Article Per Year (5 Year)
p-Index From 2020 - 2025
1.383
P-Index
This Author published in this journals
All Journal JURNAL INTEGRASI JURNAL REKAYASA TEKNOLOGI INFORMASI Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Journal of Innovation Information Technology and Application (JINITA) Indonesian Journal of Data and Science Innovation in Research of Informatics (INNOVATICS) Journal of Applied Data Sciences Buletin Poltanesa Malcom: Indonesian Journal of Machine Learning and Computer Science
Prafanto, Anton
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Mathematics Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Studi Pustaka Metodologi Automatic Number Plate Recognition Dalam Deteksi Plat Nomor Kendaraan Paroliyan, Abraham; Gultom, Tiopan Hendry Manto; Prafanto, Anton; Budiman, Edy; Haviluddin, Haviluddin
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 4, No 1 (2019): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (403.214 KB)

Abstract

Mendeteksi plat nomor kendaraan secara otomatis atau Automatic Number Plate Recognition (ANPR) dengan bantuan teknologi untuk berbagai macam kebutuhan seperti manajemen parkir, manajemen traffic, keamanan parkir, jalan raya, dan sistem transportasi sangat diperlukan. Oleh karena itu, akurasi ketepatan deteksi plat nomor kendaraan sangat diperlukan. Berbagai teknik telah banyak dilakukan oleh para peneliti dalam mendeteksi plat nomor kendaraan. Paper ini bertujuan melakukan tinjauan pustaka terhadap berbagai teknik yang telah digunakan dalam mendeteksi plat nomor kendaraan sehingga dapat menentukan teknik deteksi yang akan digunakan dimasa mendatang.
Studi Pustaka Metodologi Optical Character Recognition Dengan K-Nearest Neighbout Pradinata, Muhammad Aji; Gultom, Tiopan Hendry Manto; Prafanto, Anton; Budiman, Edy; Haviluddin, Haviluddin
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 4, No 1 (2019): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (500.008 KB)

Abstract

Setiap kendaraan memiliki nomor plat kendaraan sebagai identitas kendaraan. Pada sistem ini pengenalan plat nomor telah diterapkan dibeberapa lokasi parkir akses kontrol pada area tertentu dan mendeteksi serta memverikasi kendaraan dilokasi parkir. Pada penelitian ini menggunakan Optical Character Recognition (OCR) untuk membaca plat nomor kendaraan, pengenalan karakter-karakter yang mencakup pengubahan semua yang dapat dibaca oleh manusia kedalam representasi yang dapat diproses oleh mesin. Dalam hal ini yang termasuk dalam karakter yang dikenali adalah karakter yang dicetak oleh mesin maupun tulisan hal ini meliputi karakter satu persatu, analisis karakter yang telah di-scan dan pengubahan citra karakter menjadi kode ASCII (American Standard Code for Information Interchange).
Pengembangan Sistem Parkir Menggunakan Booking System (Studi Kasus: Plaza Mulia) Prawira, Muhammad Nanda; Gultom, Tiopan Hendry Manto; Prafanto, Anton; Budiman, Edy; Haviluddin, Haviluddin
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 4, No 2 (2019): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (81.064 KB)

Abstract

Abstract-- Sistem parkir telah menjadi kebutuhan utama untuk mengakomodasi kendaraan yang diparkir di tempat umum, terutama di pusat perbelanjaan. Sistem parkir yang ada memiliki batasan dalam menyarankan lokasi parkir khusus. Plaza Mulia merupakan pusat perbelanjaan yang menggunakan sistem parkir dimana informasi lokasi parkir masih dilakukan secara manual. Keterbatasan semacam itu menyebabkan antrian yang tidak perlu, pemborosan bahan bakar, dan pemborosan waktu. Dalam penelitian ini, aplikasi yang diusulkan dapat memberi informasi keadaan parkir, memilih lokasi parkir yang diinginkan, menyarankan lokasi. untuk membangun aplikasi tersebut menggunakan metode perancangan berorientasi objek dengan menggunakan UML (Unfied Modelling Languange)menggunakan bahasa pemograman Java. Sistem dibangun dengan bahasa pemograman java dengan software pembantu Netbeans. Hasil pengujian menggunakan pengujian Black-Box menunjukkan apakah sistem dapat berfungsi sesuai kebutuhan pengguna
Analisis Penerapan Metode Search Engine Optimization (SEO) Untuk Meningkatkan Traffic Website Berbayar dan Tidak Berbayar Arifin, Ahmad; Dengen, Nataniel; Setyadi, Hario Jati; Prafanto, Anton; Putra, Gubtha Mahendra
Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) Vol 4, No 2 (2019): Prosiding Seminar Nasional Ilmu Komputer dan Teknologi Informasi (SAKTI)
Publisher : Mulawarman University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (472.038 KB)

