Article Per Year (5 Year)
p-Index From 2021 - 2026
2.842
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH EDUMATIC: Jurnal Pendidikan Informatika Jurnal Teknisi J-Com (Journal of Computer) Jurnal Bangun Abdimas Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat
Ramadhani, Andrew
Unknown Affiliation
Arts Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
SYSTEM CONTROL ANDROID PADA KURSI RODA BERBASIS BLUETOOTH DAN ARDUINO Ramadhani, Andrew; Marpaung, Hari Jalsa; Julianda, Nirda; Fitriayu, Suci
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2655

Abstract

Kemajuan teknologi telah memberikan dampak signifikan dalam membantu kehidupan sehari-hari, termasuk bagi penyandang disabilitas fisik, khususnya Tuna Daksa. Kursi roda sebagai alat bantu mobilitas bagi penyandang disabilitas terus mengalami inovasi, salah satunya dengan integrasi sistem kontrol berbasis Android dan Bluetooth menggunakan Arduino. Penelitian ini bertujuan untuk merancang dan menguji prototype kursi roda yang dapat dikendalikan melalui aplikasi Android, sehingga pengguna dapat mengoperasikan kursi roda dengan lebih mudah dan mandiri. Metode yang digunakan dalam penelitian ini adalah eksperimen dengan tahapan perancangan perangkat keras dan lunak, pembuatan prototype, serta pengujian sistem. Alat dan bahan yang digunakan meliputi Arduino Uno, modul Bluetooth HC-05, driver motor L293D, motor DC, dan smartphone Android. Hasil penelitian menunjukkan bahwa sistem yang dirancang dapat berfungsi sesuai dengan harapan dan kebutuhan pengguna. Kesimpulannya, prototype kursi roda ini menunjukkan potensi untuk dikembangkan lebih lanjut dengan beberapa penyesuaian pada komponen motor dan kontrol sistem. Kata kunci: kursi roda, android, bluetooth, arduino, penyandang disabilitas
ANALISIS KINERJA JARINGAN INTERNET SATELIT LOW EARTH ORBIT (LEO): STUDI KASUS STARLINK DALAM PENYEDIAAN AKSES DI WILAYAH TERPENCIL INDONESIA Marpaung, Hari Jalsa; Ramadhani, Andrew; Harahap, Indra Romadona
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4001

Abstract

Abstract: The uneven distribution of network infrastructure across Indonesia’s geographical regions, particularly in remote areas, poses a significant challenge to the advancement of national digital transformation. One such affected area is Asian Agri Plantation, Division 5, located in Labuhan Batu Selatan Regency, which continues to face limited access to reliable terrestrial network connectivity. This study aims to evaluate the performance of satellite-based internet services operating in Low Earth Orbit (LEO), using Starlink as an implementative case study. The evaluation focuses on key network performance parameters, including latency, throughput, jitter, and packet loss, measured through a series of on-site field tests. A quantitative methodology was employed, utilizing primary data collection from active Starlink users in the research location. The analysis results indicate that Starlink is capable of delivering competitive internet performance, with average latency below 50 ms, download throughput ranging between 80–125 Mbps, and jitter and packet loss maintained within acceptable thresholds for interactive and streaming services. These findings suggest that LEO satellite technology holds significant potential in expanding internet accessibility in Indonesia's 3T regions (Disadvantaged, Frontier, and Outermost), while also reinforcing the case for non-terrestrial solutions in national digital infrastructure development policies. This research is expected to provide meaningful contributions to the academic discourse on satellite networking and to serve as a reference for policymakers, academics, and service providers in designing connectivity strategies for geographically challenged regions. Keywords: Low Earth Orbit (LEO) Satellite Internet; Rural Connectivity; Starlink                  Performance Evaluation Abstrak: Distribusi infrastruktur jaringan yang tidak merata di berbagai wilayah geografis Indonesia, khususnya di daerah terpencil, menjadi tantangan signifikan bagi kemajuan transformasi digital nasional. Salah satu wilayah yang terdampak adalah Perkebunan Asian Agri, Afdelling 5, yang terletak di Kabupaten Labuhan Batu Selatan, yang hingga kini masih menghadapi keterbatasan akses terhadap konektivitas jaringan terestrial yang andal. Penelitian ini bertujuan untuk mengevaluasi kinerja layanan internet berbasis satelit yang beroperasi di orbit rendah (Low Earth Orbit/LEO), dengan menggunakan Starlink sebagai studi kasus implementatif. Evaluasi difokuskan pada parameter utama kinerja jaringan, meliputi latensi, throughput, jitter, dan kehilangan paket (packet loss), yang diukur melalui serangkaian pengujian langsung di lapangan. Metodologi yang digunakan bersifat kuantitatif, dengan pendekatan pengumpulan data primer secara langsung dari pengguna aktif layanan Starlink di lokasi penelitian. Hasil analisis menunjukkan bahwa Starlink mampu memberikan performa internet yang kompetitif, dengan rata-rata latensi di bawah 50 ms, kecepatan unduh (throughput) antara 80–125 Mbps, serta nilai jitter dan packet loss yang masih berada dalam batas toleransi untuk layanan data interaktif dan streaming. Temuan ini menunjukkan bahwa teknologi satelit LEO memiliki potensi besar dalam memperluas akses internet di wilayah 3T (Tertinggal, Terdepan, dan Terluar) di Indonesia, sekaligus memperkuat argumen untuk mengadopsi solusi non-terestrial dalam kebijakan pembangunan infrastruktur digital nasional. Penelitian ini diharapkan dapat memberikan kontribusi yang berarti dalam pengembangan kajian ilmiah terkait jaringan satelit, serta menjadi referensi bagi para pengambil kebijakan, akademisi, dan penyedia layanan dalam merancang strategi konektivitas untuk wilayah dengan tantangan geografis tinggi. Kata kunci: Internet Satelit Orbit Rendah (LEO); Konektivitas Wilayah Terpencil; Evaluasi Kinerja Starlink
PENGEMBANGAN SISTEM KENDALI PENGERINGAN PADI OTOMATIS BERBASIS MULTIMODAL DEEP LEARNING MENGGUNAKAN DATA SENSOR DAN CITRA VISUAL Ramadhani, Andrew; Junaidi, Junaidi; Fitriayu, Suci
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4052

