Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Generation Journal Mekanisasi: Jurnal Teknik Mesin Pertanian
Rahmadanti, Rahmadanti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
Pembuatan Alat Ukur Kekentalan Madu Lebah Trigona (Trigona Sp.) Berbasis Arduino dengan Metode Bola Jatuh Saputra, Daniel; Suhendra, Suhendra; Nopriandy, Feby; Rahmadanti, Rahmadanti
Mekanisasi : Jurnal Teknik Mesin Pertanian Vol 1 No 2 (2023): Oktober
Publisher : Pusat Penelitian dan Pengabdian Pada Masyarakat (PPPM), Politeknik Negeri Sambas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47767/mekanisasi.v1i2.734

Abstract

Kualitas madu sangat dipengaruhi oleh tingkat kekentalan madu. Semakin tinggi nilai kekentalan madu maka semakin baik kualitas madu tersebut. Nilai kekentalan madu dipengaruhi oleh kandungan air yang terdapat pada madu. Kadar air yang rendah membuat madu bisa bertahan lama karena tidak mudah terfermentasi dan sebaliknya. Upaya untuk mengatasi permasalahan ini, perlu dilakukan penelitian yang bertujuan merekayasa dan melakukan uji fungsional terhadap alat yang dapat mengukur tingkat kekentalan madu lebah Trigona. Metode yang diterapkan pada alat ukur adalah menggunakan metode bola jatuh dengan sensor cahaya. Tahapan pelaksanaan penelitian meliputi tahapan desain alat, pembuatan dan perakitan komponen, pembuatan program, kalibrasi, pengujian dan analisis data. Nilai kekentalan madu diperoleh dari perhitungan viskositas dinamik. Pembacaan kekentalan diperoleh ketika bola logam dijatuhkan dalam tabung berisi cairan yang diukur waktu tempuhnya dari titik awal ke titik akhir. Data tersebut akan dicatat melalui program Arduino uno dan ditampilkan pada LCD sebagai nilai kekentalan. Mikrokontroller yang digunakan adalah Arduino UNO R3 yang dibantu oleh dua sensor cahaya yang berjarak 120 mm sebagai pendeteksi bola logam yang jatuh. Hasil rata – rata pengukuran kekentalan madu menggunakan alat ukur kekentalan madu hasil rekayasa sebesar 0,28 Ns/m2 dengan rata-rata tingkat akurasi alat 82,35%.
Perbandingan Algoritma SVM dan SVM Berbasis Particle Swarm Optimization Pada Klasifikasi Beras Mekongga Emilia Ayu Wijayanti; Rahmadanti, Tania; Rahmadanti, Rahmadanti; Enri, Ultach
Generation Journal Vol 5 No 2 (2021): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v5i2.16075

Abstract

Rice is the most important staple food in Indonesia. There are various types of varieties available, one of them is Inpari Mekongga variety. In Karawang, Mekongga rice type is the most popular and superior compared to others. However, this type of rice is often mixed with the other types because there are too many varieties and various other problems. Classifying varieties of rice types can be done to identify the types of rice. The classification of rice varieties in this research is divided into 2 classes, Mekongga and not Mekongga. The method that used in this reserach is Support Vector Machine (SVM) and Particle Swarm Optimatizon (PSO). SVM method was chosen because it basically handles the classification of two classes. Meanwhile, PSO method used to optimize the accuracy level of the SVM method. Combination from the two methods is very well used in classification data because it can increase the level of accuracy better. The purpose of this reserach is compare the accuracy of the 2 methods that used. The results from research is mekongga rice classification with Support Vector Machine has accuracy value 46.67% and AUC value 0.475. Meanwhile, using Support Vector Machine based on Particle Swarm Optimization (PSO) can help improve the classification of this mekongga rice with accuracy value 70.83% and AUC value 0.671.
Co-Authors Daniel Saputra Emilia Ayu Wijayanti Enri, Ultach Nopriandy, Feby Rahmadanti, Tania Suhendra Suhendra