Article Per Year (5 Year)
p-Index From 2020 - 2025
2.326
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Jurnal Valuasi : Jurnal Ilmiah Ilmu Manajemen dan Kewirausahaan Journal of Artificial Intelligence and Digital Business Ranah Research : Journal of Multidisciplinary Research and Development Al-Bidayah : Jurnal Pendidikan Dasar Islam
Muhammad Aswin
Dept. of Mechanical Engineering, Brawijaya, University Malang
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Transportation Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Perancangan dan Implementasi RESTful API pada Sistem Inventarisasi Barang Berbasis Internet of Things Pambudi, Muhammad Farrel Putra; Aswin, Muhammad; Muttaqin, Adharul
Jurnal Mahasiswa TEUB Vol. 13 No. 4 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Permasalahan salah satunya yaitu tidakadanya mekanisme peminjaman dan pengembalian bukupada ruang baca dapat mengurangi fungsi dari ruang baca.Selain itu, penggunaan IoT tanpa Arsitektur RESTful APIdapat menyebabkan pertukaran data yang tidak terstruktur,keterbatasan skalabilitas, serta tingginya latensi dalamproses pengiriman dan pengolahan data. Oleh karena itu,solusi dari permasalahan tersebut adalah dibuatnya SistemSmart Library Inventory yang berfokus pada inventarisasidengan menggunakan arsitektur RESTful API dan berbasisInternet of Things. Pada penelitian ini bertujuan untukmendorong implementasi dari peminjaman danpengembalian buku pada ruang baca. Smart LibraryInventory dibangun dengan berbasis Internet of Things yangterintegrasi oleh RESTful API untuk meningkatkan tingkatfleksibilitas baik dalam pemakaian maupun kecepatanpengolahan dalam pemrosesan data. Selain itu, objek yangdigunakan dalam penelitian ini yaitu menggunakan Barcode1D (Linear) dengan tipe Code-128. Dalam penelitiannya,terdapat 40 barcode yang terdiri dari masing-masing 10barcode valid mahasiswa dan buku, serta 10 barcode tidakvalid mahasiswa dan barcode buku. Selanjutnya, pengujianterbagi menjadi dua jenis, yaitu pengujian subsistem(hardware dan software) dan pengujian sistem dimanaparameter keberhasilan alat ditentukan oleh tabel parameterkeberhasilan yang telah dibuat. Pengujian dilakukan padalingkungan lokal dengan tanpa jaringan internet.Berdasarkan hasil pengujian hardware dan software,didapatkan tingkat akurasi sebesar 100% dimana 20 barcodediujikan pada hardware dan 40 barcode diujikan padasoftware. Sedangkan pada pengujian sistem, didapatkantingkat akurasi sebesar 100% dan rerata response time padarentang 5.1 ms hingga 43.1 ms dimana diujikanmenggunakan 40 barcode.Kata Kunci—Inventory, Internet of Things,RESTful API, Barcode.
ESTIMASI JARAK LINIER GEOMETRIS BERBASIS RSSI MENGGUNAKAN HIBRIDA KALMAN FILTER DAN REGRESI LINIER PADA SISTEM MULTI-ANCHOR ESP32 Al-Mukhlasin, Sultan Ainnur Ridwan Alaydrus; Setyawan, Raden Arief; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Estimasi jarak dan posisi di lingkungan dalamruangan (indoor) merupakan tantangan fundamental bagiaplikasi Internet of Things (IoT) karena ketidakandalansinyal GPS. Penelitian ini mengusulkan sebuah sistemestimasi jarak linier berbasis Received Signal StrengthIndicator (RSSI) pada platform ESP32. Arsitektur sistemyang diusulkan adalah sistem multi-anchor yang terdiridari satu node target (ChildNode), tiga node jangkar(ParentNode), dan satu node pemroses (ScannerNode)yang berkomunikasi menggunakan protokol ESP-NOW.Untuk meningkatkan akurasi, diimplementasikan sebuahmetode hibrida yang mengintegrasikan Kalman Filter(KF) untuk meredam fluktuasi sinyal RSSI dan RegresiLinier untuk kalibrasi model propagasi sinyal. Parametermodel propagasi ini ditentukan secara empiris dari datakalibrasi untuk memetakan hubungan antara RSSI danjarak. Kinerja metode usulan (KF + Regresi Linier)dievaluasi secara kuantitatif dan dibandingkan dengan duametode baseline: (1) arsitektur