Article Per Year (5 Year)
p-Index From 2021 - 2026
3.03
P-Index
This Author published in this journals
All Journal Prosiding Semnastek JURNAL TEKNOLOGI INFORMASI Jurnal Pengabdian Teknologi, Ekonomi dan Humaniora Jurnal Sains & Teknologi Fakultas Teknik Universitas Darma Persada Journal Technology Information and Data Analytic
Suzuki Syofian
Universitas Darma Persada
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering Social Sciences Other

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : journal technology information and data analytic

 1 
Rancang Bangun Sistem Pengawasan Infus Berbasis Teknologi Internet Of Things (IoT) Achmad Jayadi; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.27

Abstract

Perkembangan teknologi Internet of Things (IoT) semakin luas diterapkan dalam berbagai aspek kehidupan sehari-hari termasuk dalam bidang kesehatan. Salah satu penerapan IoT yang dikembangkan adalah sistem pengawasan infus untuk meningkatkan pengawasan kontrol dan keamanan pasien dalam proses pengobatan infus. Penelitian ini memfokuskan pada pengembangan sistem pengawasan infus yang menggunakan sensor Load Cell untuk mendeteksi sisa cairan infus dan sensor LM393 untuk mendeteksi tetesan infus serta kenaikan darah. Mikrokontroler ESP32 digunakan sebagai pusat kendali yang terhubung dengan aplikasi monitoring memungkinkan pemantauan jarak jauh secara real-time melalui aplikasi mobile. Hasil pengujian menunjukkan bahwa sistem ini bekerja efektif dalam mengukur berat infus, mendeteksi tetesan infus, serta memberikan notifikasi yang tepat waktu saat terjadi kenaikan darah atau saat infus mendekati habis. Dengan demikian, sistem pengawasan infus berbasis IoT yang dikembangkan dalam penelitian ini dapat diandalkan untuk digunakan dalam lingkungan perawatan kesehatan, meningkatkan efisiensi dan akurasi dalam pengawasan infus pasien.
Perancangan Sistem Gudang Cerdas untuk Pemantauan Lingkungan Gudang Berbasis Internet of Things (IoT) Firmansyah, Adi; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.34

Abstract

Penelitian ini bertujuan mengembangkan dan mengimplementasikan sistem Smart Warehouse berbasis Internet of Things (IoT) untuk memonitor dan mengontrol lingkungan gudang secara otomatis menggunakan modul ESP8266 untuk integrasi sensor, aktuator, dan aplikasi berbasis web yang memungkinkan pemantauan real-time serta kontrol otomatis. Sensor yang digunakan meliputi suhu dan kelembaban (DHT21), intensitas cahaya (BH1750), gas CO (MQ135), PIR, dan sensor api (KY-026), dengan otomatisasi kipas angin, exhaust fan, dan pencahayaan berdasarkan deteksi gas CO, keberadaan orang, serta intensitas cahaya. Sensor api mendeteksi potensi kebakaran, mengaktifkan alarm secara cepat, dan meningkatkan keamanan gudang melalui pemantauan yang dapat diakses pengguna dari dasbor berbasis web yang memudahkan pengambilan keputusan operasional. Hasil pengujian menunjukkan sistem ini mampu memberikan pemantauan akurat dan respons otomatis efisien dengan tingkat kepuasan pengguna yang tinggi dalam efektivitas serta kemudahan pemantauan lingkungan gudang.
Pengembangan Teknologi Internet Of Things Pendeteksi Kebakaran untuk Ruang Server dilengkapi Pemantauan Real-Time dan Notifikasi Whatsapp Serta Monitoring menggunakan Grafana Rizkhi, Muhammad; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 2 No 1 (2025): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.43

Abstract

Fire is a serious threat that can cause physical, economic, and loss of life. Often triggered by human factors, nature, or equipment such as electricity and LPG, fires require rapid detection and response. Internet of Things (IoT) technology provides solutions with smart sensors that monitor the environment in real-time to detect temperature, smoke, or hazardous gases. This study develops an IoT-based fire detection system for server rooms that integrates fire sensors, MQ-2 smoke sensors, DHT-11 temperature sensors, CCTV for visual monitoring, and notification via WhatsApp. The Grafana monitoring platform is used for sensor data visualization. The case study was conducted at PT Askara Internal, with the aim of improving server room security and reducing fire risks, as well as increasing operational resilience through innovative and effective technology.
Implementasi Deep Learning Menggunakan Vision Transformer Untuk Klasifikasi Penyakit Daun Padi Febriyanto, Tri; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.47