Abstract

Kepopuleran sebuah situs dapat diukur dari jumlah trafik yang masuk ke situs tersebut. Hal tersebut terjadi karena trafik adalah penentu kelangsungan hidup sebuah situs di internet. Penelitian ini bertujuan untuk menempatkan situs pada urutan teratas halaman pertaman Google SERP (Search Engine Result Page) dengan memaksimalkan kinerja penerapan metode SEO Onpage dan SEO Offpage pada website, untuk mengetahui perbandingan antara website berbayar dan tidak berbayar dalam metode Search Engine Optimization (SEO). Hasil penelitian menunjukkan bahwa situs yang menggunankan metode Search Engine Optimization (SEO) bisa lebih dikenali oleh mesin pencari dan akan meningkatkan volume trafik suatu website. Dan situs dengan layanan berbayar memiliki jumlah trafik yang tinggi dibandingkan dengan situs yang tidak berbayar, walaupun keduanya menerapkan metode SEO..
Analisis Metode Search Engine Optimization (SEO) Pada Website Konterku.com Menggunakan Ahrefs Putra, Gubtha Mahendra; Ikram, Adli Dzil; Wardhana, Reza; Prafanto, Anton; Rosmasari, Rosmasari; Irsyad, Akhmad
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 8, No 1 (2024): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v8i1.14614

Abstract

Revolusi industri 4.0 mengubah secara besar-besaran dalam berbagai bidang industri yang di dukung oleh perpaduan teknologi informasi yang semakin canggih dan dapat mengurangi sekat-sekat antara dunia fisik, digital dan biologi. Banyak pelaku bisnis Indonesia maupun dunia yang beralih kepada teknologi website untuk pemasaran dan promosi produknya. Website dinilai sangat efektif sebagai media untuk berbisnis. Hal ini dikarenakan biaya yang lebih murah untuk pemasaran, pemuatan informasi yang lebih jelas dan lebih banyak, serta jangkauannya yang dapat merambah hingga keseluruh dunia. Masalah yang muncul kemudian adalah, perebutan posisi teratas dalam hasil pencarian website pada Search Engine. Hal ini dikarenakan tidak semua website dapat memperoleh posisi teratas pada hasil pencarian karena banyaknya website yang ada. Hal ini kemudian berdampak pada jumlah pengunjung website apabila situs web tersebut tidak di dalam posisi yang baik atau sulit untuk ditemukan.
IoT-based Water Quality Control in Tilapia Aquaculture Using Fuzzy Logic Prafanto, Anton; Septiarini, Anindita; Puspitasari, Novianti; Taruk, Medi; Mahendra, Dicky Alvian
Innovation in Research of Informatics (Innovatics) Vol 6, No 2 (2024): September 2024
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v6i2.11271

Abstract

Tilapia (Oreochromis niloticus) is a prominent species in freshwater aquaculture due to its high protein content and economic value. Maintaining optimal water quality is crucial for the health and growth of tilapia, particularly in terms of pH levels. Deviations in pH, whether too acidic or too alkaline, can lead to decreased appetite and increased mortality rates in tilapia. The objective of this study is to design an intelligent control system to monitor and regulate the pH and temperature of tilapia aquaculture ponds using the Sugeno Fuzzy method integrated with Internet of Things (IoT) technology. The system employs DS18B20 temperature sensors and E-201-C pH sensors to collect real-time data on pond conditions. The data are then processed by an ESP32 microcontroller, which employs Sugeno Fuzzy logic to determine the appropriate adjustments to be made. The system administers pH buffers to maintain the water within the optimal pH range. Furthermore, the collected data are transmitted to a web server, enabling real-time monitoring and analysis. The findings indicate that the proposed IoT-based system is effective in maintaining water quality, ensuring that the pH and temperature levels remain within the ideal range for tilapia. This study demonstrates the potential of integrating IoT and Sugeno Fuzzy logic to provide a robust solution for managing water quality in aquaculture settings, enhancing the sustainability and productivity of tilapia farming.
Peramalan Ekspor Batu Bara Indonesia Menggunakan Metode Double Exponential Smoothing Brown: Forecasting Indonesian Coal Exports Using Double Exponential Smoothing Brown Method Masa, Amin Padmo Azam; Prafanto, Anton; Setyadi, Hario Jati
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1552

