Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Simetris

HELM PINTAR BERBASIS ARDUINO PRO MINI UNTUK MENDETEKSI KECELAKAAN Agustina, Feri; Syahputra, Zulfikar Adi; Moses Setiadi, De Rosal Ignatius
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 11, No 2 (2020): JURNAL SIMETRIS VOLUME 11 NO 2 TAHUN 2020
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v11i2.5414

Abstract

Helm merupakan salah satu atribut yang wajib digunakan saat berkendara dengan sepeda motor. Helm berfungsi untuk melindungi kepala dari benturan saat terjadi kecelakaan. Insiden kecelakaan kendaaran bermotor banyak didominasi oleh kendaraan roda dua, dimana pada kasus tertentu dapat dimungkinan korban tidak membawa surat identitas maupun bisa melewati area yang sangat sepi, sehingga sulit dilakukan pertolongan pertama dan identifikasi korban. Penilitian ini bertujuan untuk membuat terobosan baru yaitu menciptakan helm pintar. Helm ini ditambahkan perangkat pintar yang disematkan pada spoiler helm, tujuannya untuk mengirimkan pesan beserta titik lokasi tempat kecelakaan. Perangkat pintar yang disematkan pada spoiler helm dibangun berbasis Arduino pro mini yang dipadukan dengan perangkat GPS, sensor kemiringan untuk mendeteksi kecelakaan, dan modul SIM  800L untuk mengirim notifikasi berupa SMS. Perangkat pintar juga dilengkapi dengan saklar untuk mematikan dan menghidupkan sistem. Berdasarkan hail pengujian Helm pintar sudah dapat bekerja dengan baik, dengan pemicu terjadinya kemiringan sebesar 180° modul SIM 800L dapat mengirimkan pesan berupa titik koordinat yang valid dan dapat dibuka langsung menggunakan google maps. 
Pemanfaatan Metode CNN Menggunakan Arsitektur Alexnet untuk Peningkatan Kinerja Klasifikasi Penyakit Daun Tomat Prabowo, Dwi Puji; Bastian, Henry; Muqoddas, Ali; Pramunendar, Ricardus Anggi; Agustina, Feri
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 15, No 2 (2024): JURNAL SIMETRIS VOLUME 15 NO 2 TAHUN 2024
Publisher : Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/simet.v15i2.12529

Abstract

Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi yang tinggi, tantang yang dihadapi oleh petani salah satunya dalah kerentanan penyakit tomat terhadap penyakit. Identifikasi secara visual pada daun sulit diuraikan dengan sekali pandang, sehingga menyebabkan asumsi yang tidak akurat tentang penyakit tersebut. Akibatnya, mekanisme pencegahan yang dilakukan petani menjadi tidak efektif dan berdampak merugikan. Penelitian ini mengusulkan identifikasi penyakit tomat secara automatis menggunakan metode Convolution Neural Network. Dalam makalah ini kami melakukan evaluasi pada metode CNN dengan arsitektur Alexnet dengan konfigurasi layer untuk mencari hasil kinerja terbaik dari penggunaan parameter tersebut pada architektur Alexnet. Pada penelitian ini juga melakukan analisis yang diperoleh dari hubungan antara parameter yang digunakan terhadap kinerja akurasi, dan analisis terhadap dampak penggunaan parameter dengan jumlah dataset daun tomat dari dataset PlantVillage.