Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Journal Zetroem Jurnal Ilmiah Sistem Informasi Bridge: Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Farrady Alif Fiolana
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 5 Documents
Search

 1 
KLASIFIKASI SUARA SIRENE MENGGUNAKAN STFT (SHORT-TERM FOURIER TRANSFORM) Muchamad fajar permana; Farrady alif fiolana; Diah Arie W.K.
Jurnal Ilmiah Sistem Informasi Vol 1 No 3 (2022): November : Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juisi.v1i3.414

Abstract

Sirene merupakan sebuah alat yang mampu menghasilkan bunyi yang mendengung keras, digunakan sebagai tanda bahaya dan sebagainya. Sirene dipergunakan pada kendaraan darurat seperti untuk ambulance, polisi dan pemadam kebakaran.. Selain itu sirene juga digunakan untuk alarm suatu bencana. Suara sirene pada kendaraan darurat juga memiliki bunyi yang berbeda-beda tergantung pada penggunaan dan penerapannya. Dalam penelitian ini data suara sirene diolah menggunakan algoritma STFT dan diklasifikasikan dengan menggunakan artificial neural network. Proses pengolahan data sirene menghasilkan bahwa nilai amplitude maksimal tertinggi sebesar 0,29(-11dB) pada frekuensi 800Hz milik sirene ambulance mode wail2. Sedangkan nilai amplitude maksimal terendah sebesar 0,03(-30dB) pada frekuensi 1,3KHz milik sirene kendaraan pemadam kebakaran. Proses learning data menghasilkan nilai MSE terkecil sebesar 0,0000066218 pada epoch ke 1000. Kemudian dari uji coba proses training data untuk pencocokan sirene kendaraan darurat, dihasilkan dari data yang di-training berjumlah 640 data, terdapat data sirene yang berjumlah 630 berhasil dan 10 gagal. Hasil uji coba memiliki persentase keberhasilan yang tinggi sesuai yang diharapkan yaitu sebesar 98,44%.
Pendeteksi Pengguna Masker Pada Pintu Masuk Dengan Metode Convolutional Neural Network: Indonesia Brilliant, Ganiesa Nasrulloh; Fajar Yumono; Farrady Alif Fiolana
ZETROEM Vol 6 No 1 (2024): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v6i1.3452

Abstract

Pada penelitian ini dilakukan pengujian sistem pendeteksi wajah bermasker yang menerapkan metode Convolutional Neural Network (CNN). Pengujian sistem ini dilakukan untuk mengetahui keberhasilan metode CNN pada sistem pendeteksi wajah bermasker secara real time jika bagian mulut dan hidung pada wajah tidak tertutup maupun tertutup oleh masker atau oleh selain masker. Penelitian ini dibagi dalam 3 tahap, yaitu pelatihan dataset, deteksi wajah, dan pengujian secara real time dengan berbagai posisi wajah. Sistem ini berhasil mendeteksi wajah bermasker atau tidak pada model dataset dengan akurasi 98%. Secara real time sistem ini berhasil mendeteksi dengan baik pada berbagai posisi tampak wajah dan pada wajah yang pada bagian hidung dan mulut tertutup masker atau tangan. Dan pada percobaan menggunakan solenoid jika terdeteksi memakai masker maka solenoid akan membuka pintu dan jika tidak maka solenoid tidak membuka pintu.
Robotik Arm Rancangan Bangun Lengan Robot Arm Untuk Menggambar Menggunakan Invers Kinematik: Rancangan Robot lengan, Invers Kinematik, 3-DOF. Zen Nurkholik; Farrady Alif Fiolana; Diah Arie Widhining Kusumastutie
Jurnal Ilmiah Sistem Informasi Vol. 1 No. 3 (2022): November : Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juisi.v1i3.413

Abstract

Robot lengan merupakan sebuah alat mekanik yang dapat melakukan sebuah proses manipulasi dengan mengguanakan lengan mekanik. Robot lengan dibuat menyerupai lengan manusia memiliki sifat fleksibel sehingga mudah digunakan untuk melakukan suatu pekerjaan. Robot lengan memiliki jumlah derajat kebebasan (degree of freedom) DOF untuk melakukan gerakan tertentu. Rancangan robot lengan ini memiliki 3 derajat kebebasan atau 3-dof dimana setiap joint (sendi) memiliki gerakan berputar atau rotasi yang dapat melakukan pergerakan pada sumbu x, y, dan z dalam ruang tiga dimensi sebagai acuan gerak robot lengan ini menggunakan 3 motor stepper sebagai pengeraknya. Ada berbagai cara untuk membuat sebuah rancangan robot lengan, salah satunya adalah mengunakan invers kinematik yaitu, mencari solusi untuk setiap sudut pada tiap motor stepper agar posisi end-effector dapat tercapai. Dengan harapan proses rancangan robot lengan ini dapat membantu pembelajaran mengenai perubahan gerak pada robot lengan untuk menggambar menggunakan invers kinematik.
KLASIFIKASI BUNGA ANGGREK BULAN BERDASARKAN WARNA DAN TEKSTURNYA MENGGUNAKAN METODE JST: Anggrek Bulan(Phalaenopsis), CCM(color co-occourrence matrix), JST al farikhi, ahmad faiza; Farrady Alif Fiolana; Fajar Yumono
Jurnal Ilmiah Sistem Informasi Vol. 1 No. 3 (2022): November : Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/juisi.v1i3.417

