Claim Missing Document
Check
Articles

Found 23 Documents
Search

SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI): SISTEM ANALISA KERUSAKAN JALAN MENGGUNAKAN METODE SURFACE DISTRESS INDEX (SDI) Haninditio Bagus Septiansyah; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Adji Barru Prasetiyo; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

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

Abstract

Kecelakaan lalu lintas merupakan penyebab kematian dengan tingkat fatalitas tinggi melibatkan kendaraan bermotor bertabrakan dengan benda lain sehingga mengakibatkan kerusakan hingga korban jiwa. Salah satu penyebab kecelakaan lalu lintas adalah kerusakan jalan yang tidak mendapatkan perawatan dan penanganan. Kerusakan jalan juga memiliki dampak negatif terhadap aktivitas masyarakat baik ekonomi dan non ekonomi serta, ketidaknyamanan dalam berkendara, serta peningkatan emisi gas. Untuk menekan angka kecelakaan dan dampak negatif yang ditimbulkan oleh kerusakan jalan, telah dikembangkan beberapa sistem terkait informasi dan pemetaan kerusakan jalan, namun masih memiliki beberapa kekurangan diantaranya input data manual dan tidak terdapat analisis kerusakan jalan. Berdasarkan permasalahan tersebut diperlukan sebuah sistem yang dapat menganalisis berdasarkan data yang masuk pada database. Oleh karena itu penulis mengusulkan Sistem Analisa Kerusakan Jalan Menggunakan Metode Surface Distress Index (SDI). Pada sistem website terdapat fitur yang akan memudahkan Dinas Pekerjaan Umum dalam monitoring data kerusakan jalan seperti analisis data berdasarkan hasil deteksi dan estimasi area. Analisis kerusakan jalan menggunakan metode Surface Distress Indeks dengan hasil indeks <50 kondisi baik dan membutuhkan penanganan rutin, indeks 50-100 kondisi sedang dan membutuhkan penanganan rutin, indeks 100-150 kondisi rusak ringan dan membutuhkan penanganan berkala, indeks >150 kondisi rusak berat dan membutuhkan penanganan rekonstruksi atau peningkatan.
SISTEM DETEKSI DAN ESTIMASI DIMENSI MENGGUNAKAN METODE DEEP LEARNING DAN ADAPTIVE ROI Arfian Iqbal Fatkhulhuda; Sulfan Bagus Setyawan; Hanum Arrosida; Denny Hardiyanto; Aulia El Hakim; Nadia Ilmiya Maulinda; Deni Nur Fauzi
JEECAE (Journal of Electrical, Electronics, Control, and Automotive Engineering) Vol. 10 No. 1 (2025): JOURNAL OF ELECTRICAL, ELECTRONICS, CONTROL, AND AUTOMOTIVE ENGINEERING (JEECA
Publisher : Pengelolaan Penerbitan Publikasi Ilmiah (P3I) Politeknik Negeri Madiun

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

Abstract

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna jalan. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan “Sistem Deteksi dan Estimasi Dimensi Menggunakan Metode Deep Learning dan Adaptive Roi”. Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server. Dari hasil pengujian seluruh sistem yang telah dilakukan, sistem deteksi dapat melakukan pengujian seluruh sistem secara realtime dan mengidentifikasi jenis kerusakan seperti retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang presentasi dengan nilai Accuracy sebesar 83,07%, Precision sebesar 0,92, Recall sebesar 0,89, dan F1-Score sebesar 90,4%. Sistem juga dapat menghitung estimasi area dengan kesalahan 24,6 cm pada lebar, 27,6 cm pada Panjang dan 4,82 mm pada kedalaman.
Penerapan Mesin Pencacah Rumput Berbasis Teknologi Tepat Guna (TTG) pada Kelompok Ternak Karunia Jaya di Desa Ngranti, Tulungagung Hanum Arrosida; Dyah Anggun Sartika; Agus Susanto; Sulfan Bagus Setyawan; Denny Hardiyanto; Mohamad Hasanudin; Ahamada Zydan Wisnu Ramadhani
Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia. Vol 5, No 2 (2026): Oktober 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jpm.v5i2.2739

Abstract

Pengolahan pakan hijauan pada peternakan rakyat masih banyak dilakukan secara manual sehingga membutuhkan waktu dan tenaga yang besar serta menghasilkan cacahan yang tidak seragam. Kondisi tersebut dialami oleh Kelompok Ternak Karunia Jaya di Desa Ngranti, Kabupaten Tulungagung, yang mengalami kendala efisiensi dalam proses penyediaan pakan ternak. Kegiatan pengabdian kepada masyarakat ini bertujuan menerapkan mesin pencacah rumput berbasis Teknologi Tepat Guna (TTG) untuk meningkatkan efisiensi pengolahan pakan hijauan. Metode pelaksanaan meliputi sosialisasi, pelatihan pengoperasian mesin, pendampingan penggunaan mesin, dan evaluasi implementasi teknologi di lapangan. Mesin pencacah dirancang menggunakan sistem pisau utama dan hammer mill dengan mesin penggerak berbahan bakar bensin sehingga mampu menghasilkan cacahan hijauan berukuran relatif seragam. Hasil implementasi menunjukkan bahwa penggunaan mesin mampu mempercepat proses pencacahan dari ±2–3 jam menjadi ±30–45 menit serta meningkatkan kemudahan dan keamanan operasional dibandingkan metode manual. Selain itu, penerapan teknologi ini membantu peternak dalam mengoptimalkan pemanfaatan hijauan dan mendukung pengelolaan pakan ternak yang lebih efisien dan berkelanjutan.