Article Per Year (5 Year)
p-Index From 2019 - 2024
1.286
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Setrum Journal Zetroem Journal of Electrical Engineering and Computer (JEECOM) JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer JEEE-U (Journal of Electrical and Electronic Engineering-UMSIDA)
Farrady Alif Fiolana
UNIVERSITAS ISLAM KADIRI
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Prototipe Sistem Peringatan Dini Kebakaran Menggunakan Hybrid Sensor API Dan MQ-2 Berbasis IOT Haris Odi Rizaldy; Mochtar Yahya; Farrady Alif Fiolana
Setrum : Sistem Kendali-Tenaga-elektronika-telekomunikasi-komputer Vol 7, No 2 (2018): Edisi Desember 2018
Publisher : Fakultas Teknik Elektro - Universitas Sultan Ageng Tirtayasa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36055/setrum.v7i2.3528

Abstract

Kebakaran di suatu gedung merupakan suatu kelalaian atau kesalahan yang diakibatkan oleh manusia, yang disebabkan oleh beberapa faktor misalnya akibat puntung rokok, hubungan pendek arus listrik yang dapat menimbulkan percikan api dan merambat ke bahan mudah terbakar. Pada umumnya, kebakaran diketahui jika keadaan api sudah mulai membesar atau asap hitam telah mengepul keluar dari bangunan, Keterlambatan memberikan pertolongan dalam bencana kebakaran mengakibatkan jatuhnya korban jiwa serta materi yang tidak sedikit, maka dibutuhkan penanganan yang cepat guna mengatasi bencana kebakaran semakin meluas.  Hasil perancangan alat yang dibuat adalah menerima informasi atau notifikasi dari internet ke handphone, jika kedua sensor mendeteksi adanya asap dan api melebihi kadar yang ditentukan maka handphone akan menerima notifikasi adanya asap dan api dari internet dan dapat disimpulkan bahwa terindikasi terjadinya kebakaran. Pada percobaan yang telah dilakukan salah satu data pembacaan sensor MQ2 dengan ADC 352 sehingga tegangan output sensor didapat 1,72 V dan mengasilkan kadar asap 3440 PPM, sedangkan pembacaan sensor flame jika terdapat lidah api dengan tinggi 1,5 cm maka sensor dapat mendeteksi adanya api dengan jarak maksimal 60 cm. Kata kunci : Sensor MQ2, Pendeteksi Kebakaran, IoT
Virtual Drum Based Image Processing System Farrady Alif Fiolana; Fajar Yumono; Muhammad Yusuf Ari Anggara
JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer Vol 1 No 1: JTECS Januari 2021
Publisher : FAKULTAS TEKNIK UNIVERSITAS ISLAM KADIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jtecs.v1i1.688

Abstract

Drum/drumset adalah gabungan dari beberapa alat perkusi yang dimainkan oleh satu atau dua orang pemain. Bagian drum sendiri biasanya terdiri dari hihat, tom, crash, dan bass kick. Image processing dapat menjadikan bagian tersebut praktis dan mudah dibawa dengan membuat program pendeteksi gerakan ujung stik yang berbentuk lingkaran menggunakan HSV dan hough circle. Hasil deteksi digunakan untuk pengambilan keputusan jenis suara yang dikeluarkan terhadap koordinat drum yang telah di tentukan. Terdapat 3 posisi drum dalam frame yang menentukkan jenis suara yang berbeda.
Design of Wheeled Football Robot Coordination System at Base Station Using TCP / IP Diah Arie Widhining Kusumastutie; Farrady Alif Fiolana
JEEE-U (Journal of Electrical and Electronic Engineering-UMSIDA) Vol 4 No 1 (2020): April
Publisher : Muhammadiyah University, Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/jeeeu.v4i1.341

