Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Penelitian Pendidikan IPA (JPPIPA) Dedikasi: Jurnal Pengabdian kepada Masyarakat
Nur Witdi Yanto
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Education Engineering Materials Science & Nanotechnology Physics Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Sistem Kontrol Level Air Lindi Untuk Meningkatkan Produktivitas Tanaman Sayuran dan Ekonomi Warga di Perumahan Pabuaran Asri RT 07 RW 08 Pabuaran Mekar Cibinong Bogor Nurdina widanti; Reza Diharja; Wike Handini; Sri Wiji Lestari; Dian Samodrawati; Nur Witdi Yanto; Ahmad Zulfadly Tanjung; Deselpi Fitriani; Muhammad Rifai; Arya Rafly Saputra
Dedikasi:Jurnal Pengabdian kepada Masyarakat Vol 3, No 1 (2022): Jurnal Dedikasi
Publisher : Universitas Jayabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31479/dedikasi.v3i1.206

Abstract

Produksi sampah yang terus meningkat setiap harinya tidak diimbang dengan pengolahan sampah yang tepat. Salah satu andil terbesar dalam semakin banyaknya sampah atau pun limbah berasal dari rumah tangga. Berangkat dari keresahan tersebut kelompok warga di Perumahan Pabuaran Asri kelurahan Pabuaran, kecamatan Cibinong membangun suatu perkumpulan untuk mengurai masalah pengelolaan sampai tersebut yang tergabung dalam KWT (Kelompok Wanita Tani). Hal ini sebagai wujud kepeduliaan terhadap lingkungan hidup. Selain berkampanye untuk mengurai sampah rumah tangga dalam lingkungan perumahan, RW 08 juga berusaha menghasilkan produk yang bernilai bersumber dari sampah. Dalam hal ini kelompok KWT bersama dengan FTI Jayabaya membangun suatu sistem untuk mengurai sampah organik menjadi kompos kering dan juga air lindi, beserta monitoring sistem air lindi secara otomatis. yang nantinya sebagian produk kompos digunakan langsung pada lahan tanaman sayur warga dan sebagain lagi dijual. Diperoleh hasil 83% responden memberi penilaian “sangat puas” terhadap penilaian peserta pelatihan mengenai kecukupan materi, aksesbilitas, kualitas sarana, dan prasarana. 94% responden memberi penilaian “sangat baik” terhadap prospek terhadap produk yang dihasilkan. Dan pada tanaman pokcoy setelah disiram dengan air lindi hasil cukup signifikan pun terlihat pada tanaman pokcoy batang lebih besar dan minim hama.
Development Edge Device Monitoring System Stunting and Malnutrition in Golden age 0–5 years Integrated with AI Nurdina Widanti; Wike Handini; Nur Witdi Yanto; Aditya Alamsyah
Jurnal Penelitian Pendidikan IPA Vol 9 No SpecialIssue (2023): UNRAM journals and research based on science education, science applic
Publisher : Postgraduate, University of Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jppipa.v9iSpecialIssue.6397

Abstract

Golden age is the best period for a child's growth, monitoring of growth and development must be carried out regularly. Growth and development disorders in children are stunting and malnutrition. This incident also prompted the government through the Ministry of Health to create a special program towards a golden Indonesia 2045 to monitor stunting and disease, especially in children. The prevalence of stunting decreased to 21.6% from 24.4% in 2022. Early detection of stunting and malnutrition, where the research object is children aged 0-5 years. This prototype was built using a load cell sensor, a study of the use of optical sensors and ultrasonic sensors to measure body height, and a MAX sensor to detect children's anemia. The integration of this tool combines IoT and AI. The results obtained to validate the use of load cells have a reading error of 0.01% with an accuracy of 99%. Comparison using optical sensors and ultrasonic sensors. Optical sensors have result average error of 0.01, accuracy 98.99%, ultrasonic sensors error was 0. 15 with 85% accuracy. To measure malnutrition, the anemia parameters were processed using the Dense Neural Network (DNN) model with 256 neurons showing an accuracy of 98.03%.
Co-Authors Aditya Alamsyah Ahmad Zulfadly Tanjung Anak Agung Istri Sri Wiadnyani Arya Rafly Saputra Deselpi Fitriani Dian Samodrawati Nurdina Widanti Reza Diharja Sri Wiji Lestari Wike Handini