Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal CommIT (Communication & Information Technology) JOIV : International Journal on Informatics Visualization Journal of Informatics and Communication Technology (JICT) Jurnal Teknik Elektro dan Komputer Journal of Informatics and Communication Technology (JICT)
Demi Adidrana
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Mathematics

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
AILoan: Aplikasi Peminjaman Barang Sebagai Pencegahan Peluang Kehilangan Barang Unit Dukungan Teknologi Informasi Menggunakan Algoritma YoloV4 Lestari, Mega; Adidrana, Demi; Putro, Zuki Pristiantoro
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.309

Abstract

Telkom University Jakarta atau yang dikenal dengan nama TelU Jakarta merupakan perguruan tinggi Jakartayang resmi bergabung dengan Telkom University. Adapun salah satu unit yang berada di TelkomUniversityJakarta yaitu Dukungan Teknologi Informasi atau yang dikenal dengan nama DTI. Berdasarkan tujuan utamadari DTI yaitu dapat mendukung perkembangan akademik dan administratif universitas melalui implementasiteknologi modern. Aplikasi pinjaman barang DTI masih bersifat localhost dan tidak ada pemeriksaan barangsecara detail saat peminjam melakukan pengembalian barang, sehingga sering sekali barang yang telah dipinjamtidak dikembalikan secara lengkap. Sehingga dibutuhkan suatu sistem aplikasi dengan menerapkan teknologimodern salah satu teknologi modern tersebut ialah teknologi artificial intelligence dengan menggunakanOpenCV. Tujuan pada penelitian ini yaitu mengimplementasikan aplikasi peminjaman barang AILoan berjalanefisien dan efektif untuk unit DTI. Adapun manfaat pada penelitian ini yaitu aplikasi AILoan sebagaipencegahan peluang kehilangan barang unit DTI. Aplikasi AILoan dibuat dengan menggunakan android studio, bahasa pemrograman java dan aplikasi AILoan memanfaatkan teknologi artificial intelligence OpenCVdenganalgoritma YoloV4. Aplikasi AILoan menerapkan metode waterfall dan uml. Berdasarkan hasil pengujianblackbox aplikasi AILoan menunjukkan 100% berhasil dan pengujian akurasi deteksi barang menghasilkannilai 100% Sehingga menunjukkan kinerja sistem yang sangat baik sehingga layak untuk dioperasionalkan diunit DTI.
AILoan: Aplikasi Peminjaman Barang Sebagai Pencegahan Peluang Kehilangan Barang Unit Dukungan Teknologi Informasi Menggunakan Algoritma YoloV4 Lestari, Mega; Adidrana, Demi; Putro, Zuki Pristiantoro
Journal of Informatics and Communication Technology (JICT) Vol. 6 No. 1 (2024)
Publisher : PPM Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52661/jict.v6i1.309

Abstract

Telkom University Jakarta atau yang dikenal dengan nama TelU Jakarta merupakan perguruan tinggi Jakartayang resmi bergabung dengan Telkom University. Adapun salah satu unit yang berada di TelkomUniversityJakarta yaitu Dukungan Teknologi Informasi atau yang dikenal dengan nama DTI. Berdasarkan tujuan utamadari DTI yaitu dapat mendukung perkembangan akademik dan administratif universitas melalui implementasiteknologi modern. Aplikasi pinjaman barang DTI masih bersifat localhost dan tidak ada pemeriksaan barangsecara detail saat peminjam melakukan pengembalian barang, sehingga sering sekali barang yang telah dipinjamtidak dikembalikan secara lengkap. Sehingga dibutuhkan suatu sistem aplikasi dengan menerapkan teknologimodern salah satu teknologi modern tersebut ialah teknologi artificial intelligence dengan menggunakanOpenCV. Tujuan pada penelitian ini yaitu mengimplementasikan aplikasi peminjaman barang AILoan berjalanefisien dan efektif untuk unit DTI. Adapun manfaat pada penelitian ini yaitu aplikasi AILoan sebagaipencegahan peluang kehilangan barang unit DTI. Aplikasi AILoan dibuat dengan menggunakan android studio, bahasa pemrograman java dan aplikasi AILoan memanfaatkan teknologi artificial intelligence OpenCVdenganalgoritma YoloV4. Aplikasi AILoan menerapkan metode waterfall dan uml. Berdasarkan hasil pengujianblackbox aplikasi AILoan menunjukkan 100% berhasil dan pengujian akurasi deteksi barang menghasilkannilai 100% Sehingga menunjukkan kinerja sistem yang sangat baik sehingga layak untuk dioperasionalkan diunit DTI.
Simultaneous Hydroponic Nutrient Control Automation System Based on Internet of Things Adidrana, Demi; Iskandar, Ade Rahmat; Nurhayati, Ade; Suyatno, -; Ramdhani, Mohamad; Adam, Kharisma Bani; Ardianto, Rizki; Ekaputri, Cahyantari
JOIV : International Journal on Informatics Visualization Vol 6, No 1 (2022)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.6.1.865

Abstract

Hydroponic is one of the solutions of gardening methods using water as a nutrition medium. Usually, maintaining hydroponic plant quality and water nutrients are done manually and require human efforts, such as the degree of acidity or wetness (pH), TDS (Total Dissolved Solids), and nutrient temperature. With the Internet of Things technology, we can automate hydroponic control by measuring the nutrients' TDS, pH, and temperature values and controlling water nutrition by pump nutrition needs for hydroponic plants. This research uses the NFT (Nutrient Film Technique) for the hydroponic system and uses lettuce as the nutrition parameter. The lettuce parameters are pH, TDS, and Water Temperature equal to the sensor we used in the proposed IoT system. The condition has 27 classifications, and we use this classification as a reference in decision-making, using the K-Nearest Neighbor (KNN) algorithm to activate the actuator. We improve the simultaneous actuator from previous research with specified intervals and duration to achieve ideal nutritional conditions. The other improvement is that we collect more data and more testing times. The accuracy was 91.2%, with k = 3. From the evaluation results, the accuracy of KNN is quite high and has an advantage, which has better accuracy than the other algorithms and can activate actuator simultaneously. We conclude that the hydroponic nutrient automation system using the Internet of Things method is ready for real planting use with this improvement.
Co-Authors - Suyatno Ade Nurhayati, Ade Ade Rahmat Iskandar Ardianto, Rizki Arie Lumenta Arif Rahman Hakim Arif Rahman Hakim Arif Rahman Hakim Brave A. Sugiarso Cahyantari Ekaputri Deny Haryadi Hertanto Suryoprago Hertanto Suryoprayogo Ilham Roni Yansyah Kharisma Bani Adam Mega Lestari Mohamad Ramdhani Nico Surantha Nico Surantha, Nico Seandy Arandiant Rozano Suharjito Suharjito Suharjito Suharjito, Suharjito Virginia Tulenan Yundari, Yundari Zuki Pristiantoro Putro