Garuda - Garba Rujukan Digital

Penerapan Wahana Terbang Tanpa Awak untuk Memprediksi Waktu Panen pada Lahan Pertanian Berbasis Pengolahan Citra Digital Rizqi Agung Pratama
CYCLOTRON Vol 5, No 1 (2022): CYCLOTRON
Publisher : Universitas Muhammadiyah Surabaya

Pemanfaatan wahana terbang tanpa awak atau drone hingga saat ini telah banyak digunakan pada bidang pertanian antara lain untuk penyemprotan pestisida, pemetaan lahan, hingga memprediksi waktu panen. Penelitian ini menghadirkan hasil prediksi waktu panen untuk pertanian padi. Selama ini petani mengetahui padi yang siap panen hanya melalui fisik tanaman padi seperti tanaman padi mulai menguning, tangkai padi menunduk dan butir padi terasa keras apabila ditekan. Jadi harus diusahakan rekayasa yang dapat membantu memberikan data berupa estimasi waktu panen. Tahapan penelitian ini dimulai dari pengambilan citra pada lahan pertanian menggunakan drone. Drone juga dilengkapi dengan GPS yang nantinya akan digunakan untuk memperkirakan ukuran lahan pertanian. Kemudian citra tersebut akan dikirimkan menuju laptop. Pada laptop akan dilakukan proses ekstraksi fitur yaitu fitur warna, fitur bentuk dan fitur tekstur. Kemudian nilai-nilai ekstraksi fitur tersebut akan dijadikan data latih dan data uji. Dalam proses klasifikasi penelitian ini menggunakan algoritma SVM(support vector machine), K-Nearest Neighbor dan Multi Layer Perceptron. Hasil yang didapatkan algoritma Multi Layer Perceptron memiliki performa paling baik dengan rerata tingkat akurasi sebesar 84%, rerata precission sebesar 0,85, rerata recall sebesar 0,83 dan rerata F1 score sebesar 0,84. Setelah itu hasil klasifikasi akan di simpan pada Google Spreadsheet sebagai database untuk Bot Telegram.

Data Analytics to Examine Trending Topics for Indonesian Election 2019 Firman Arifin; Muhammad Hariadi; I Ketut Eddy Purnama; Budi Nur Iman; Elly Purwantini; Muhammad Anshari
Jurnal Inovtek Polbeng Seri Informatika Vol 4, No 2 (2019)
Publisher : P3M Politeknik Negeri Bengkalis

Understanding public interest and opinion are necessary tasks in high intense political competition. Utilizing big data analytics from social media provide an important source of information that candidates can utilize, manage and even engage them in targeted political campaigning agenda. One of the source in big data is social media’s interactions. Social media empowers public to participate proactivelyin the campaigning activities. This paper examines trends gathered from data analytics of two contenders’ group for Indonesian Election in 2019. It tracks the recent patterns of people engagement via social media analytic specifically Twitter. The study developed the analysis into the proposed model based on their trends and patterns.

Alat Pendeteksi Kadar Glukosa pada Urine dengan Metode Naive Bayes Kemalasari Kemalasari; Maulida Alvisabrina Ifadah; Budi Nur Iman
Jurnal Rekayasa Elektrika Vol 18, No 4 (2022)
Publisher : Universitas Syiah Kuala

Diabetes Melitus (DM) adalah penyakit kronis yang ditandai dengan kadar glukosa darah yang melebihi batas normal yang disebabkan oleh tidak berfungsinya pankreas dalam memproduksi insulin yang cukup. Ketika glukosa berlebih, gula akan dikeluarkan melalui urine yang disebut glukosuria. Sehingga tujuan dari penelitian ini adalah untuk membuat alat pendeteksi kadar glukosa dari urine menggunakan sensor warna dan sensor gas dengan metode naive bayes. Untuk mengetahui jumlah kadar glukosa melalui urin dapat menggunakan larutan benedict. Dari percampuran antara sample urine dan larutan benedict akan dihasilkan perubahan warna yang dapat diukur dengan sensor warna TCS3200. Selain menggunakan sensor warna, digunakan juga sensor gas yaitu MQ-135, dimana cara kerja dari sensor ini adalah mendeteksi bau / kadar amonia dalam sample urine. Data dari kedua sensor akan diolah oleh metode naïve bayes untuk mengetahui hasil klasifikasi dan juga menggunakan metode regresi linier untuk menghitung kadar glukosa darah. Hasil dari penelitian ini dengan menggunakan 16 sample, untuk metode naïve bayes diperoleh akurasi sebesar 93,75%.

Perancangan dan Implementasi Alat Pendeteksi Dini Penyakit Jantung Koroner Budi Nur Iman; Raay Rafikasitha; Kemalasari Kemalasari
Jurnal Rekayasa Elektrika Vol 18, No 4 (2022)
Publisher : Universitas Syiah Kuala

Penyakit jantung koroner merupakan penyebab kematian tertinggi di Indonesia setelah stroke dengan persentase sebesar 12,9%. Penyakit jantung koroner terjadi akibat penumpukan plak yang disebabkan oleh tingginya kadar kolesterol serta meningkatnya tekanan darah dalam jangka panjang. Dibutuhkan sistem yang dapat memantau kesehatan jantung secara berkala. Pada penelitian ini menyajikan sistem yang mampu melakukan deteksi dini penyakit jantung koroner yang terdiri dari kategori risiko rendah, sedang, dan tinggi berdasarkan tiga parameter yaitu kolesterol, tekanan darah, dan detak jantung. Pengukuran kolesterol dilakukan secara non-invasif menggunakan LED sebagai transmitter dan photodioda sebagai receiver. Pengukuran tekanan darah menggunakan sensor MPX5100DP dengan metode osilometri, dan pengukuran detak jantung menggunakan sensor MAX30102. Data dari sensor dan informasi tambahan berupa jenis kelamin, usia, dan status perokok akan diolah dengan metode K-Nearest Neighbor untuk mengetahui hasil klasifkasi penyakit jantung koroner. Dari keseluruhan pengukuran, akurasi rata-rata untuk pengukuran kolesterol adalah 97,9%, pengukuran tekanan darah sistolik adalah 96,3%, tekanan darah diastolik 92,7%, dan pengukuran detak jantung adalah 98,8%. Klasifikasi penyakit jantung koroner pada 15 responden menggunakan metode K-Nearest Neighbor memiliki perbedaan sekitar 20% dengan perhitungan menggunakan tabel Framingham Risk Score yang dilakukan oleh dokter.

