO Nugraha, Novemidu Wilis; Rahmat, Basuki
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 3 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i3.1446

Abstract

Abstrak. Memelihara hewan peliharaan di rumah yang harus diperhatikan adalah pola makan dan minum yang teratur pada hewan tersebut terutama dalam memelihara kucing yang sangat sensitif terhadap makanan dan minuman. Sehingga dengan dibuatnya alat pemberian makanan dan minuman kucing ini dapat mempermudah dalam proses pemberian makanan dan minuman kucing. Sistem yang dirancang terdiri dari dua proses : proses pemberian makanan yang dilakukan dengan menggunakan timer sebagai perintah untuk memberikan makanan kemudian dibatasi dengan timbangan pada tempat makan kucing menggunakan loadcell dan proses pengisisan air ke tempat minum kucing dengan menggunakan water pump untuk mengeluarkan air dimana ketika water level sensor funduino telah memberikan sinyal kepada relay untuk mengeluarkan air ke tempat minuman kucing. Untuk mengontrol seluruh komponen di atas menggunakan mikrokontroler Arduino ATmega328P. Berdasarkan hasil pengujian dan kinerja alat, telah menunjukkan hasil yang sesuai dengan perencanaan yaitu alat dapat memberikan makanan pada tempat makan kucing sesuai dengan durasi waktu yang telah ditentukan. Tingkat keakuratan timbangan loadcell dalam membaca berat beban pada tempat makan kucing adalah 68% dan kegagalan sebesar 32%. Tingkat keberhasilan water level sensor funduino dalam mendeteksi tingkat ketinggian air pada tempat minum kucing sebesar 85% dan kegagalan sebesar 15%.  Kata Kunci: Arduinuo ATmega328P, loadcell, water pump, water level funduino DOI : https://doi.org/10.33005/scan.v13i3.1446
DEEP LEARNING-BASED OBJECT RECOGNITION ROBOT CONTROL VIA WEB AND MOBILE USING AN INTERNET OF THINGS (IoT) CONNECTION Basuki Rahmat; Budi Nugroho
Jurnal Ilmiah Kursor Vol 10 No 4 (2020)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/kursor.v10i4.242

Abstract

The paper presents the intelligent surveillance robotic control techniques via web and mobile via an Internet of Things (IoT) connection. The robot is equipped with a Kinect Xbox 360 camera and a Deep Learning algorithm for recognizing objects in front of it. The Deep Learning algorithm used is OpenCV's Deep Neural Network (DNN). The intelligent surveillance robot in this study was named BNU 4.0. The brain controlling this robot is the NodeMCU V3 microcontroller. Electronic board based on the ESP8266 chip. With this chip, NodeMCU V3 can connect to the cloud Internet of Things (IoT). Cloud IoT used in this research is cloudmqtt (https://www.cloudmqtt.com). With the Arduino program embedded in the NodeMCU V3 microcontroller, it can then run the robot control program via web and mobile. The mobile robot control program uses the Android MQTT IoT Application Panel.
IMPLEMENTASI ALGORITMA CNN UNTUK KLASIFIKASI CITRA LAHAN DAN PERHITUNGAN LUAS Ridho Aji Pangestu; Rahmat, Basuki; Tri Anggraeny, Fetty
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (807.535 KB)

Abstract

Pertanian merupakan sektor yang paling penting dalam membangun perekonomian. Hal dasar yang perlu diperhatikan sebelum bercocok tanam adalah lahan yang digunakan sebagai media tanam. Lahan yang dimiliki para petani maupun calon petani memiliki ukuran luas yang berbeda?beda. Untuk mengetahui luas lahan tersebut diperlukan perhitungan secara manual. Pada era globlalisasi perkembangan teknologi mengalami kemajuan yang cukup pesat. Penggunaan teknologi dalam bidang pertanian juga sudah banyak dikembangkan. CNN termasuk dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak diimplementasikan dalam data citra. Pada penelitian ini CNN digunakan untuk membedakan antara citra lahan sawah, lapangan dan lahan kosong. Setelah citra telah diklasifikasi melalui CNN, dilakukan pengolahan data citra dan identifikasi luas lahan. Pada metode CNN ini terdapat proses ekstraksi fitur dan klasifikasi fitur, untuk ekstraksi fitur ada proses convolution layer dan subsampling layer, sedangkan klasifikasi fitur ada proses fully connected layer. Pada proses training dan testing didapatkan hasil rata-rata menggunakan K-Fold Cross Validation. Hasil rata-rata dari cross validation adalah 97,77% untuk training, dan 70% untuk testing. Pengolahan data citra pada penelitian ini terdapat berbagai macam teknik untuk ekstraksi fitur yang digunakan, seperti teknik merubah warna citra, deteksi tepi, dilasi, closing, inverse, erosi, dan rekonstruksi citra untuk dapat mengukur luasan lahan yang terdapat pada citra. Hasil ratarata nilai error dari perhitungan luasan lahan dari 10 data uji adalah 9,07%. Dan rata-rata hasil perhitungan kemiripan citra segmentasi dengan citra ground truth menggunakan fungsi dice similarity dari 10 data citra didapatkan nilai sebesar 0.984.
DETEKSI TANAMAN TEBU PADA LAHAN PERTANIAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Muhammad Alfin Jimly Asshiddiqie; Rahmat, Basuki; Tri Anggraeny, Fetty
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2290.564 KB)

