Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Telematika JURNAL SIMETRIK MOTIVECTION : Journal of Mechanical, Electrical and Industrial Engineering Indonesian Journal of Technology, Informatics and Science (IJTIS)
Alphin Stephanus
Jurusan Teknik Elektro, Politeknik Negeri Ambon
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
RANCANG BANGUN SISTEM AKUAPONIK BERBASIS MIKROKONTROLER DAN ANDROID Gelvan Laurens Tuapatel; Alphin Stephanus
JURNAL SIMETRIK Vol 9, No 2 (2019)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Ambon

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (878.993 KB) | DOI: 10.31959/js.v9i2.385

Abstract

Pertanian berkelanjutan atau akuaponik di provinsi maluku khusunya kota ambon mulai digemari. Hal ini dikarenakan sistem pertanian ini sangat memberi banyak manfaat. Akan tetapi sistem yang ada masih memliki kekurangan, yaitu tidak dapat mengontrol pompa air, memonitoring suhu dan kelembaban yang tidak efektif. Dan sifat sistem ini pada umumnya masih bersifat konvensional. Untuk mengatasi kekurangan ini dibutuhkan sentuhan teknologi yang membuatnya lebih cerdas. Integrasi antara mikrokontroler dan telpon selular dengan platform android didalam sistem akuaponik menjadi jawaban untuk mengendalikan dan memonitor lingkungan sekitar secara real time.
Internet of Things on Electrical Energy Monitoring Using Multi-Electrical Parameter Sensors Risfendra Risfendra; Gheri Febri Ananda; Alphin Stephanus
MOTIVECTION : Journal of Mechanical, Electrical and Industrial Engineering Vol 3 No 1 (2021): Motivection : Journal of Mechanical, Electrical and Industrial Engineering
Publisher : Indonesian Mechanical Electrical and Industrial Research Society (IMEIRS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.441 KB) | DOI: 10.46574/motivection.v3i1.79

Abstract

This study aims to apply the Internet of Things to monitoring electricity energy consumption. The system is designed to replace the manual and conventional measurement of electrical energy. Uncontrolled use of electricity is one of the causes of high levels of electrical energy consumption. Therefore, consumers need to know the amount of electrical energy consumption in real-time. The device is designed using the PZEM-004T which is used as a sensor to read electrical multi-parameter, Arduino as the main control, and ESP8266 as a data sender on the Cloud system. The test results showed that the device has been able to read and display electricity quantity data in the form of voltage, current, power, and electricity tariff accumulation in real-time displayed on the ThingSpeak platform. The test on the PZEM-004T sensor has an accuracy rate of 94.96% for reading current values and 99.42% for reading voltage values. Penelitian ini bertujuan untuk menerapkan teknologi Internet of Things pada monitoring konsumsi energi listrik. Sistem dirancang untuk menggantikan pengukuran energi listrik yang masih manual dan konvensional. Penggunaan listrik yang tidak terkontrol merupakan salah satu penyebab tingginya tingkat pemakaian energi listrik. Oleh karena itu, konsumen perlu mengetahui jumlah pemakaian energi listrik secara realtime. Alat dirancang menggunakan PZEM-004T yang digunakan sebagai sensor untuk membaca multi-parameter listrik, Arduino sebagai kendali utama, dan ESP8266 sebagai pengirim data pada sistem Cloud. Hasil pengujian menunjukan bahwa alat telah mampu membaca dan menampilkan data besaran listrik berupa tegangan, arus, daya, dan akumulasi tarif listrik secara realtime yang ditampilkan pada platform ThingSpeak. Pengujian pada sensor PZEM-004T memiliki tingkat akurasi 94.96% untuk pembacaan nilai arus dan 99. 42% untuk pembacaan nilai tegangan.
APLIKASI PENGEKSTRAK CIRI KERIPUT WAJAH MANUSIA DENGAN PENDEKATAN KEACAKKAN STATISTIS ENTROPI Syukri Gazali Suatkab; Alphin Stephanus (Stevie)
Indonesian Journal of Technology, Informatics and Science (IJTIS) Vol 2, No 2 (2021): IJTIS Volume 2 No 2 (Juni 2021)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/ijtis.v2i2.6302