Alat Pendeteksi Kadar Glukosa pada Urine dengan Metode Naive Bayes Kemalasari Kemalasari; Maulida Alvisabrina Ifadah; Budi Nur Iman
Jurnal Rekayasa Elektrika Vol 18, No 4 (2022)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17529/jre.v18i4.27238

Diabetes Melitus (DM) adalah penyakit kronis yang ditandai dengan kadar glukosa darah yang melebihi batas normal yang disebabkan oleh tidak berfungsinya pankreas dalam memproduksi insulin yang cukup. Ketika glukosa berlebih, gula akan dikeluarkan melalui urine yang disebut glukosuria. Sehingga tujuan dari penelitian ini adalah untuk membuat alat pendeteksi kadar glukosa dari urine menggunakan sensor warna dan sensor gas dengan metode naive bayes. Untuk mengetahui jumlah kadar glukosa melalui urin dapat menggunakan larutan benedict. Dari percampuran antara sample urine dan larutan benedict akan dihasilkan perubahan warna yang dapat diukur dengan sensor warna TCS3200. Selain menggunakan sensor warna, digunakan juga sensor gas yaitu MQ-135, dimana cara kerja dari sensor ini adalah mendeteksi bau / kadar amonia dalam sample urine. Data dari kedua sensor akan diolah oleh metode naïve bayes untuk mengetahui hasil klasifikasi dan juga menggunakan metode regresi linier untuk menghitung kadar glukosa darah. Hasil dari penelitian ini dengan menggunakan 16 sample, untuk metode naïve bayes diperoleh akurasi sebesar 93,75%.

Perancangan dan Implementasi Alat Pendeteksi Dini Penyakit Jantung Koroner Budi Nur Iman; Raay Rafikasitha; Kemalasari Kemalasari
Jurnal Rekayasa Elektrika Vol 18, No 4 (2022)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17529/jre.v18i4.27240

Penyakit jantung koroner merupakan penyebab kematian tertinggi di Indonesia setelah stroke dengan persentase sebesar 12,9%. Penyakit jantung koroner terjadi akibat penumpukan plak yang disebabkan oleh tingginya kadar kolesterol serta meningkatnya tekanan darah dalam jangka panjang. Dibutuhkan sistem yang dapat memantau kesehatan jantung secara berkala. Pada penelitian ini menyajikan sistem yang mampu melakukan deteksi dini penyakit jantung koroner yang terdiri dari kategori risiko rendah, sedang, dan tinggi berdasarkan tiga parameter yaitu kolesterol, tekanan darah, dan detak jantung. Pengukuran kolesterol dilakukan secara non-invasif menggunakan LED sebagai transmitter dan photodioda sebagai receiver. Pengukuran tekanan darah menggunakan sensor MPX5100DP dengan metode osilometri, dan pengukuran detak jantung menggunakan sensor MAX30102. Data dari sensor dan informasi tambahan berupa jenis kelamin, usia, dan status perokok akan diolah dengan metode K-Nearest Neighbor untuk mengetahui hasil klasifkasi penyakit jantung koroner. Dari keseluruhan pengukuran, akurasi rata-rata untuk pengukuran kolesterol adalah 97,9%, pengukuran tekanan darah sistolik adalah 96,3%, tekanan darah diastolik 92,7%, dan pengukuran detak jantung adalah 98,8%. Klasifikasi penyakit jantung koroner pada 15 responden menggunakan metode K-Nearest Neighbor memiliki perbedaan sekitar 20% dengan perhitungan menggunakan tabel Framingham Risk Score yang dilakukan oleh dokter.

Power Consumption Predictive Analytics and Automatic Anomaly Detection Based on CNN-LSTM Neural Networks Arif Irwansyah; Effry Muhammad; Firman Arifin; Budi Nur Iman; Hendhi Hermawan
Jurnal Rekayasa Elektrika Vol 19, No 4 (2023)
Publisher : Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17529/jre.v19i4.31695

In this modern era, electrical energy plays a crucial role in human life, as it is essential for most household appliances. The number of appliances requiring electrical energy increases each year, meeting the growing needs of users. However, electricity consumers tend to forget this fact and only realize its importance when they receive a significantly increased monthly electricity bill or face problems caused by anomalies in electricity use. Such anomalies can lead to substantial losses, especially when electrical equipment is damaged or left switched on without awareness. To make better decisions in such situations, real-time and accurate information is necessary, which can be achieved through data analytics utilizing machine-learning and predictive analytics. The purpose of this paper is to introduce the CNN-LSTM method of data analytic modeling for power consumption data collected through an electric data logger, which can help predict future power usage and detect real-time anomalies in the power network. The proposed model was tested using hourly electricity consumption data, and the results showed that the CNNLSTM method outperformed the LSTM model. The CNN-LSTM model had a 29% smaller Mean Squared Error (MSE) score than the LSTM method.

Title

Found 7 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 7 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 7 Documents
Search