Abstract

Indonesia merupakan negara agraris yang memiliki lahan pertanian yang luas. Kondisi tersebut sesuai untuk produksi tanaman padi dan palawija seperti jagung, singkong, kedelai, kacang, tebu, cabai, dan lain sebagainya. Sebagai upaya untuk lebih memperkenalkan tanaman pertanian kepada masyarakat, maka diperlukan sebuah model yang dapat mengenali bentuk dan jenis tanaman pertanian di Indonesia. Hal ini dapat diwujudkan dengan memanfaatkan Drone, yaitu teknologi pesawat tanpa awak yang dapat digunakan untuk mengindentifikasi jenis tanaman melalui udara. Penelitian ini dilakukan untuk mengembangkan sistem deteksi jenis tanaman berbasis drone dengan menerapkan algoritma CNN (Convolutional Neural Network) dengan menggunakan YOLO (You Only Look Once). Hasil penelitian menunjukkan bahwa metode CNN berhasil untuk mendeteksi tebu dengan cukup baik dengan menghasilkan rata-rata nilai confidence sebesar 95% pada pengujian video. Pengujian menggunakan pada nilai threshold 0.1, menghasilkan skor precision sebesar 1.00, skor recall sebesar 0.95 dan skor accuracy sebesar 0.95 pada tebu.
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI RETINOPATI DIABETIK Handono, Stevanus Frangky; Anggraeny , Fetty Tri; Rahmat, Basuki
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (323.159 KB)

Abstract

Retina adalah selapis tipis sel yang terletak pada bagian belakang bola mata yang memiliki fungsi untuk menangkap bayangan obyek yang dilihat mata dan meneruskannya ke syaraf penglihatan. Oleh karena itu retina berperan penting dalam proses penglihatan. Salah satu penyakit yang kerap menyerang retina adalah Retinopati Diabetik (RD). Penyakit ini disebabkan oleh adanya Diabetes Melitus pada tubuh dan biasanya ditandai dengan adanya kerusakan dan sumbatan pembuluh darah retina. Untuk mendeteksi penyakit tersebut biasanya perlu dilakukan pengamatan manual pada foto retina dan memerlukan waktu relaitf lama untuk melakukannya. Hal tersebut dapat diatasi dengan memanfaatkan sistem cerdas seperti CNN yang mampu mengekstrak fitur dari sebuah citra dan menggunakannya untuk proses lebih lanjut seperti klasifikasi citra, deteksi objek, dsb. Peneletian ini menggunakan CNN untuk mengklasifikasi antara citra retina yang terindikasi RD dengan citra tanpa penyakit. Dari pengujian terhadap 90 citra, didapatkan akurasi sebesar 58%, spesifisitas sebesar 0,61, dan sensitivitas sebesar 0,44.
IMPLEMENTASI ALGORITMA YOLO (YOU ONLY LOOK ONCE) UNTUK DETEKSI API Mada Lazuardi Nazilly; Rahmat, Basuki; Yulia Puspaningrum, Eva
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (719.676 KB)