multi-anchor dengan RSSImentah dan (2) arsitektur multi-anchor dengan KF saja(KF-Only) pada lima titik lokasi di dalam lingkunganindoor terkontrol. Hasil eksperimen menunjukkan bahwametode usulan berhasil menekan Mean Absolute Error(MAE) secara drastis hingga mencapai rata-rata 16.6 cm,dengan hasil terbaik 10.5 cm. Kinerja ini secara signifikanmengungguli metode Baseline 2 (KF-Only) yang memilikiMAE rata-rata 81.4 cm dan Baseline 1 (RSSI Mentah)dengan MAE di atas 1.5 meter. Temuan ini membuktikansecara kuantitatif bahwa pendekatan hibrida KalmanFilter dan Regresi Linier pada arsitektur multi-anchorsangat efektif dalam meningkatkan akurasi estimasi jaraklinier di lingkungan indoor yang kompleks.Kata Kunci— Estimasi Jarak, RSSI, ESP32, ESP-NOW,Kalman Filter, Regresi Linier, Trilaterasi, Multi-Anchor.
REKOMENDASI PEMELIHARAAN DUMPTRUCK HD785-7 MENGGUNAKAN MACHINE LEARNING RANDOM FOREST PADA CHATBOT BERBASIS MICROSOFT AZURE Kusnadi, Vanny; Aswin, Muhammad; Razak, Angger Abdul
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pemeliharaan alat berat seperti Dump Truck HD785-7sangat penting untuk meminimalkan downtime dan menjagaproduktivitas operasional di industri pertambangan. Penelitian inimengembangkan sistem rekomendasi pemeliharaanmenggunakan algoritma Machine Learning Random Forest yangdiintegrasikan ke dalam chatbot berbasis Microsoft AzureOpenAI. Data pelatihan berasal dari parameter teknis unit,termasuk hasil analisis oli PAP dan data sensor VHMS, yangdiklasifikasikan menjadi status normal dan abnormal. Proses ETLdilakukan melalui Azure Data Factory, penyimpanan datamenggunakan Azure Blob Storage, dan model dilatih sertadihosting menggunakan Azure Machine Learning. Chatbotdikembangkan dengan skenario percakapan berbasis promptuntuk memberikan rekomendasi perbaikan secara real-timekepada teknisi. Hasil pengujian menunjukkan bahwa modelmemiliki akurasi tinggi (>95%) dalam klasifikasi kondisi alat,serta respons chatbot yang cepat dan tepat berdasarkan rule darishop manual dan KOWA. Sistem ini mampu mempercepatpengambilan keputusan teknis, mengurangi downtime, danmendukung digitalisasi pemeliharaan alat berat di PT KalimantanPrima Persada.Kata Kunci—Random Forest, Chatbot, Pemeliharaan Alat Berat,Azure, Dump Truck HD785-7, Machine Learning, Azure OpenAI
Pengaruh Kompetensi dan Lingkungan Kerja terhadap Kinerja Operator CAH PLTU Punagaya yang Dimediasi Kepuasan Kerja Aswin, Muhammad; Citta, Andi Batary; Sahban, Muhammad Amsal
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 1 (2025): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i1.406

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh kompetensi dan lingkungan kerja terhadap kinerja karyawan dengan kepuasan kerja sebagai variabel intervening pada operator CAH PLTU Punagaya. Permasalahan kinerja yang belum optimal, rendahnya pemahaman terhadap job desk, serta kondisi alat pelindung diri yang tidak memadai menjadi latar belakang penelitian ini. Penelitian ini menggunakan pendekatan kuantitatif dengan metode explanatory research. Pengumpulan data dilakukan melalui kuesioner yang disebarkan kepada seluruh karyawan operator CAH, dengan analisis data menggunakan metode Structural Equation Modeling-Partial Least Square (SEM-PLS). Hasil penelitian menunjukkan bahwa variabel kompetensi berpengaruh positif dan signifikan terhadap kepuasan kerja dan kinerja karyawan sedangkan variabel lingkungan kerja tidak berpengaruh positif terhadap kinerja dan berpengaruh positif dan signifikat terhadap kepuasan kerja. Selain itu, kepuasan kerja terbukti menjadi variabel intervening yang memperkuat pengaruh kompetensi dan lingkungan kerja terhadap kinerja. Temuan ini memberikan implikasi penting bagi manajemen dalam meningkatkan kinerja karyawan melalui penguatan kompetensi dan perbaikan lingkungan kerja melalui peningkatan kepuasan kerja.