Abstract

Abstract: Rice drying is a crucial post-harvest stage that affects the quality, shelf life, and economic value of rice. Conventional methods, such as sun drying and timer-based systems, are still predominantly used but are less adaptive to weather changes, often resulting in reduced product quality. This study developed an automated rice drying control system based on multimodal deep learning by integrating visual images and weather sensor data. The YOLOv5 model was used to detect grain conditions with 95% accuracy, while sensor analysis using LSTM and Transformer achieved accuracies of 90% and 93%, respectively. Multimodal integration improved control accuracy to 96% through an automatic roof opening/closing mechanism responsive to weather conditions and grain moisture status. Test results show that this system is more efficient than the baseline method, with an average drying time of 12 hours, moisture content accuracy of ±96%, and 30% lower yield loss. These findings highlight the potential of multimodal deep learning in supporting precision agriculture and modernizing post-harvest processes in Indonesia, while also opening opportunities for developing similar systems for other food commodities to support sustainable food security. Keywords: Rice Drying, Intelligent Control System, Multimodal Deep Learning, Sensor Data, Visual Imagery Abstrak: Pengeringan padi merupakan tahap krusial pascapanen yang memengaruhi mutu, daya simpan, dan nilai ekonomis gabah. Metode konvensional, seperti penjemuran matahari dan sistem berbasis timer, masih dominan digunakan namun kurang adaptif terhadap perubahan cuaca, sehingga sering menurunkan kualitas hasil. Penelitian ini mengembangkan sistem kendali pengeringan padi otomatis berbasis multimodal deep learning dengan mengintegrasikan citra visual dan data sensor cuaca. Model YOLOv5 digunakan untuk mendeteksi kondisi gabah dengan akurasi 95%, sedangkan analisis sensor menggunakan LSTM dan Transformer menghasilkan akurasi masing-masing 90% dan 93%. Integrasi multimodal meningkatkan akurasi kendali menjadi 96% melalui mekanisme buka–tutup atap otomatis yang responsif terhadap kondisi cuaca dan status kekeringan gabah. Hasil uji menunjukkan sistem ini lebih efisien dibandingkan metode baseline, dengan waktu pengeringan rata-rata 12 jam, akurasi kadar air ±96%, serta kehilangan hasil 30% lebih rendah. Temuan ini menegaskan potensi penerapan multimodal deep learning dalam mendukung pertanian presisi dan modernisasi proses pascapanen di Indonesia, sekaligus membuka peluang pengembangan sistem serupa pada komoditas pangan lain untuk mendukung ketahanan pangan berkelanjutan. Kata Kunci: Pengeringan Padi, Sistem Kendali Cerdas, Multimodal Deep Learning, Data Sensor, Citra Visual
PEMBELAJARAN MENDALAM DETEKSI KELELAHAN WAJAH MENGEMUDI BERDASARKAN ALGORITMA YOLOV5 UNTUK MENGHINDARI KECELAKAAN DALAM SISTEM TRANSPORTASI CERDAS Junaidi, Junaidi; Ramadhani, Andrew; Abimanyu, Yogi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4093