Abstract

Proses penuaan merupakan hal yang tidak bisa dihindari dan sifatnya alami pada manusia. Perubahan wajah manusia terjadi secara signifikan seiring dengan bertambahnya usia.  Aspek-aspek yang mempengaruhi perubahan ini antara lain: heriditas, psikologis, nutrisi, lifestyle, ras maupun dearah geografis.  Manusia memiliki kebutuhan yang berbeda pada setiap kelompok usia. Sebagai konsekuensi perkembangan ilmu pengetahuan, teknologi dan informasi maka dibutuhkan layanan publik yang dapat membantu manusia dalam memenuhi kebutuhan berdasarkan kelompok umur. Untuk dapat mengelompokkan umur dengan baik maka dibutuhkan diskriptor yang baik sebagai ciri pembeda utama. Penelitian ini menggunakan MATLAB 7.8 berbasis GUI (Graphic User Interface) untuk membuat aplikasi pengekstrak ciri keriput wajah. Pengekstrakan ciri citra dibagi menjadi dua sub proses yaitu pra pengolahan citra dan ekstraksi ciri. Praproses diawali dengan Cropping citra asli menjadi lebih kecil, pengubahan citra warna menjadi citra aras keabuan (grayscale), melakukan histogram equalization dan cropping pada 5 daerah kerutan wajah. Berdasarkan lima daerah kerutan wajah manusia tersebut, dihasilkan ciri tekstur sebagai ciri keriput diperoleh dari pendekatan keacakan statistis yaitu entropi. Penelitian ini menggunakan 12 citra wajah laki-laki dengan batasan umur 20 tahun sampai dengan diatas 60 tahun sebagai bahan sampel. Sistem ini berhasil mengekstrak seluruh sampel citra wajah. Dan akhirnya aplikasi ini diharapkan dapat menjadi referensi yang dapat diimplementasikan dibidang yang lain.                                                                                                            
Random Forest Based Prediction of Student Stress Levels from Digital Activity Data Alphin Stephanus; Sri W. Ginting; Junus J. S. Kufla; Syukri G. Suatkab; Thenny D. Salamoni
Telematika Vol 19, No 2: August (2026)
Publisher : Universitas Amikom Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35671/telematika.v19i2.3416

Abstract

Early-semester students experience academic adaptation while relying intensively on digital devices, creating a need for accessible, non clinical stress screening. This study aimed to determine whether six self-reported digital-activity variables could distinguish low, moderate, and high DASS-21 derived stress categories and support a student facing screening prototype. A quantitative cross sectional survey and software prototyping design involved 66 Informatics Engineering students. The analytical procedure combined median imputation, standardization, SMOTE within each training fold, Random Forest classification, repeated stratified five fold cross validation with ten repeats, comparison algorithms, class-specific metrics, permutation importance, learning-curve analysis, and functional testing. Metric auditing produced a single out of fold accuracy of 62.12% and macro F1-score of 53.88%. Under repeated validation, the SMOTE Random Forest pipeline achieved 61.97 ± 10.92% accuracy and 55.82 ± 9.87% macro F1-score. The majority DummyClassifier obtained higher accuracy at 65.16 ± 3.47% but only 26.29 ± 0.84% macro F1-score and zero recall for moderate and high stress. SMOTE Random Forest recall was 20.67 ± 23.94% for moderate stress and 80.00 ± 30.00% for high stress. Logistic Regression produced the highest comparison-model accuracy of 70.89%, although its macro F1-score of 55.23% was slightly below that of SMOTE Random Forest. Total screen time was the only predictor with clearly positive permutation importance. Overlapping feature distributions, unstable minority class estimates, and a persistent training validation gap limited performance. StresCheck therefore constitutes an exploratory proof of concept and requires larger, balanced, externally validated data before screening deployment.
Co-Authors Gelvan Laurens Tuapatel Gheri Febri Ananda Junus J. S. Kufla Risfendra, Risfendra Sri W. Ginting Syukri G. Suatkab Syukri Gazali Suatkab Thenny D. Salamoni