Abstract

Padi merupakan makanan pokok penting yang berperan signifikan dalam meningkatkan kesejahteraan masyarakat Indonesia. Namun, produksi padi sering terancam oleh berbagai penyakit daun yang disebabkan oleh patogen seperti jamur, hama, bakteri, dan virus. Beberapa penyakit daun padi yang umum termasuk Blas (Blast), Bercak Coklat (Brown Spot), Hawar Daun Bakteri (Bacterial Leaf Blight), dan Tungro. Kemajuan teknologi saat ini, khususnya dalam bidang Deep Learning, menawarkan solusi potensial untuk mengatasi tantangan tersebut. Deep Learning, sebagai sub-bidang Machine Learning, mengadopsi algoritma yang terinspirasi dari cara kerja otak manusia. Penelitian ini menggunakan metode Vision Transformer (ViT) dengan arsitektur ViT B16 untuk mengklasifikasikan penyakit daun padi. Dataset yang digunakan terdiri dari 1253 gambar, termasuk 419 gambar untuk penyakit Bercak Coklat, 355 gambar untuk penyakit Blast, 209 gambar untuk penyakit Hawar Daun Bakteri, dan 270 gambar untuk penyakit Tungro. Dataset dibagi menjadi 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Pelatihan dilakukan dengan batch size 32, 50 epoch, dan menggunakan optimizer Adam. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi, presisi, recall, dan f1-score sebesar 96%.
Rancang Bangun Sistem Pengawasan Infus Berbasis Teknologi Internet Of Things (IoT) Achmad Jayadi; Suzuki Syofian
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.27

Abstract

Perkembangan teknologi Internet of Things (IoT) semakin luas diterapkan dalam berbagai aspek kehidupan sehari-hari termasuk dalam bidang kesehatan. Salah satu penerapan IoT yang dikembangkan adalah sistem pengawasan infus untuk meningkatkan pengawasan kontrol dan keamanan pasien dalam proses pengobatan infus. Penelitian ini memfokuskan pada pengembangan sistem pengawasan infus yang menggunakan sensor Load Cell untuk mendeteksi sisa cairan infus dan sensor LM393 untuk mendeteksi tetesan infus serta kenaikan darah. Mikrokontroler ESP32 digunakan sebagai pusat kendali yang terhubung dengan aplikasi monitoring memungkinkan pemantauan jarak jauh secara real-time melalui aplikasi mobile. Hasil pengujian menunjukkan bahwa sistem ini bekerja efektif dalam mengukur berat infus, mendeteksi tetesan infus, serta memberikan notifikasi yang tepat waktu saat terjadi kenaikan darah atau saat infus mendekati habis. Dengan demikian, sistem pengawasan infus berbasis IoT yang dikembangkan dalam penelitian ini dapat diandalkan untuk digunakan dalam lingkungan perawatan kesehatan, meningkatkan efisiensi dan akurasi dalam pengawasan infus pasien.
Perancangan Sistem Gudang Cerdas untuk Pemantauan Lingkungan Gudang Berbasis Internet of Things (IoT) Adi Firmansyah; Suzuki Syofian
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.34