Abstract

Orchidaceae merupakan nama latin dari bunga anggrek yang memiliki variasi bentuk, Bunga anggrek di Indonesia sangatlah banyak dan beragam jenis yang salah satunya anggrek bulan (Phalaenopsis). Meskipun anggrek banyak yang membudidayakan, namun untuk membedakan jenis anggrek satu dengan yang lain yaitu dengan melihat warna dan tekstur. Namun secara umum jenis bunga anggrek memiliki kemiripan warna, tekstur, hal ini yang menyebabkan seseorang kesulitan dalam mengidentifikasi jenis bunga anggrek, oleh karena itu dilakukan secara otomatis dengan sistem komputer. Dengan menggunakan metode color co-occourrence matrix (CCM) dan klasifikasi menggunakan metode JST (Jaringan Saraf Tiruan). Yang diharapkan mampu membedakan jenis anggrek bulan berdasarkan ekstraksi warna dan tekstur menggunakan CCM dan melakukan klasifikasi JST berdasarkan data CCM. Memanfaatkan metode penelitian eksperimen yang menggunakan pendekatan kuantitatif. Dengan MSE terkecil 3,5 x 10-6 serta 1000 iterasi. Serta hasil uji coba 5 anggrek bulan, dimana anggrek bulan kuning berhasil diklasifikasi sebanyak 112 bunga dan gagal 28 bunga dengan presentase keberhsilan 89.70%, anggrek bulan merah 207 dapat di kenali dengan benar dan 3 tidak dikenali, dengan presentase keberhasilan 98.57%. Anggrek bulan putih sebanyak 171 dapat dikenali dengan benar dan 29 salah dengan tingkat presentase keberhasilan 85.50%. Anggrek bulan Taiwan dapat dikenali 213 bunga secara benar dan salah 37 bunga dengan presentase keberhasilan 85.20%. Anggrek bulan ungu dapat dikenali benar sebanyak 194 bunga dan tidak dapat dikenali 6 bunga drngan presentase keberhasilan 97%. Dari keseluruhan uji coba 5 anggrek bulan secara keseluruhan terdapat 897 dapat dibaca secara benar dan 103 salah dengan presentase keberhasilan 89.70%. Sehingga pada penelitian ini mampu menyempurnakan penelitian sebelumnya.
Rancang Bangun Alat Penganalisa Kerusakan Berdasarkan Getaran dan Kecepatan Putar Motor Menggunakan loT Adam Setiawan Tiyas; Farrady Alif Fiolana; Diah Arie Widhining Kusumastutie
Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi Vol. 4 No. 3 (2026): Agustus : Bridge : Jurnal Publikasi Sistem Informasi dan Telekomunikasi
Publisher : Asosiasi Profesi Telekomunikasi Dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/bridge.v4i3.1006

Abstract

Electric motors are important components in various sectors, so monitoring vibration and rotational speed is necessary to maintain optimal performance and minimize downtime. This study aims to design an Internet of Things (IoT)-based motor condition monitoring system by integrating vibration and rotational speed sensors and applying the Random Forest machine learning algorithm to classify motor conditions. The system uses an ESP32 microcontroller, ADXL345 vibration sensor, and TCRT5000 rotational speed sensor. A total of 1,200 datasets representing three fan conditions—normal, loose bushing, and bent shaft—were used to develop the classification model. The Random Forest model uses 15 decision trees with a depth of 5. Evaluation using 240 test data produced 100% accuracy, precision, recall, and F1-score for each condition. The monitoring data were successfully transmitted to a web-based IoT dashboard in real time, with an average update interval of approximately one second.
Co-Authors Adam Setiawan Tiyas al farikhi, ahmad faiza Brilliant, Ganiesa Nasrulloh Diah Arie W.K. Diah Arie Widhining Kusumastutie Fajar Yumono Muchamad fajar permana Widining K., Diah Arie Zen Nurkholik