Hadhiwibowo, Ari
Sekolah Tinggi Teknologi Bandung

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

PENERAPAN KONSEP IOT DALAM BUDIDAYA IKAN Abdurrohman, Abdurrohman; Hadhiwibowo, Ari
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 1 No 2 (2019): NARATIF (Jurnal Ilmiah Nasional Riset Aplikasi Dan Teknik Informatika)
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (418.298 KB) | DOI: 10.53580/naratif.v1i2.62

Abstract

AbstrakPerkembangan jaringan internet yang sudah sangat berkembang di indonesia, ditandai dengan banyaknya pengunaan smartphone atau mobile devices dalam kehidupan sehari-hari masyarakat indonesia dan ditunjang dengan perkembangan infrastruktur telekomunikasi yang sudah sampai ke pelosok-pelosok wilayah indonesia. Kemajuan teknologi informasi tersebut dapat dimanfaatkan untuk meningkatkan taraf hidup manusia. Internet untuk merupakan suatu konsep yang bertujuan untuk memperluas manfaat dari konektivitas internet yang tersambung secara terus menerus [1]. Manfaat utama dari IoT adalah kemampuan berbagi data dan pemantauan jarak jauh terhadap sesuatu objek yang akan kita pantau dengan cara menanamkan sensor ke objek tersebut (contoh, sensor suhu, kelembaman dll). Berdasarkan konsep IoT tersebut di atas, maka penulis akan menerapkan konsep tersebut didalam sistem pemantauan suhu dan PH air untuk digunakan didalam budidaya ikan.Kata kunci: Internet of Things (IoT), Monitoring, Budidaya ikan, Arduino 2560AbstractThe development of the internet network that has been highly developed in Indonesia, is characterized by the many uses of smartphones or mobile devices in the daily lives of Indonesian people and is supported by the development of telecommunications infrastructure that has reached remote areas of Indonesia. Advances in information technology can be utilized to improve the standard of living of humans. The internet for is a concept that aims to expand the benefits of continuously connected internet connectivity [1]. The main benefit of IoT is the ability to share data and remote monitoring of an object that we will monitor by implanting sensors into the object (for example, temperature sensors, inertia etc.). Based on the above IoT concept, the writer will apply the concept in a temperature and water PH monitoring system for use in fish farming.Keywords: Internet of Things (IoT), Monitoring, Fish farming, Arduino 2560
TIMBANGAN BERBASIS IOT UNTUK PEMANTAUAN DAN PENGELOLAAN SAMPAH ORGANIK PADA SMART WASTE MANAGEMENT DI DESA MANYINGSAL Gusdevi, Harya; Hadhiwibowo, Ari; Agustina, Nova; Fatah, Abdul; Naseer, Muchammad
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 5 No 2 (2023): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v5i2.270

Abstract

Permasalahan sampah di Jawa Barat, khususnya Desa Manyingsal di Kabupaten Subang menjadi topik pembicaraan serius Pemerintah Provinsi Jawa Barat karena dampak negative sampah yang semakin meningkat. Penelitian ini membahas pengembangan timbangan berbasis Internet of Things (IoT) sebagai solusi untuk pemantauan dan pengelolaan sampah organik dalam konteks Smart Waste Management (SWM). Sistem yang dikembangkan mengintegrasikan teknologi sensor Load Cell, memungkinkan pemantauan real-time terhadap berat sampah organik yang dihasilkan. Implementasi dilakukan melalui platform IoT yang terhubung, memungkinkan akses dan pengelolaan data timbangan dengan mudah melalui aplikasi berbasis web. Penelitian ini bertujuan meningkatkan efisiensi pengelolaan sampah organik, sejalan dengan upaya mencapai lingkungan yang lebih bersih dan berkelanjutan. Hasil eksperimen menunjukkan bahwa timbangan berbasis IoT ini memberikan pemantauan yang akurat dan responsif terhadap perubahan kondisi sampah. Implikasi dari penelitian ini adalah penerapan solusi pintar dan terkoneksi dalam pengelolaan sampah organik, memberikan dasar untuk peningkatan keberlanjutan dalam kerangka Smart Waste Management secara menyeluruh.
PENERAPAN IOT PADA KURSI ANTROPOMETRI DI LABORATORIUM PSKE UNIVERSITAS TEKNOLOGI BANDUNG Hadhiwibowo, Ari; Dinata, Rika Andriyanti; Riyanti, Niken; Dinata, Mega Andriyanti
Naratif (Jurnal Nasional Riset, Aplikasi Dan Teknik Informatika) Vol 6 No 1 (2024): NARATIF : Jurnal Nasional Riset Aplikasi dan Teknik Informatika
Publisher : Sekolah Tinggi Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53580/naratif.v6i1.283