Abstract

Kebakaran hutan dan lahan menjadi masalah yang selalu terjadi setiap tahun di wilayah Indonesia. Penyebabnya adalah cuaca panas pada musim kemarau yang dapat menyebabkan munculnya bara api maupun praktek pembukaan lahan pertanian atau perkebunan baru pada kawasan hutan  yang dilakukan dengan cara pembakaran liar. Hal ini dapat dicegah dengan memanfaatkan Drone, yaitu teknologi pesawat tanpa awak yang dapat digunakan untuk memantau titik-titik api pada kawasan hutan/lahan melalui udara. Penelitian ini dilakukan untuk mengembangkan sistem deteksi api berbasis drone dengan menerapkan algoritma YOLO (You Only Look Once) yang menggunakan jaringan syaraf konvolusional untuk mendeteksi objek api pada citra. Hasil penelitian menunjukkan bahwa penggunaan algoritma YOLO berhasil untuk mendeteksi api dengan cukup baik dengan menghasilkan rata-rata nilai confidence sebesar 0.66 pada pengujian video. Sedangkan untuk pengujian menggunakan 100 citra pada nilai threshold 0.30, menghasilkan skor precision sebesar 98%, skor recall sebesar 95% dan skor accuracy sebesar 95% serta skor mean average precison (mAP) sebesar 72.63%.
DETEKSI IKAN DENGAN MENGGUNAKAN ALGORITMA ADABOOST-SVM Singgih Putra Pratama; Basuki Rahmat; Fetty Tri Anggraeny
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (284.538 KB)

Abstract

Indonesia merupakan negara yang kaya akan sumber daya alam baik hayati maupun nonhayati. Salah satu sumber daya alam hayati yang sangat banyak jumlahnya di Indonesia adalah laut, Untuk mempermudah mengidentifikasikan ikan, dapat memanfaatkan sebuah teknologi yang dapat membantu manusia untuk dapat mengenali ikan dengan menggunakan visi komputer dan pendekatan pemrosesan gambar untuk deteksi ikan menggunakan algoritma Histogram of Oriented Gradients (HOG) dan AdaBoost-SVM. Hasil penelitian menunjukkan bahwa metode HOG dan AdaBoost-SVM dapat menghasilkan tingkat akurasi rata-rata sebesar 85%.
IMPLEMENTASI ALGORITMA C4.5 DALAM DIAGNOSIS AUTISME PADA ANAK MENGGUNAKAN RUMUSAN DIAGNOSTIC AND STATISTICAL MANUAL OF MENTAL DISORDERS V Ifnu Wisma Dwi Prastya; Yuniar, Intan; Rahmat, Basuki
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (528.425 KB)

Abstract

Abstrak        Diagnosis autisme merupakan langkah pertama dalam proses penanganan autisme. Namun, permasalahannya banyak orang tua yang masih belum mengerti terkait gejala yang dialami oleh anaknya dan bagaimana cara penagannya. Masih banyak orang tua yang memilih untuk langsung berkonsultasi kedokter atupun tenaga medis. Sedangkan jumlah dokter atau tenaga medis dalam bidang gangguan perkembanagan mental dan otak masih sangant sedikit. Maka dari itu, dibutuhkan cara pendiagnosisan autisme secara mudah dan gampang diakses oleh orang tua, sehingga orang tua dapat dengan mudah mendiagnosis secara dini autisme pada anak. Algoritma C4.5 merupakan salah satu algoritma yang dapat memprediksi tingkat akurasi diagnosis autisme dan Diagnostic and Statistical Manual of Mental Disorders merupakan sebuah acuan yang digunakan untuk mendiagnosa suatu gangguan kejiwaan.          Penelitian ini menggunakan 70 data, dengan pembagian data dengan komposisi 70% untuk data latih dan 30 % data uji, sehingga ditemukan 50 data untuk digunakan sebagai data latih dan 20 data untuk data uji. Pengujian dalam sistem ini menggunakan metode Confusion Matrix. Pohon keputusan yang terbangun dari sistem ini memiliki nilai akurasi sebesar 90%, dan menghasilkan nilai precision sebesar 93,33% dan nilai recall sebesar 93,33%.   Kata Kunci : Diagnosis, Autisme, Algoritma C4.5, DSM-V  (Diagnostic and Statistical Manual of Mental Disorders V ). The diagnosis of autism is the first step in the process of treating autism. However, the problem is that many parents still do not understand the symptoms associated with their children and how to treat them. There are still many parents who choose to consult a doctor or a medical person directly. While the number of doctors or medical personnel in the field of mental and brain development disorders is still small. Therefore, it is needed a way to diagnose autism easily and easily accessed by parents, so parents can easily diagnose early autism in children. C4.5 algorithm is one algorithm that can predict the accuracy of the diagnosis of autism and the Diagnostic and Statistical Manual of Mental Disorders is a reference used to diagnose a psychiatric disorder. This study uses 70 data, with the division of data with a composition of 70% for training data and 30% for test data, so that 50 data are found to be used as training data and 20 data for test data. Testing in this system uses the Confusion Matrix method. The decision tree that was built from this system has an accuracy value of 90%, and produces a precision value of 93.33% and a recall value of 93.33%. Keywords: Diagnosis, Autism, C4.5 Algorithm, DSM-V (Diagnostic and Statistical Manual of Mental Disorders V).
DETEKSI OBJEK BERWARNA MENGGUNAKAN METODE COLOR MATCHING BERBASIS ARDUINO Hutama, Dhany Satya; Rahmat, Basuki; Syaifullah JS, Wahyu
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.118 KB)