Abstract

Wheel Soccer Division, Indonesian Robot Contest is an annual competition held by the Ministry of Education. One team in this division consists of 3 robots connected in wireless communication coordinated by base station. Besides that, base station computer also connects the robots with referee computer or called Refbox (Referee Box). Refbox as server for base station computer and base station computer as server for robots. The problem arises in base station has to play double roles, as server and client. In testing had two the results of communication from the referee box to basestation and basestation to the client so the data from the referee box can be accepted by the client with a success rate of 93%.
Klasifikasi Kualitas Citra Kedelai Hitam (Malika) Menggunakan Metode K-Nearest Neighbor Eka Rahayu Septiana; Farrady Alif Fiolana; Danang Erwanto
Journal of Electrical Engineering and Computer (JEECOM) Vol 4, No 2 (2022)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v4i2.4469

Abstract

Kedelai hitam dengan nama latin (Glycine max (L.) Merrill) merupakan tanaman asli Asia yang sangat cocok ditanam di wilayah tropis seperti Indonesia. Kedelai merupakan tanaman pangan yang dapat diolah menjadi beberapa olahan, salah satunya diolah menjadi kecap. Penggunaan metode manual masih memiliki kekurangan salah satunya, biaya yang digunakan dalam pemilahan biji kedelai relatif besar yang diakibatkan karena dalam metode pemilahan secara manual dibutuhkan tenaga kerja yang banyak. Untuk itu, perlu adanya metode klasifikasi secara otomatis untuk mengatasi kekurangan dari metode manual. Dengan menerapkan metode klasifikasi K-Nearest Neighbor berdasarkan ciri warna dan bentuk, diharapkan mampu mengklasifikasi kedelai hitam (Malika) secara otomatis sehingga dapat menekan biaya yang digunakan pada metode manual. Dengan ekstraksi warna menggunakan histogram warna dan bentuk menggunakan parameter axis major, axis minor, keliling, area. Pada penelitian ini menggunakan metode penelitian eksperimen merupakan metode sistematis guna membangun hubungan yang mengandung fenomena sebab akibat. Pada penelitian ini menggunakan masukan citra dengan jumlah citra 500 biji malika dengan 250 citra malika baik dan 250 citra malika jelek, serta terdiri dari citra traning 400 citra dan citra testing 100. Berdasarkan hasil penujian, dilakukan uji coba tingkat keakurasian K dari K = 1 sampai K = 40. Didapatkan akurasi tertinggi pada K = 5 sebesar 91% dan akurasi terendah pada K = 1 sebesar 87%. Pengujian terhadap penelitian ini dilakukan menggunakan 20 citra input menggunakan rincian 10 input uji malika baik, 10 citra input uji malika jelek. Dengan hasil klasifikasi mampu membedakan atau memberi label biji malika baik dan jelek. Berdasrkan penelitian yang telah dilakukan, dapat disimpulkan bahwa algoritma K-Nearest Neighbor bisa membantu mengklasifikasi biji kedelai hitam malika baik dan jelek.
Klasifikasi Helm Keselamatan Mengunakan Metode Convolutional Neural Network (CNN) Aldiana Nugroho Mianah; Diah Arie Widhining K; Farrady Alif Fiolana
ZETROEM Vol 5 No 2 (2023): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v5i2.2765

Abstract

Dunia industri yang menggunakan sumber daya manusia, sepenuhnya terkait dengan proses produksi yang membutuhkan penerapan teknologi mutakhir. Kemampuan teknologi untuk meningkatkan proses produksi juga bisa berbahaya jika digabungkan dengan kondisi, prosedur, dan sistem kerja yang tidak aman. Selain itu, baik pengusaha maupun karyawan biasanya mengabaikan adanya bahaya untuk mencapai tujuan produksi. Keselamatan dan Kesehatan Kerja (K3) telah diterapkan di setiap bisnis untuk menciptakan lingkungan kerja yang aman, proses kerja, dan sistem kerja. Sehingga dibuatkanlah sistem tahap awal yang nantinya bisa membedakan pekerja yang memakai helm atau tidak, yang nantinya bisa memudahkan para pekerja sebagai pengingat untuk memakai helm keselamatan. Menggunakan Arsitektur CNN untuk mengklasifikasi citra pekerja yang memakai helm atau tidak, memberikan hasil dari penelitian yaitu pertama menganalisa hasil konvolusi pada salah satu citra dan menampilkan seluruh kernel yang digunakan pada proses konvolusi membuah hasil yaitu citra output memberikan visual yang cukup jelas dengan citra awal, kedua yaitu Evaluasi Arsitektur CNN dengan menggunakan Confusion Matrix memberikan hasil accuracy sebesar 81% dan Mean Square Error sebesar 18,8%. Pengujian Terakhir yaitu menguji prediksi gambar lainnya.
Rancang Bangun Alat Pendeteksi Penyakit Menggunakan Metode Akupuntur Pada Telapak Tangan Ahmad Irfan Al Farasyi; Farrady Alif Fiolana; Diah Arie Widhining K
ZETROEM Vol 5 No 2 (2023): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v5i2.2942

