Sugiono, Judi Prajetno
Unknown Affiliation

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

Found 2 Documents
Search

Pembuatan Prototipe Sistem Berbasis IoT untuk Monitoring dan Estimasi Biaya Konsumsi Air di Kos-kosan Ardhi, Setya; Gunawan, Tjwanda Putra; Sugiono, Judi Prajetno; Harianto, Reddy Alexandro; Muhammad, Fathan Alif
Prosiding Seminar Nasional Sains dan Teknologi Terapan 2024: Menjembatani Energi Berkelanjutan dan Ekonomi Hijau melalui Transformasi Riset dan Teknologi T
Publisher : Institut Teknologi Adhi Tama Surabaya

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

Abstract

Sumber daya air adalah elemen vital bagi kehidupan. Salah satu masalah utama yang dihadapi manusia adalah kesulitan dalam memantau penggunaan air secara mandiri, yang seringkali menyebabkan pengeluaran membengkak. Hal ini sangat dirasakan oleh pemilik usaha kos atau rumah kontrakan, di mana biaya air sering kali dibagi rata meskipun pemakaian berbeda di setiap unit. Oleh karena itu, dibutuhkan sistem pemantauan penggunaan air serta penghitungan biaya yang akurat. Sistem ini menggunakan sensor waterflow YF-S201 untuk mengukur aliran air pada setiap pengguna, solenoid valve 24V untuk mengontrol aliran air, dan modul RTC untuk pengaturan waktu. Arduino Uno bertindak sebagai pusat pengendali, mengolah data dari sensor dan RTC, lalu menyimpannya di SDCard sebelum dikirim oleh Wemos D1 mini ke database server lokal. Website digunakan sebagai antarmuka visual, memungkinkan pengguna melihat jumlah penggunaan air dan biaya yang harus dibayar. Uji coba menunjukkan bahwa sensor Waterflow A dan B dalam rentang 1-60 liter memiliki Mean Absolute Error masing-masing 1450,7 liter (MAPE 5,906%) dan 2057,01 liter (MAPE 6,061%). Data penggunaan air dan perhitungan biaya berhasil ditampilkan di website. Sistem ini diharapkan membantu mengurangi pengeluaran yang tidak terpantau dan menyediakan informasi akurat mengenai konsumsi air.
Pembentukan Aturan Fuzzy Untuk Pemberian Rekomendasi Penerima Bantuan Keluarga Berumah Tidak Layak Huni Menggunakan K-means Clustering Aidil; Sugiono, Judi Prajetno; Setiawan, Esther Irawati; Putra, Adi Surya
Intelligent System and Computation Vol 4 No 2 (2022): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v4i2.216

Abstract

Bantuan bagi keluarga yang rumah tidak layak huni merupakan salah satu manfaat sosial yang diberikan kepada keluarga yang mengalami kesulitan keuangan dan/atau memiliki rumah tidak layak huni. Variabel yang dipertimbangkan saat menentukan penerima manfaat sering kali membuat keputusan sulit diambil. Oleh karena itu, diperlukan sistem penalaran fuzzy yang secara otomatis menghasilkan aturan-aturan sebagai pembuat keputusan yang diharapkan. Untuk membentuk aturan fuzzy diperlukan seorang pakar. Pakar adalah seorang ahli yang berpengalaman dalam suatu bidang yang mampu menjelaskan suatu aturan yang terkait dengan suatu bidang. Dalam penelitian ini dibentuk suatu rule secara otomatis yang tidak tergantung dengan seorang pakar. Aturan fuzzy dibangkitkan bisa diperoleh dari beberapa teknik seperti proses clustering. Metode yang digunakan dalam membangkitkan aturan fuzzy ini yaitu metode k-means clustering. Dalam hal rekomendasi penerima bantuan rumah tidak layak huni, K-means clustering digunakan untuk mengelompokkan data dan mengembangkan aturan. Hasil dari pembangkitan aturan fuzzy digunakan untuk proses inferensi fuzzy menggunakan metode Fuzzy Inference System Sugeno. Metode sugeno menghasilkan output (konsekuen) berupa konstanta atau persamaan linier. Dalam penelitian ini digunakan 1000 data training dan dilakukan proses pengujian 300 data uji untuk mendapatkan rekomendasi penerima bantuan rumah tidak layak huni. Hasil pengujian digunakan untuk mengetahui akurasi aturan yang terbentuk.Dari hasil penelitian menunjukkan bahwa hasil k- means clustering dapat membentuk rule secara otomatis untuk pembangkitan aturan Fuzzy Inference System Sugeno dapat dilihat dari hasil akurasi perhitungan pengujian data uji skenario global sama-sama menghasilkan akurasi minimal di atas 75%.