SISTEM DETEKSI REAL-TIME VISUAL MICROSLEEP DENGAN CONVOLUTIONAL NEURAL NETWORK DAN RASPBERRY PI Luthfia, Sarah Aqila; Abidin, Zainul; Aswin, Muhammad
Jurnal Mahasiswa TEUB Vol. 13 No. 5 (2025)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Kecelakaan lalu lintas merupakan salah satupenyebab utama kematian di dunia dan kantuk saatmengemudi menjadi salah satu faktor penyebab yangsignifikan. Kondisi kantuk dapat memicu microsleep, yaitukeadaan tidur singkat yang terjadi secara tiba-tiba selamabeberapa detik. Meskipun berlangsung singkat, microsleepsangat berbahaya karena pengemudi kehilangan kesadarandan kendali atas kendaraan yang dapat berujung kecelakaanfatal. Salah satu indikator utama untuk mendeteksi microsleepadalah perilaku mata, khususnya durasi kedipan. Dalamkondisi normal, manusia berkedip antara 100 hingga 400milidetik. Kedipan mata yang berlangsung lebih dari 400milidetik dapat mengindikasikan microsleep. Penelitian inibertujuan untuk mengembangkan sistem deteksi microsleepberbasis Raspberry Pi yang mampu memantau kondisi matapengemudi secara real-time menggunakan algoritmaConvolutional Neural Network (CNN). Sistem ini dirancanguntuk mendeteksi mata tertutup dalam durasi tidak normaldan memberikan peringatan dini guna mencegah kecelakaan.Kamera akan merekam wajah pengemudi, kemudian sistemakan mengekstrak citra mata dan mengklasifikasikan kondisimata (terbuka atau tertutup) menggunakan model CNN.Dengan pengukuran durasi penutupan mata dan evaluasilatency sistem, deteksi microsleep dapat dilakukan secara cepatdan akurat. Hasil penelitian menunjukkan bahwa sistem yangdikembangkan memiliki performa yang sangat baik, denganaccuracy model CNN mencapai 93% dalam mengklasifikasikankondisi mata. Selain itu, sistem mampu bekerja dengan end-toend latency rata-rata hanya sekitar 27 milidetik,menjadikannya responsif dan layak diterapkan untukpemantauan kondisi pengemudi secara real-time. Kinerja inimenunjukkan bahwa sistem deteksi microsleep yang diusulkanefektif dalam meningkatkan keselamatan berkendara dandapat menjadi solusi teknologi yang terjangkau serta aplikatif.Kata kunci – Pengemudi, microsleep, CNN, Raspberry Pi.
Co-Authors Adharul Muttaqin Al-Mukhlasin, Sultan Ainnur Ridwan Alaydrus Amsal Sahban, Muhammad Angger Abdul Razak Asfiati, Asfiati Bustami Syam Citta, Andi Batary Fathonni, Mochammad Cyrilla FERDIANA, KHAIRUNISA Harry Soekotjo Dachlan Hasan, Hasni Hendra Suprayogi IMRAN, AZZAM ZAHFRAN Imran, Azzam Zhafran Khairullah, Naufal Raihan Kusnadi, Vanny Kusuma, Yobel Fernando Ilianto Kuswardana, Ega Ferdian La Ode Wahidin Luthfia, Sarah Aqila Mahdi, Nur Imam Maulana, Eka Mediyanto, Ralfie Mirza Merinda Lestandy Muh. Husriadi Muhammad Aziz Muslim Nor, Syafriyadi Pambudi, Muhammad Farrel Putra Raden Arief Setyawan Rahmadwati Rahmadwati Rahmadwati, n/a Simbolon, Eka Silvy Maranatha Sutrisno, Sutrisno Zainul Abidin