Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal SinarFe7
Fauzan Masykur
Program Studi Teknik Elektro Universitas Muhammadiyah Ponorogo
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Perancangan dan Implementasi Sistem Smart Door Lock Berbasis Pengolahan Citra Digital Aryo Juliansyah; Fauzan Masykur; Rhesma Intan Vidyastari
SinarFe7 Vol. 8 No. 1 (2026): Sinarfe7-8 2026
Publisher : FORTEI Regional VII Jawa Timur

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

Abstract

Penggunaan kunci konvensional pada ruangan penting masih menyimpan celah keamanan, seperti risiko kunci hilang, diduplikat, hingga dipinjamkan tanpa izin, sehingga riwayat akses sulit dipantau. Penelitian ini merancang sistem smart door lock berbasis pengolahan citra dengan algoritma Convolutional Neural Network (CNN) sebagai solusi pengganti kunci manual. Sistem ini mengintegrasikan kamera webcam untuk mengambil citra wajah, Raspberry Pi 4 sebagai unit pemroses algoritma CNN, serta sensor infrared sebagai pemicu awal. Ketika wajah terverifikasi, mikrokontroler ESP8266 akan mengarahkan driver HW354 dan motor DC untuk membuka kunci. Hasil pengujian membuktikan bahwa sistem mampu mengenali wajah terdaftar pada posisi normal, berekspresi, maupun tersenyum, meski tetap mengalami kendala saat wajah tertutup objek. Sensor infrared mampu mendeteksi pengguna hingga jarak 30 cm. Dari sisi kecepatan, smart door lock membutuhkan waktu rata-rata 3,17 detik, yaitu sekitar 0,94 detik lebih lambat dibanding kunci manual (2,23 detik). Meskipun jeda waktunya sedikit lebih lama, sistem ini menawarkan tingkat perlindungan yang jauh lebih baik karena akses ruangan menjadi terbatas hanya untuk pengguna terdaftar.
RANCANG BANGUN SISTEM DETEKSI DAN PENGHITUNGAN AYAM SECARA REAL-TIME MENGGUNAKAN ALGORITMA YOLOV8-NANO BERBASIS MINI COMPUTER Yunan Sepda Kurnyanda; Fauzan Masykur; Rhesma Intan Vidyastari
SinarFe7 Vol. 8 No. 1 (2026): Sinarfe7-8 2026
Publisher : FORTEI Regional VII Jawa Timur

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

Abstract

Penghitungan populasi ayam merupakan salah satu kegiatan penting dalam manajemen peternakan karena berpengaruh terhadap pengelolaan pakan, kepadatan kandang, dan evaluasi produktivitas. Penghitungan secara manual memerlukan waktu dan berpotensi menimbulkan kesalahan akibat pergerakan ayam serta kondisi kandang yang dinamis. Penelitian ini bertujuan merancang dan membangun sistem deteksi dan penghitungan ayam secara real-time menggunakan algoritma YOLOv8-Nano berbasis mini computer Raspberry Pi 4. Metode penelitian meliputi perancangan perangkat keras, perancangan perangkat lunak, dan pengujian sistem berdasarkan tingkat kepadatan ayam, kondisi pencahayaan, serta kondisi waktu dan ayam. Hasil pengujian menunjukkan akurasi sebesar 100% pada kepadatan rendah, 95% pada kepadatan sedang, dan 93,33% pada kepadatan tinggi. Berdasarkan kondisi pencahayaan, akurasi mencapai 100% pada kondisi terang, 90% pada kondisi sedang, dan 70% pada kondisi redup. Sistem juga mampu beroperasi secara real-time dengan FPS sebesar 22,9–27,8 dan inference time sebesar 36–44 ms. Hasil tersebut menunjukkan bahwa YOLOv8-Nano pada Raspberry Pi 4 dapat digunakan untuk membantu proses penghitungan ayam secara otomatis.
Co-Authors Aryo Juliansyah Rhesma Intan Vidyastari Yunan Sepda Kurnyanda