Abstract

Batu bara adalah sumber energi penting untuk pembangkit listrik di banyak negara. Sebagai sumber daya alam yang tidak dapat diperbaharui, batu bara tersedia di berbagai negara termasuk Indonesia. Indonesia memiliki sumber daya batu bara sekitar 161 miliar ton dengan cadangan mencapai 28 miliar ton. Indonesia merupakan negara pengekspor batu bara terbesar di dunia dan produsen kedua terbesar. Sekitar 75% dari produksi batu bara di Indonesia diekspor ke luar negeri, sementara 25% digunakan untuk keperluan domestik. Berdasarkan potensi sumber daya batu bara yang besar dan dominasi ekspor yang signifikan dibandingkan dengan konsumsi dalam negeri, peramalan ekspor batu bara di Indonesia menjadi sangat penting. Peramalan ini memberikan panduan untuk mengoptimalkan produksi batu bara dengan tujuan memaksimalkan keuntungan negara tanpa mengorbankan kelestarian lingkungan. Dengan demikian, beberapa kebijakan dapat dipilih berdasarkan pendekatan strategis yang diambil untuk menjaga keseimbangan antara manfaat ekonomi dan keberlanjutan lingkungan. Terdapat beberapa pendekatan untuk memprediksi ekspor batu bara di Indonesia, termasuk menggunakan metode Double Exponential Smoothing Brown. Hasil peramalan tren produksi batu bara Indonesia untuk periode 2023-2027 adalah sebanyak 354.847,71 ribu ton, 353.656,62 ribu ton, 352.465,52 ribu ton, 351.274,43 ribu ton, dan 350.083,33 ribu ton. Penelitian ini menunjukkan bahwa nilai Minimum Absolute Percentage Error (MAPE) terendah yang dicapai adalah 0,06212.
Sugeno Fuzzy Logic for IoT-based Chicken Farm Drinking Water Quality Monitoring Rosmasari; Nur Rahmad , Didi; Prafanto, Anton; Khoirunnita, Aulia; Jamil, Muh
Indonesian Journal of Data and Science Vol. 6 No. 1 (2025): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v6i1.229

Abstract

Introduction: The quality of drinking water plays a crucial role in the health and productivity of broiler chickens. In Indonesia, many poultry farms still rely on manual water testing using litmus paper, which may yield inaccurate results. This study aims to develop an Internet of Things (IoT)-based system integrated with the Sugeno fuzzy logic method to monitor and assess the quality of drinking water for broiler chickens in real time. Methods: An IoT prototype was developed using an ESP32 microcontroller, pH and turbidity sensors, and a cloud-based mobile application. Water quality data from 1,975 samples were collected over three days from a broiler farm in East Kalimantan using water sourced from a former mining lake. The system applies the Sugeno fuzzy inference system with 15 expert-defined rules to classify water quality into four categories: Very Good, Good, Bad, and Very Bad. Performance was evaluated using a Confusion Matrix. Results: The system achieved a classification accuracy of 96.76%, precision of 97.52%, recall of 98.79%, and F1-score of 98.15%. The results demonstrate the system's effectiveness in identifying water quality, with the majority of predictions falling into the correct class. The system also successfully transmitted real-time data to an Android application for monitoring purposes. Conclusions: The integration of IoT and Sugeno fuzzy logic provides a reliable, accurate, and scalable solution for real-time water quality monitoring in poultry farming. This system enhances decision-making for farmers, supports animal welfare, and can be further developed to include additional environmental parameters for broader livestock health monitoring
Implementation of Naïve Bayes Gaussian Algorithm for Real-Time Classification of Broiler Cage Conditions Rosmasari, Rosmasari; Prafanto, Anton; Firdaus, Muhammad Bambang
Journal of Applied Data Sciences Vol 6, No 3: September 2025
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v6i3.694