Abstract

Akhir ? akhir ini banyak ajang perlombaan dalam dunia robotika dimana kamera menjadi salah satu peranan penting dalam perlombaannya. Hal itu memerlukan pengolahan citra pada hasil tangkapan kamera agar robot dapat berjalan mengikuti objek yang berada didepannya. Beberapa penelitian menggunakan banyak metode untuk melakukan pengolahan citra. Ada yang menggunakan metode bentuk objek untuk memfokuskan pada bentuknya, namun metode ini kurang maksimal karena banyak objek dalam lapangan yang bentuknya sama. Maka dari itu menggunakan metode selanjutnya yaitu metode Color Matching untuk melakukan pencocokan warna pada sebuah objek agar kamera dapat lebih terfokus pada objek dengan warna tertentu. Pengolahan citra dengan metode Color Matching akan ditanamkan pada Arduino untuk memudahkan pengguna melakukan inisialisasi warna awal. Penangkapan gambar menggunakan kamera serial OV7670 yang cocok untuk memulai penelitian, karena pembacaan pixel yang tidak terlalu cepat. Uji coba yang dilakukan pada sistem pendeteksi objek berwarna ini salah satunya adalah pengujian warna objek dan latar belakang. Warna yang didapat harus berada dalam intensitas warna yang ditentukan, ini dimaksudkan untuk pendeteksian yang maksimal. Intensitas warna yang semakin besar menyebabkan noise yang semakin banyak pula, yang juga menyebabkan pergerakan alat ini menjadi tidak teratur.
KLASIFIKASI DAN PENGENALAN OBJEK IKAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) faisal, Faisal Fahri Ferdiansyah; Rahmat, Basuki; Yuniar, Intan
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (269.684 KB)

Abstract

Ikan hias merupakan ikan yang diminati masyarakat luas karena keindahan yang khas dan unik, mulai dari beragam corak, warna, dan bentuk. Klasifikasi dan pengenalan objek ikan bertujuan untuk melakukan proses klasifikasi suatu objek kedalam satu kelas tertentu berdasarkan pengenalan melalui ciri bentuk, warna yang dimilikinya, sehingga dapat digunakan untuk mengenali karakter ikan. Penelitian ini menggunaka metode Support Vector Machine (SVM). Dengan menggunakan Bahasa Pemrograman Python. Ekstrasi ciri warna pada penelitian ini mengimplementasikan metode HSV dan hasil dari Histogram. Anaconda Navigator sebagai aplikasi GUI dan Jupyter Notebook sebagai text editor. Dengan menggunakan Kappa cohen sebagai validasi pengujian data. Data  uji sejumlah  250 citra semua jenisnya sejumlah 50 citra per jenisnya. Hasil uji coba akan berdasarkan pada akurasi, hasil pengujian pertama pada ikan komet 20%, ikan manfish 20%, ikan molly 0, ikan redfine 90% ikan zebra 80% dengan nilai rata ? rata hasil akurasi 42% dengan diperoleh akuras sedangkan pengujian kedua pada ikan komet 0, ikan manfish 25%, ikan molly 15%, ikan redfine 75% ikan zebra 55%  hasil 34%. Nilai Accruracy 50%, Precission 90%, Recall 47% dan f1 score 63,94%. Nilai perhitungan koefisien kappa diperoleh berjumlah . Kata kunci : support vector machine, ekstrasi ciri, ikan hias, object detection.