Claim Missing Document
Check
Articles

Penerapan Teknologi “KOPKA” (Kran Otomatis dan Pengukur Kapasitas Air) pada Bak Penampung Air Drip Irrigation untuk Mempermudah Kerja Kelompok Tani Banyu Urip Desa Tanggumong Kecamatan Sampang Weny Indah Kusumawati; Stephanie Astrid Ayu; Musayyanah, Musayyanah; Yunanto Tri Laksono; Charisma Dimas Affandi
PaKMas: Jurnal Pengabdian Kepada Masyarakat Vol 4 No 2 (2024): November 2024
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/pakmas.v4i2.3307

Abstract

The Banyu Urip Farmer Group faces challenges in managing water for agricultural irrigation purposes. One of the main problems is that irrigation in the fields used still uses manual watering techniques, so it takes a long time to do watering. To overcome this problem, the Banyu Urip Farmer Group collaborated with Universitas Dinamika to install an Automatic Faucet and Water Capacity Meter system. This Automatic Faucet and Water Capacity Meter system is an innovation that helps improve irrigation efficiency and water management on farms. This technology provides convenience for farmers in terms of water control, which has a positive impact on resource use efficiency, and supports sustainable agriculture in Tanggumong Village, Sampang District. Community service activities have been completed according to the predetermined schedule. The success of this activity can be measured by the ease felt by Poktan in operating the application to monitor equipment, being able to fill in content on Instagram, and their enthusiasm to take part in the next community service programs.
Menentukan Ukuran Sepatu Secara Realtime Melalui Segmentasi Citra Telapak Kaki Heri Pratikno; Kusumawati, Weny Indah
Journal of Computer Electronic and Telecommunication Vol. 3 No. 2 (2022): December
Publisher : Institut Teknologi Telkom Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v3i2.255

Abstract

Abstract: Sepatu selain sebagai fashion juga sebagai pelindung utama kulit permukaan kaki pada aktifitas kehidupan sehari-hari. Pada toko sepatu belum mempunyai sistem dan alat untuk mendeteksi ukuran sepatu orang secara realtime dan otomatis, sehingga calon pembeli sepatu tidak perlu lagi mencoba berulangkali untuk mendapatkan ukuran sepatu yang sesuai dan nyaman dipakai. Pada penelitian ini membuat sebuah sistem dan alat yang mampu mendeteksi ukuran sepatu secara realtime dan otomatis melalui segmentasi citra dari telapak kaki menggunakan webcam. Untuk mendapatkan ukuran sepatu yang pas pada penelitian ini maka dilakukan komparasi tiga metode deteksi tepi, yaitu: Sobel, Prewitt dan Canny. Hasil eksperimen secara empiris, metode Canny mempunyai akurasi tertinggi dalam mendeteksi ukuran panjang telapak kaki sebesar 97% dan lebarnya 98,8%. Metode Sobel mempunyai waktu komputasi tercepat, yaitu: 23,26 detik. Presisi terbaik dalam mendapatkan ukuran telapak kaki pada penelitian ini pada skala 4,48 piksel sebanding dengan 1 mm.
Perbandingan Performa Algoritma VGG16 dan VGG19 Melalui Metode CNN untuk Klasifikasi Varietas Beras Weny Indah Kusumawati; Adisaputra Zidha Noorizki
Journal of Computer Electronic and Telecommunication Vol. 4 No. 2 (2023): December
Publisher : Institut Teknologi Telkom Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52435/complete.v4i2.387

Abstract

Beras merupakan jenis pangan utama yang paling populer di konsumsi di seluruh dunia. Berbagai negara pun melakukan proses impor untuk memenuhi kebetuhan penduduk di negaranya, salah satunya adalah Indonesia. Indonesia merupakan negara yang tergolong memiliki permintaan pasar pangan yang tinggi di ruang lingkup global. Masuknya berbagai varietas beras akibat adanya kegiatan impor di Indonesia membuat para importir mengalami kesulitan selama proses penyortiran produknya. Seiring berjalannya kemajuan teknologi pula, para importir juga harus terus beradaptasi, salah satunya dengan memanfaatkan salah satu teknologi yang akhir-akhir ini sedang marak dikembangkan oleh para peneliti. CNN atau Convolutional Neural Network merupakan salah satu teknologi yang memiliki kemampuan yang baik dalam mengklasifikasikan citra gambar. CNN sendiri memiliki banyak sekali algoritma, di antaranya adalah VGG16 dan VGG19. Kedua algoritma tersebut merupakan pengembangan dari algoritma terdahulunya yang dinamakan AlexNet. Penelitian ini berfokus pada penyusunan setiap algoritma, proses training, dan diakhiri oleh proses analisis terkait kinerja dari kedua model. Penelitian ini menunjukkan bahwa algoritma VGG16 memiliki kinerja yang lebih baik, mencapai akurasi sebesar 98% dengan waktu training 73,405 detik. Sementara itu, algoritma VGG19 mencapai akurasi 97% dengan waktu training 78,098 detik dalam mengklasifikasikan varietas beras menggunakan dataset yang memiliki lima kelas.
MONITORING TENAGA PANEL SURYA BERBASIS IoT (INTERNET of THINGS) DI LAHAN PADI Kusumawati, Weny Indah; Malik, Alief Nurul; Harianto, Harianto; Susanto, Pauladie
MULTITEK INDONESIA Vol 18 No 1 (2024): Juli
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/mtkind.v18i1.7303

Abstract

Saat ini, sebagian area sawah di suatu daerah memerlukan penerangan untuk memudahkan kegiatan petani pada malam atau pagi hari. Untuk meminimalkan kegiatan siang hari, petani juga bekerja di malam hari atau dini hari, misalnya untuk melindungi ladang dari tikus ladang yang berbahaya. Penelitian awal telah dibuat alat pemantau daya panel surya (solar panel) dengan basis Internet of Things, tetapi sensor arus tidak membantu arus DC dan tidak ada lampu penunjuk (indikator) untuk menyalakan lampu. Berdasarkan problem diatas, dirancang peralatan monitoring panel surya dengan basis Internet of Things sekaligus perhitungan arus dan daya DC serta penerangan sawah dengan indikator. Peralatan monitoring energi panel surya ini adalah panel surya untuk sumber pengganti, NodeMCU ESP32 bekerja sebagai sistem penerangan dan pemantauan, yang menerima masukan dari sensor tegangan yang berfungsi untuk mengatur tegangan, dan sensor arus mendeteksi arus yang masuk ke baterai. Analisis yang diperoleh dari penelitian adalah lampu DC dapat dihidupkan/dimatikan berdasarkan data sensor arus sensor dan tegangan yang berhasil digabungkan dengan akurasi 2.86% dan 36.97% dibanding dengan Avometer, dan monitoring menggunakan MQTT dapat diselesaikan dengan kecepatan transfer data yang berhasil sebesar 73.33%.