Abstract

Monitoring large-scale broiler farms poses considerable challenges due to the variable nature of environmental conditions, which have a direct impact on poultry health and productivity. This study proposes a real-time classification system for broiler house conditions, utilizing the Naïve Bayes Gaussian algorithm in conjunction with the Internet of Things (IoT) technology. The system has been developed to address the limitations of manual monitoring by automating the collection of temperature, humidity, and ammonia data through BME-680 and MICS-5524 sensors, which are strategically positioned 30 cm from the floor to optimize ammonia detection. Utilizing a dataset comprising 865 records, meticulously divided into 75% for training (648 records) and 25% for testing (217 records), the model attained an accuracy of 82.03%, a precision of 75.67%, a recall of 82.67%, and an F1-score of 77.67%. A comparative analysis was conducted, which demonstrated significant advantages over alternative classification methods, with Decision Trees achieving 79.5% accuracy and Support Vector Machines reaching 80.8%. The innovation lies in the integration of automated condition classification into an IoT system, enabling rapid responses to environmental changes with processing times of approximately 500 milliseconds from sensing to classification. The system demonstrated an accuracy of 178 data points, with a misclassification rate of 39 out of 217 test samples. The strategic placement of sensors at a height of 30 cm optimizes ammonia detection while ensuring accurate temperature and humidity readings. The system provides historical data, enabling farms to analyze long-term environmental trends, and thereby support data-driven decision-making strategies to enhance broiler welfare and operational efficiency. Usability testing with five poultry farm operators confirmed the dashboard's intuitive design, though recommendations for visual alerts for critical ammonia levels were suggested for future iterations.
Comparison of YOLOv5 for Classifying Mangrove Leaf Species using CNN-Based Septiarini, Anindita; Diana, Rita; Kamara, Rahmat; Puspitasari, Novianti; Prafanto, Anton
Journal of Innovation Information Technology and Application (JINITA) Vol 7 No 1 (2025): JINITA, June 2025
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v7i1.2676

Abstract

Indonesia has many species of mangrove plants scattered throughout the coast to the river's edge. Species of mangrove plants can be distinguished based on root type, stem size, leaf shape, flower color, and fruit. Although each type of mangrove plant has different characteristics, several types look similar, especially on the leaves. Therefore, a model was needed to classify mangrove plant species by applying current technology to make it easier to recognize the type of mangrove plant. This research aims to implement the Convolutional Neural Network (CNN) method in classifying mangrove plant species. The algorithm used is the 5th version of You Only Look Once (YOLO) with 3 different variants (YOLOv5s, YOLOv5m, and YOLOv5l). The three variants have various processing times and numbers of layers. This study uses mangrove leaf images with a total image dataset of 400 images consisting of 4 types of mangrove plants: Avicennia alba, Bruguiera gymnorhiza, Rhizopora apiculata, and Sonneratia alba. The model performance achieved 82.50%, 88.75%, and 93.75% accuracy using YOLOv5s, YOLOv5m, and YOLOv5l, respectively.
Co-Authors ahmad arifin Anindita Septiarini, Anindita Awang Harsa Kridalaksana Budiman, Edy Diana, Rita Efendy, Muhammad Yusuf Fahrul Agus Firdaus, Muhammad Bambang Gultom, Tiopan Hendry Manto Haviluddin Haviluddin Ikram, Adli Dzil Indah Fitri Astuti, Indah Fitri Irsyad, Akhmad Jamil, Muh Kamara, Rahmat Kamila, Vina Zahrotun Khoirunnita, Aulia Lathifah, Lathifah Mahendra, Dicky Alvian Masa, Amin Padmo Azam Nataniel Dengen Nur Rahmad , Didi Paroliyan, Abraham Pradinata, Muhammad Aji Prawira, Muhammad Nanda Puspitasari, Novianti Putra, Gubtha Mahendra Rosmasari Rosmasari Rosmasari, Rosmasari Salamah, Ummi Setyadi, Hario Jati Suandi, Fadli Taruk, Medi Wardhana, Reza