Abstract

Penelitian ini bertujuan mengembangkan dan mengimplementasikan sistem Smart Warehouse berbasis Internet of Things (IoT) untuk memonitor dan mengontrol lingkungan gudang secara otomatis menggunakan modul ESP8266 untuk integrasi sensor, aktuator, dan aplikasi berbasis web yang memungkinkan pemantauan real-time serta kontrol otomatis. Sensor yang digunakan meliputi suhu dan kelembaban (DHT21), intensitas cahaya (BH1750), gas CO (MQ135), PIR, dan sensor api (KY-026), dengan otomatisasi kipas angin, exhaust fan, dan pencahayaan berdasarkan deteksi gas CO, keberadaan orang, serta intensitas cahaya. Sensor api mendeteksi potensi kebakaran, mengaktifkan alarm secara cepat, dan meningkatkan keamanan gudang melalui pemantauan yang dapat diakses pengguna dari dasbor berbasis web yang memudahkan pengambilan keputusan operasional. Hasil pengujian menunjukkan sistem ini mampu memberikan pemantauan akurat dan respons otomatis efisien dengan tingkat kepuasan pengguna yang tinggi dalam efektivitas serta kemudahan pemantauan lingkungan gudang.
Pengembangan Teknologi Internet Of Things Pendeteksi Kebakaran untuk Ruang Server dilengkapi Pemantauan Real-Time dan Notifikasi Whatsapp Serta Monitoring menggunakan Grafana Muhammad Rizkhi; Suzuki Syofian
Journal TIFDA (Technology Information and Data Analytic) Vol 2 No 1 (2025)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.43

Abstract

Fire is a serious threat that can cause physical, economic, and loss of life. Often triggered by human factors, nature, or equipment such as electricity and LPG, fires require rapid detection and response. Internet of Things (IoT) technology provides solutions with smart sensors that monitor the environment in real-time to detect temperature, smoke, or hazardous gases. This study develops an IoT-based fire detection system for server rooms that integrates fire sensors, MQ-2 smoke sensors, DHT-11 temperature sensors, CCTV for visual monitoring, and notification via WhatsApp. The Grafana monitoring platform is used for sensor data visualization. The case study was conducted at PT Askara Internal, with the aim of improving server room security and reducing fire risks, as well as increasing operational resilience through innovative and effective technology.
Implementasi Deep Learning Menggunakan Vision Transformer Untuk Klasifikasi Penyakit Daun Padi Tri Febriyanto; Suzuki Syofian
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.47

Abstract

Padi merupakan makanan pokok penting yang berperan signifikan dalam meningkatkan kesejahteraan masyarakat Indonesia. Namun, produksi padi sering terancam oleh berbagai penyakit daun yang disebabkan oleh patogen seperti jamur, hama, bakteri, dan virus. Beberapa penyakit daun padi yang umum termasuk Blas (Blast), Bercak Coklat (Brown Spot), Hawar Daun Bakteri (Bacterial Leaf Blight), dan Tungro. Kemajuan teknologi saat ini, khususnya dalam bidang Deep Learning, menawarkan solusi potensial untuk mengatasi tantangan tersebut. Deep Learning, sebagai sub-bidang Machine Learning, mengadopsi algoritma yang terinspirasi dari cara kerja otak manusia. Penelitian ini menggunakan metode Vision Transformer (ViT) dengan arsitektur ViT B16 untuk mengklasifikasikan penyakit daun padi. Dataset yang digunakan terdiri dari 1253 gambar, termasuk 419 gambar untuk penyakit Bercak Coklat, 355 gambar untuk penyakit Blast, 209 gambar untuk penyakit Hawar Daun Bakteri, dan 270 gambar untuk penyakit Tungro. Dataset dibagi menjadi 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Pelatihan dilakukan dengan batch size 32, 50 epoch, dan menggunakan optimizer Adam. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi, presisi, recall, dan f1-score sebesar 96%.
Co-Authors Achmad Jayadi Achmad Jayadi Adam Arif Budiman Adi Firmansyah Adi Firmansyah Afifa, Linda Nur Afri Yudha Afri Yudha Agam Aria Damar Aji Setiawan Aji Setiawan Alpin Alpin Andi Susilo Arif Winandar Bagus Tri Mahardhika Bagus Tri Mahardika Budi Sumartono Febriyanto, Tri Herianto Herianto Isniah, Sarah Kusuma, Dhino Rahmad Mahendra, Saddam Muhammad Rizkhi Musyaffa, Luth Fais NUR HASANAH Nur Hasanah Nur Syamsiah Richard Indra Setya S Rikhi, Muhammad Rizkhi, Muhammad Ronaldo Ronaldo Setyaningsih, Timor Sofyan, Yan Timor Setiyaningsih Timor Setyaningsih Tri Febriyanto Tri Mahardhika, Bagus Wiwit Try Widyantoro Yahya Yahya Yahya Yan Sofyan Andhana Saputra yefri chan