Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Jurnal Infortech
Faisal Muttaqin
University of Pembangunan Nasional Veteran Jawa Timur
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

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

Found 2 Documents
Search

 1 
Design of a Smart Chili Mini Greenhouse with ESP32 and Model Predictive Control Salsabila Aurellia Zabrina; Faisal Muttaqin; Agus Salim
Jurnal Infortech Vol. 8 No. 1 (2026): June 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v8i1.12825

Abstract

Chili cultivation requires stable environmental conditions to achieve optimal plant growth. However, conventional control methods such as On-Off control are reactive and less efficient in handling dynamic environmental changes. This study develops a mini greenhouse system based on the Internet of Things (IoT) integrated with Model Predictive Control (MPC) to maintain the stability of the microclimate for chili plants. The system uses an ESP32 microcontroller as the main controller, DHT22 and soil moisture sensors to monitor temperature, air humidity, and soil moisture, as well as actuators in the form of a fan and water pump. The MPC algorithm is applied to predict system conditions and determine optimal control actions. The system is also integrated with an IoT platform and Telegram notifications for real-time monitoring. Simulation results show that the MPC method provides more stable temperature control compared to the On-Off control method, with overshoot reduced from approximately ±2°C to ±0.5°C and a faster settling time. Therefore, the developed system can improve microclimate control stability and operational efficiency in a mini greenhouse.
Perancangan Pipeline Preprocessing dan Segmentasi Audio Batuk Berbasis Energi Adaptif untuk Klasifikasi Batuk Kering dan Berdahak Desta Rizky Andhika; Faisal Muttaqin; Fetty Tri Anggraeny
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

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

Abstract

Rekaman audio batuk dari sumber publik umumnya memiliki variasi format, durasi, jumlah kanal, laju sampling, bagian hening, dan gangguan suara latar yang dapat memengaruhi konsistensi masukan pada proses klasifikasi. Penelitian ini bertujuan merancang pipeline preprocessing dan segmentasi audio batuk berbasis energi adaptif untuk menghasilkan audio yang lebih seragam dan relevan bagi klasifikasi batuk kering (dry) dan batuk berdahak (wet). Kebaruan penelitian ini terletak pada integrasi proses seleksi dan audit kualitas data dengan segmentasi event batuk menggunakan ambang energi yang dihitung secara adaptif pada setiap rekaman, sehingga proses segmentasi dapat menyesuaikan variasi intensitas sinyal antarrekaman tanpa menggunakan satu nilai ambang tetap untuk seluruh data. Tahapan penelitian meliputi seleksi label, audit kualitas audio, konversi format WAV, pengubahan kanal menjadi mono, resampling 16 kHz, trimming bagian hening, segmentasi berbasis energi adaptif, serta penyeragaman durasi menjadi 3 detik. Ambang segmentasi ditentukan secara adaptif berdasarkan estimasi noise floor, nilai RMS maksimum, dan margin sensitivitas sebesar 8.0 dB pada setiap rekaman.. Dari 27.550 entri metadata, diperoleh dataset akhir balanced-confident sebanyak 800 audio yang terdiri atas 400 data dry dan 400 data wet. Seluruh audio keluaran memiliki format WAV, kanal mono, laju sampling 16 kHz, dan durasi 3 detik. Hasil segmentasi menunjukkan rata-rata cakupan energi sebesar 84,58% pada kelas dry dan 82,54% pada kelas wet. Validasi fungsional menggunakan MFCC20 dan Capsule Network menghasilkan accuracy sebesar 71,67% dan F1-score sebesar 70,18%. Hasil tersebut menunjukkan bahwa pipeline mampu menghasilkan masukan audio yang konsisten dan dapat diteruskan ke tahap pemodelan klasifikasi.
Co-Authors Agus Salim Desta Rizky Andhika Fetty Tri Anggraeny Salsabila Aurellia Zabrina