Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) MIND (Multimedia Artificial Intelligent Networking Database) Journal
Ramdani, Cecep Muhamad Sidik
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Pengembangan Sistem Pengukur pH Air Untuk Menentukan Derajat Asam Basa Media Kolam Ikan Berbasis Internet of Things (IoT) Ramdani, Cecep Muhamad Sidik; Gufroni, Acep Irham; Rachman, Andi Nur; Shofa, Rahmi Nur
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.50799

Abstract

Bidang fisika dapat mempengaruhi keberlangsungan segala sesuatu yang hidup di lingkungan alam secara langsung atau tidak langsung, salah satunya berpengaruh pada kegiatan budidaya ikan. Kualitas air sangat berpengaruh pada kondisi ikan sehingga apabila kualitas air nya tidak memenuhi standar air untuk budidaya ikan, maka akan membuat ikan rawan terserang penyakit bahkan bisa menyebabkan kematian. Ada beberapa parameter yang dapat mempengaruhi kualitas air, diantaranya Ph air. Alat yang digunakan untuk mengukur Ph air yaitu Ph meter. Alat tersebut harus secara langsung di gunakan di lokasi media kolam ikan untuk dapat mengetahui nilai suhu dan Ph air. Dengan kondisi tersebut membuat kegiatan monitoring kolam ikan menjadi kurang efektif dan efisien. Untuk mengatasi hal tersebut maka dibuat suatu sistem monitoring Ph air berbasis Internet of Thing (IoT) yang dapat melakukan pemantauan dan monitoring kolam ikan secara real time. Pada monitoring Ph air ini menggunakan sensor PH-4502C. mikrokontroler yang digunakan yaitu NodeMCU ESP8266 dan Arduino Uno yang di lengkapi dengan Wi-Fi module ESP8266. Hasil pengujian yang di lakukan di tiga titik pada satu kolam ikan dalam rentang waktu 1 jam mempunyai nilai rata-rata 7,56 yang berarti nilai Ph air yang ada pada kolam tersebut masih sedikit di atas batas normal yaitu 7.  
Pengujian Parameter Algoritma Genetika dan Feed-Forward Neural Networks pada Permainan Ular Klasik BISRY, AHMAD; RAMDANI, CECEP MUHAMAD SIDIK; YULIYANTI, SITI
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 2 (2024): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i2.135-152

Abstract

AbstrakKonfigurasi parameter yang tepat sangat penting untuk memaksimalkan kinerja dari sebuah algoritma. Algoritma genetika dan neural networks memerlukan pemilihan parameter yang sesuai dalam penggunaannya. Pada permainan ular, performa diukur dari score dan efisiensi runtime. Penelitian ini menguji parameter untuk menemukan konfigurasi optimal bagi kedua algoritma. Permainan ular digunakan sebagai model eksperimen karena metrik kinerja yang jelas, seperti score yang didapat dan beberapa rintangan yang ada. Sebanyak 60 eksperimen dilakukan untuk membandingkan jumlah generasi dan populasi, mutation chance, dan jumlah neuron pada hidden layer. Hasil penelitian menunjukkan konfigurasi dengan generasi lebih besar dari populasi adalah yang paling optimal, menghasilkan score setara dengan generasi dan populasi yang sama besar, namun dengan runtime lebih efisien. Mutation chance 0.1% merupakan yang terbaik dibandingkan dengan 0.2% sampai 0.5%. Selain itu, hidden layer dengan 16 neuron lebih efisien dibandingkan 24 neuron, baik dari segi score maupun runtime.Kata kunci: Algoritma genetika, neural networks, Permainan ular klasikAbstract Appropriate parameter configuration is crucial to maximizing algorithm performance. Genetic algorithms and neural networks require careful parameter selection. In the game of Snake, performance is measured by score and runtime efficiency. This research tests parameters to find optimal configurations for both algorithms. Snake serves as an experimental model due to clear performance metrics such as score and various obstacles. Sixty experiments compare generation and population sizes, mutation chances, and neuron counts in hidden layers. Findings indicate that configurations with larger generations than populations are optimal, yielding scores similar to equal-sized generations and populations but with more efficient runtime. A 0.1% mutation chance outperforms rates of 0.2% to 0.5%. A hidden layer with 16 neurons proves more efficient than 24 neurons in both score and runtime aspects.Keywords: Genetic algorithm, neural networks, classic snake game
Co-Authors Acep Irham Gufroni BISRY, AHMAD Rachman, Andi Nur Shofa, Rahmi Nur Siti Yuliyanti, Siti