Abstract

Abstract: Traffic accidents due to driver fatigue are a serious problem in transportation systems, especially in Indonesia. This research aims to develop a computer vision-based early warning system capable of detecting driver fatigue in real-time through facial expressions. This system integrates the YOLOv5 algorithm for face detection, EAR (Eye Aspect Ratio) and MAR (Mouth Aspect Ratio) for eye blink and mouth movement analysis, CNN (Convolutional Neural Network) for fatigue expression classification, and LSTM (Long Short-Term Memory) for analyzing the time-varying patterns of facial expressions. Data were obtained from public Kaggle datasets and facial data taken directly from cameras, which were then trained with augmentation techniques to improve model generalization. Test results show that the system is able to achieve validation accuracy of up to 90.5% and a confidence score of 97.9% for sleepy face detection. This system successfully recognizes sleepiness through EAR and MAR patterns and expression classification with real-time performance, and can be implemented efficiently on minicomputer devices. This research contributes to improving driving safety through early detection of driver fatigue in intelligent transportation systems.Keyword: drowsiness detection; YOLOv5; CNN; LSTM; EAR & MAR; facial expression; intelligent transportationAbstrak: Kecelakaan lalu lintas akibat kelelahan pengemudi menjadi permasalahan serius dalam sistem transportasi, khususnya di Indonesia. Penelitian ini bertujuan untuk mengembangkan sistem peringatan dini berbasis visi komputer yang mampu mendeteksi kondisi kelelahan pengemudi secara real-time melalui ekspresi wajah. Sistem ini mengintegrasikan algoritma YOLOv5 untuk deteksi wajah, EAR (Eye Aspect Ratio) dan MAR (Mouth Aspect Ratio) untuk analisis kedipan mata dan gerakan mulut, CNN (Convolutional Neural Network) untuk klasifikasi ekspresi lelah, serta LSTM (Long Short-Term Memory) untuk menganalisis pola perubahan waktu dari ekspresi wajah. Data diperoleh dari dataset public kaggle dan data wajah yang di ambil langsung dari kamera, yang kemudian dilatih dengan teknik augmentasi untuk meningkatkan generalisasi model. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi validasi hingga 90,5% dan confidence score deteksi wajah mengantuk sebesar 97,9%. Sistem ini berhasil mengenali kondisi kantuk melalui pola EAR dan MAR serta klasifikasi ekspresi dengan performa real-time, dan dapat diimplementasikan secara efisien di perangkat mini-komputer. Penelitian ini berkontribusi dalam meningkatkan keselamatan berkendara melalui deteksi dini kelelahan pengemudi dalam sistem transportasi cerdas.Kata kunci: deteksi kantuk; YOLOv5; CNN; LSTM; EAR & MAR; ekspresi wajah; transportasi cerdas
Co-Authors . Zulfan Abimanyu, Yogi Afandi, Adi Mas Afdawiah, Rabiatul Agus, Raja Tama Andri Dani, Rika Fauziah, Rizky Febby Madonna Yuma Fitriayu, Suci Harahap, Indra Romadona Helmiah, Fauriatun Jalsa Marpaung, Hari Jeperson Hutahaean Julita, Rina Junaidi Larasati, Mustika Fitri Latiffani, Chitra Lubis, Iin Almeina Mahmud, Yuzi Binti Marpaung, Hari Jalsa Mochammad Imron Awalludin Muhammad Ardiansyah Sembiring Muhammad Iqbal Mustika Fitri Larasati Sibuea Nata, Andri Nirda Julianda Parini, Parini Sri Hidayanti Sufi Lubis, Syafaat Suhendra, Aidil Adi Syahputra, Ramadhan Dwi Yudha, Febrian Arma Yuliana, Siska