Ricky Maulana Fajri
Universitas Indo Global Mandiri

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

KLASIFIKASI LAPISAN LILIN PADA BUAH APEL MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN METODE CONVOLUTIONAL NEURAL NETWORK Alvira, Dwi Okta; Rachmansyah; Fajri, Ricky Maulana
Journal Of Intelligent Networks and IoT Global Vol 1 No 2 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i2.3644

Abstract

Buah-buahan merupakan salah satu dari macam komoditas pada sektor pertanian yang sangat rentan akan pembusukan salah satu nya adalah buah apel. Kualitas pada buah dapat dilihat dari berbagai faktor yaitu ukuran, warna, kondisi, tekstur, nilai nutrisi dan citarasa. Penelitian ini bertujuan untuk mengetahui perbedaan antara kualitas dari citra buah apel yang mengandung lapisan lilin dengan kualitas citra yang tidak mengandung lapisan lilin. Proses identifikasi lapisan lilin pada buah apel ini dapat dilakukan dengan menggunakan pengolahan citra digital atau yang sering dikenal Image Processing dengan melakukan proses ekstraksi citra menggunakan metode Jaringan Syaraf Tiruan. Jaringan Syaraf Tiruan merupakan sistem pemrosesan informasi yang memiliki karakteristik yang mirip dengan fungsi otak manusia dalam bentuk matematika dan menjalankan proses perhitungan secara paralel. Penelitian ini melakukan uji identifikasi citra menggunakan deep learning convolutional neural network, dengan menggunakan dua proses yaitu training dan testing untuk melakukan uji akurasi dengan menggunakan 200 data citra 100 citra buah apel dengan kandungan lilin dan 100 citra buah apel yang tidak terkandung lilin dan memiliki 100 data citra sebagai data testing 50 untuk yang terkandung apel dan 50 yang tidak terkandung lilin. Hasil yang telah didapatkan pada penelitian ini adalah akurasi 98% untuk proses training dan 97.50% untuk proses testing yang telah dilakukan menggunakan 10 epoch
SIMULASI KEAMANAN JARINGAN DENGAN METODE NETWORK DEVELOPMENT LIFE CYCLE MENGGUNAKAN SWITCH PORT SECURITY PADA PT PINUS MERAH ABADI Putri, RA Martasya; Zulkifli; Fajri, Ricky Maulana
Journal Of Intelligent Networks and IoT Global Vol 1 No 2 (2023)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v1i2.3646

Abstract

Perkembangan teknologi di dunia jaringan komputer semakin cepat seiring dengan meningkatnya tuntutan akan koneksi yang efisien, stabil, dan aman. Salah satu faktor penting dalam meningkatkan kualitas jaringan adalah keamanan jaringan atau network security. Terdapat berbagai teknik yang dapat digunakan untuk meningkatkan tingkat keamanan, seperti membangun sistem firewall atau mengimplementasikan port security. Port security melibatkan penggunaan port-port yang ada untuk mengatur akses ke jaringan. Dalam lingkungan kerja PT Pinus Merah Abadi, seringkali terjadi masalah seperti koneksi yang lambat dan kelemahan dalam aspek keamanan jaringan. Untuk mengatasi ini, penulis akan melakukan simulasi penggunaan port-security pada setiap switch di PT Pinus Merah Abadi agar jaringan komputer menjadi lebih aman dan terhindar dari masalah-masalah tersebut
EFEKTIVITAS PENGGOLONGAN KENDARAAN DENGAN METODE CNN PADA SISTEM TRANSAKSI DI GERBANG TOL Pratama, Aditya; Sunardi, Hastha; Fajri, Ricky Maulana
Journal Of Intelligent Networks and IoT Global Vol 2 No 1 (2024)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v2i1.4435

Abstract

Penelitian ini mengusulkan penerapan metode klasifikasi citra multikelas untuk meningkatkan efektivitas penggolongan kendaraan dalam sistem transaksi di gerbang. Metode ini menggunakan pendekatan pembelajaran mesin untuk mengenali dan mengelompokkan kendaraan berdasarkan citra yang diperoleh dari sistem pengawasan gerbang. Penelitian ini bertujuan untuk meningkatkan akurasi dan kecepatan penggolongan kendaraan, sehingga dapat mendukung efisiensi dalam proses transaksi gerbang. Pengujian dilakukan menggunakan dataset beragam kendaraan dan hasilnya menunjukkan peningkatan yang signifikan dalam klasifikasi kendaraan secara akurat. Implementasi metode ini diharapkan dapat memberikan kontribusi positif terhadap pengembangan sistem transaksi di gerbang, meningkatkan keandalan dan kecepatan layanan
REKAYASA SISTEM MONITIRONG PENGGUNAAN DAYA PADA KOMPUTER BERBASIS INTERNET OF THINGS Putra, Sony Dwi; Tasmi; Fajri, Ricky Maulana
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6588