Abstract

Abstrak Penerapan kursi antropometri berbasis sensor HC-SR04 dengan menggunakan Arduino Uno adalah sebuah penelitian untuk membuat kursi yang dapat menyesuaikan posisi duduk pengguna berdasarkan ukuran tubuhnya dengan bantuan sensor jarak HC- SR04 dan mikrokontroler Arduino Uno. Penelitian ini dilakukan pada Laboratorium PSKE di Universitas teknologi Bandung. Kursi antropometri yang digunakan saat ini di laboratorium PSKE Universitas Teknologi Bandung masih menggunakan alat ukur konvensional yaitu meteran. Pengukuran yang dilakukan secara konvensional membutuhkan waktu dan hasilnya kurang akurat sehingga diperlukan ketelitian yang lebih dan data yang didapat tidak real-time. Sensor HC-SR04 akan dipasang pada 5 titik untuk mengukur jarak badan bagian atas kemudian 1 titik lagi di bawah kursi untuk mengukur jarak antara kursi dengan bokong pengguna. Data jarak yang diperoleh akan diproses oleh mikrokontroler Arduino Uno yang akan menghitung dimensi antropometri. Kursi antropometri ini akan dilengkapi dengan motor dan mekanisme pengatur yang dapat mengatur tinggi badan, lebar badan, tinggi duduk, kedalaman duduk, dan kemiringan duduk secara otomatis. Pengguna hanya perlu duduk di atas kursi, kemudian kursi akan menyesuaikan posisinya secara otomatis berdasarkan ukuran tubuhnya. Hasil pengukuran akan ditampilkan pada LCD dan dicatat oleh sistem berbasis website dan langsung disimpan dalam database. Penerapan IoT pada kursi antropometri menjadikan proses pengukuran dimensi tubuh manusia menjadi efektif dan data yang didapat real-time.
PERANCANGAN ULANG TROLI UNTUK MENGURANGI KELELAHAN KERJA PENGANGKUTAN KERANG PADA MINA SUMBER MAS INDRAMAYU Dinata, Rika Andriyanti; Anggaliya, Pipin; Bachtiar, Aden Puja; Hadhiwibowo, Ari; Dinata, Mega Andriyanti; Utomo, Nino Setyo; Fauziyah, Rahma; Sagara, Moh Rizal Ngambah
SISTEMIK (Jurnal Nasional Ilmu Teknik) Vol 12 No 2 (2024): SISTEMIK : Jurnal Ilmiah Nasional Bidang Ilmu Teknik
Publisher : Sekolah Tinggi Teknologi Bandung

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

Abstract

Koperasi Produsen Perikanan Hasil Laut Unit Desa “Mina Sumber Mas” Desa ILIR Kecamatan Kandanghaur Kabupaten Indramayu, berperan penting sebagai sarana bagi para nelayan kecil dalam menjual hasil tangkap, khususnya kerang, Saat ini, proses pemindahan hasil tangkap kerang masih dilakukan secara manual. Berdasarkan hasil observasi proses pemindahan hasil tangkap kerang masih dilakukan secara manual yang mengharuskan nelayan mengangkat beban rata-rata beban angkut 17,5 kg dengan jarak 20 meter secara berulang. Aktivitas tersebut berkontribusi terhadap peningkatan kelelahan fisik dan berisiko menyebabkan gangguan musculoskeletal disorder (MSDs), maka penelitian ini bertujuan untuk menganalisis beban kerja fisik serta merancang alat bantu dengan menggunakan metode Cardiovascular Load (CVL) dan pendekatan Antropometri. Hasil perhitungan Cardiovascular load (CVL) menunjukkan bahwa dari 21 nelayan yang diamati terdapat 10 nelayan membutuhkan perbaikan kondisi kerja, 9 nelayan bekerja dalam durasi singkat, dan 2 nelayan memerlukan tindakan segera akibat konsumsi energi yang melebihi ? 351 kkal/jam, oleh karena itu, diperlukan perancangan alat bantu guna mengurangi beban kerja fisik. Perancangan alat bantu dilakukan dengan metode antropometri yang menghasilkan spesifikasi sebagai berikut: tinggi alat bantu sebesar 110 cm (D4: Tinggi Siku), lebar alat bantu sebesar 48 cm (D17: Lebar Sisi Bahu), panjang pegangan alat bantu sebesar 25 cm (D28: Panjang Tangan), dan lebar pegangan alat bantu sebesar 13 cm (D29: Lebar Tangan). Diharapkan alat bantu ini dapat mengurangi risiko gangguan muskuloskeletal serta meningkatkan efisiensi kerja nelayan dalam pemindahan hasil tangkap.
Comparison of Machine Learning Algorithms in Detecting Tea Leaf Diseases Ihsan, Candra Nur; Agustina, Nova; Naseer, Muchammad; Gusdevi, Harya; Rusdi, Jack Febrian; Hadhiwibowo, Ari; Abdullah, Fahmi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 8 No 1 (2024): February 2024
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v8i1.5587

Abstract

Tea is one of the top ten export products sent from Indonesia to foreign countries. However, in recent years, the amount of tea leaf exports from Indonesia has decreased, although the value of the export impacts the country’s economic structure. In addition to market competition, Indonesia must maintain tea leaf production so that the increase in export decline is not significant or even increases tea leaf export production. To improve production quality and reduce production costs, early detection of tea leaf diseases is necessary. This study aims to classify tea leaf images for early detection of tea leaf disease so that appropriate treatment can be carried out early. This study compares machine learning algorithms to determine the best algorithm for detecting tea leaf diseases. The algorithms tested as performance comparisons in classifying tea leaf diseases are random forest (RF), support vector classifier (SVC), extra tree classifier (ETC), decision tree (DT), XGBoost classifier (XGB), and convolutional neural algorithms. Network (CNN). As a result, the average accuracy performance generated by ETC produces a higher value than other algorithms, i.e., getting an average accuracy performance of 77.47%. Another algorithm, SVC, has an average accuracy of 76.57%, RF of 76.12%, DT of 65.31%, XGB of 71.62%, and the lowest is CNN of 59.08%. ETC has been proven to be the most superior machine learning algorithm for detecting tea leaf diseases in this study.