Article Per Year (5 Year)
p-Index From 2021 - 2026
2.884
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika Kaputama (JIK) Jurnal Sistem Informasi Kaputama (JSIK) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Komputer dan Sistem Komputer Terapan (JIKSTRA) INCODING: Journal of Informatics and Computer Science Engineering Journal of Artificial Intelligence and Engineering Applications (JAIEA) Journal of Mathematics and Technology (MATECH) Prioritas : Jurnal Pengabdian Kepada Masyarakat Jurnal Teknik, Komputer, Agroteknologi dan Sains Jurnal Indonesia Sosial Teknologi
Sembiring, Arnes
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Transportation

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal TIMES

 1 
SISTEM MONITORING DAN KONTROL PINTU BENDUNGAN BERBASIS NODEMCU DAN ENERGI TERBARUKAN Rifai, Abas; Sembiring, Arnes; Br Sitepu, Kristina Annatasia; Jalil, Saifuddin Muhammad
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

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

Abstract

Pintu bendungan memiliki peran strategis dalam pengelolaan sumber daya air, mencakup irigasi, pengendalian banjir, hingga penyediaan air bersih bagi masyarakat. Namun, di banyak daerah, sistem pengoperasian pintu masih bersifat manual dan sangat tergantung pada intervensi manusia. Ketergantungan ini menyebabkan keterlambatan dalam merespons fluktuasi volume air secara tiba-tiba, terutama pada saat cuaca ekstrem, yang berisiko menimbulkan bencana seperti banjir dan kekeringan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem otomatisasi pintu bendungan berbasis Internet of Things (IoT), dengan menggunakan mikrokontroler NodeMCU ESP8266 sebagai unit kendali utama. Sensor ultrasonik digunakan untuk mengukur ketinggian permukaan air secara real-time, sementara sensor hujan memantau kondisi cuaca. Sistem ini dilengkapi panel surya sebagai sumber energi terbarukan guna mendukung keberlanjutan operasional. Motor servo digunakan untuk membuka dan menutup pintu bendungan secara otomatis berdasarkan data sensor yang dianalisis secara cerdas. Seluruh data dikirimkan ke aplikasi Blynk, memungkinkan pemantauan dan pengendalian jarak jauh melalui perangkat seluler. Hasil pengujian menunjukkan bahwa sistem ini bekerja secara akurat, responsif, dan andal dalam berbagai kondisi simulasi. Temuan ini menawarkan solusi teknologi yang inovatif, hemat energi, dan berpotensi diterapkan secara luas dalam sistem pengelolaan air terpadu di masa depan.
PENGEMBANGAN APLIKASI ANDROID UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH ALPUKAT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN PENGOLAHAN CITRA Rizky, Bagaskara Dwi; Sembiring, Arnes
Jurnal TIMES Vol 14 No 1 (2025): Jurnal TIMES
Publisher : STMIK TIME

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

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi Android berbasis pengolahan citra yang mampu mengklasifikasi tingkat kematangan buah alpukat secara otomatis. Permasalahan utama dalam proses klasifikasi manual adalah ketidakakuratan dan ketidakkonsistenan hasil, yang dapat berdampak pada kualitas dan nilai jual buah. Untuk mengatasi hal tersebut, diterapkan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang ringan dan efisien untuk perangkat mobile. Dataset citra buah alpukat dibagi ke dalam lima kelas, yaitu Mentah, Setengah Matang, Matang, Terlalu Matang, dan Bukan Alpukat. Proses pelatihan model mencakup augmentasi data, pengoptimalan fungsi aktivasi, serta konversi model ke format TensorFlow Lite agar dapat diintegrasikan ke dalam aplikasi Android. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi validasi sebesar 94,61% dan akurasi pengujian sebesar 90,73%. Aplikasi ini memungkinkan pengguna untuk mengambil atau mengunggah gambar buah alpukat, lalu memprosesnya secara real-time dan menampilkan prediksi tingkat kematangannya. Penelitian ini memberikan kontribusi dalam pengembangan teknologi pertanian presisi berbasis kecerdasan buatan untuk membantu proses klasifikasi buah secara cepat, akurat, dan efisien.
Co-Authors Achmad Fauzi Ady Pratama, Ramadhan Ahmad Zakir, Ahmad Algama, Bella Asmah Indrawati Dadan Ramdan Erianto Ongko Gultom, Imeldawaty Harahap, Jaffar Siddik Hartono Hartono Hartono Hartono Hasibuan, Ade Hasibuan, Ade Zulkarnain Ilham, Fauzi Irawan, Amri Kristina Annatasia Br Sitepu Martini, Dewi Muhammad Khahfi Zuhanda Naufal, Tengku Akhdan Pane, Ilham Maratua Rachmat Aulia, Rachmat Rahmad Syah, Rahmad Rahman, Sayuti Ray, Raja Pahlefi Retna Astuti Kuswardani Rifai, Abas Rizky, Bagaskara Dwi Saifuddin Muhammad Jalil Sembiring, Hermansyah Sembiring, Jams David Pindona Shidqi, Sultan Simanjuntak, Magdalena Sinaga, Nicolas Novelico Siregar, Budi Arisa Utomo Siregar, Rosyidah suswati suswati Widodo, Dian Yunika , Vica