Abstract

Monitoring adalah sebuah ruangan yang digunakan untuk menyimpan komputer server dan perangkat jaringan. Ruang server adalah aset penting untuk perusahaan atau lembaga yang menerapkan teknologi informasi sebagai penunjang dalam kegiatan sehari-harinya. Daya yang tidak stabil dapat menyebabkan kerusakan pada server. Pentingnya hal tersebut dikarenakan pada ruang monitoring terdapat aplikasi dan basis data yang menyimpan segala informasi penting dan bernilai bagi perusahaan atau lembaga yang bersangkutan, oleh karena itu ruangan server harus selalu dalam kondisi baik. Rancang bangun sistem monitoring arus dan tegangan ini dirancang untuk mendeteksi perubahan arus dan tegangan pada ruangan dengan menggunakan NodeMCU ESP8266 sebagai kontrol utamanya, lalu mengunakan ACS 1712 sebagai sensor pendeteksi arus dan tegangan, selanjutnya data akan dikirim ke aplikasi Bylnk yang sudah terinstall pada smartphone. Jika sensor ACS 1712 mendeteksi suhu lebih dari 28⁰C maka secara otomatis sistem akan mengaktifkan relay untuk menghidupkan kipas DC. Namun jika nilai suhu yang terbaca kurang dari 28⁰C, maka secara otomatis sistem akan mematikan relaydan kipas DC.Dengan adanya alat ini di harapkan dapat melakukan monitoring ruangan secara realtime suhu dan kelembaban pada ruang server sehingga mengurangi adanya kerusakan hardwere atau kerusakan yang lainnya.
Prediksi Cuaca Menggunakan Sensor Cahaya, Kecepatan Angin, dan Arah Angin dengan Metode Neuro-Fuzzy Billanivo, Reynaldi Rizki; Fajri, Ricky Maulana; Tasmi; Ferdiansyah
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6592

Abstract

Prediksi cuaca merupakan elemen yang sangat penting dalam berbagai sektor, termasuk pertanian dan transportasi. Salah satu contohnya adalah membantu petani untuk menunda penanaman tanaman sebelum hujan deras terjadi. Penelitian ini menggunakan metode Neuro-Fuzzy yang dipadukan dengan tiga jenis sensor yakni sensor cahaya, sensor kecepatan angin, dan sensor arah angin, yang digunakan untuk peramalan meteorologi. Penelitian ini memanfaatkan dataset Misol dan dataset BMKG. Model Neuro-Fuzzy mencapai akurasi rata-rata sebesar 0,71, presisi 0,4075, recall 0,3185, dan skor F1 sebesar 0,337.
Desain dan Implementasi Prototipe Robot Pembersih Sampah di Sungai Berbasis Raspberry Pi 4 Model B Cahyadi, Hartanto Dwi; Fajri, Ricky Maulana; Setiawan, Candra; Akbar Deazwara, Muhammad Rizki
Journal Of Intelligent Networks and IoT Global Vol 3 No 2 (2025)
Publisher : Universitas Indo Global Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jinig.v3i2.6653

Abstract

Sungai Musi menghadapi ancaman polusi plastik yang serius, yang merusak ekosistem dan memicu banjir akibat penyumbatan aliran air. Penelitian ini bertujuan untuk merancang prototipe robot pembersih sampah semi-otomatis menggunakan Raspberry Pi 4 Model B sebagai pusat kendali. Sistem ini mengintegrasikan visi komputer menggunakan algoritma YOLO (You Only Look Once) untuk deteksi sampah plastik secara real-time. Robot dirancang dengan struktur katamaran menggunakan material styrofoam dan triplek untuk stabilitas maksimal di atas air. Metodologi penelitian mencakup perancangan perangkat keras, pengembangan perangkat lunak berbasis Python, dan pengujian lapangan. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi botol plastik dengan tingkat kepercayaan hingga 87% pada jarak 100 cm, sementara pengujian jarak optimal untuk stabilitas deteksi berada pada rentang 30–90 cm. Meskipun terdapat kendala mekanis pada sinkronisasi motor, prototipe ini membuktikan efektivitas penggunaan Raspberry Pi dan AI dalam upaya pelestarian lingkungan sungai secara semi-otomatis.
An Empirical Study of Temporal Graph Neural Networks for Dynamic Node Forecasting Ricky Maulana Fajri; Tasmi Tasmi; Ni Wayan Pricila Yuni Praditya
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol. 23 No. 1 (2026): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika.
Publisher : Program Studi Ilmu Komputer, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v23i1.79

Abstract

Temporal graph modeling has become increasingly important for understanding and forecasting the dynamics of complex systems that evolve over time. One of the central challenges in temporal graph learning lies in identifying graph neural network (GNN) architectures that can effectively capture both spatial dependencies and temporal dynamics. This study presents a comprehensive benchmarking analysis of widely used GNN architectures, namely Graph Convolution Network (GCN), GraphSAGE, Graph Attention Network (GAT), Chebyshev Networks (ChebNet), and Simplified Graph Convolution Network (SGC), each integrated with recurrent mechanisms for temporal modeling. The evaluation is conducted on the WikiMaths dataset, a large-scale temporal graph dataset representing user visits of mathematics-related Wikipedia articles. Experimental results demonstrate that the choice of graph convolution operator significantly impacts temporal forecasting performance, with GraphSAGE and ChebNet consistently exhibiting superior performance compared to other architectures. This work provides empirical insights into the strengths and limitations of established temporal GNN models, contributing to a clearer understanding of their applicability in dynamic graph forecasting tasks.