Abstract

Setiap orang ketika sedang menderita suatu penyakit, sel didalam tubuh akan mengalami kerusakan. Jika hal ini sudah terjadi, maka akan terjadi suatu proses regenerasi sel yang baru. Metode yang digunakan untuk mendeteksi sel yang rusak dengan cara teknik akupuntur yaitu mengalirkan arus tegangan kecil pada titik akupuntur yang ada di telapak tangan. Jika titik akupuntur dapat dialiri listrik, maka terdapat gangguan atau masalah pada organ yang diwakili oleh titik akupuntur tersebut. Proses berjalannya pendeteksian penyakit pada telapak tangan pasien yang dialiri arus listrik tegangan kecil untuk mendapatkan nilai threshold sebagai titik acuan rangsang di tubuh pasien dan dilakukan pendeteksian penyakit melalui titik akupuntur pada telapak tangan dengan hasil yang akan ditampilkan dilayar PC. Pada penelitian ini menggunakan metode research and development yaitu hasil yang akan digunakan untuk pengembangan suatu penelitian. Dalam hal ini, pasien sebagai objek penelitian dan penyakit pasien digunakan sebagai sampel. Penelitian ini dilakukan pada 5 orang yang berbeda dengan 3 kali pendeteksian, sehingga didapatkan persentase kesesuaian pendeteksian penyakit sebesar 73% dan ketidaksesuaian pendeteksian sebesar 27%.
Pendeteksi Pengguna Masker Pada Pintu Masuk Dengan Metode Convolutional Neural Network: Indonesia Ganiesa Nasrulloh Brilliant; Fajar Yumono; Farrady Alif Fiolana
ZETROEM Vol 6 No 1 (2024): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v6i1.3452

Abstract

Pada penelitian ini dilakukan pengujian sistem pendeteksi wajah bermasker yang menerapkan metode Convolutional Neural Network (CNN). Pengujian sistem ini dilakukan untuk mengetahui keberhasilan metode CNN pada sistem pendeteksi wajah bermasker secara real time jika bagian mulut dan hidung pada wajah tidak tertutup maupun tertutup oleh masker atau oleh selain masker. Penelitian ini dibagi dalam 3 tahap, yaitu pelatihan dataset, deteksi wajah, dan pengujian secara real time dengan berbagai posisi wajah. Sistem ini berhasil mendeteksi wajah bermasker atau tidak pada model dataset dengan akurasi 98%. Secara real time sistem ini berhasil mendeteksi dengan baik pada berbagai posisi tampak wajah dan pada wajah yang pada bagian hidung dan mulut tertutup masker atau tangan. Dan pada percobaan menggunakan solenoid jika terdeteksi memakai masker maka solenoid akan membuka pintu dan jika tidak maka solenoid tidak membuka pintu.
Co-Authors Ahmad Irfan Al Farasyi Aldiana Nugroho Mianah Danang Erwanto Diah Arie Widhining K Diah Arie Widhining Kusumastutie Eka Rahayu Septiana Fajar Yumono Ganiesa Nasrulloh Brilliant Haris Odi Rizaldy Mochtar Yahya Muhammad Yusuf Ari Anggara