Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Electrical Engineering and Computer (JEECOM) Jurnal Teknik Mesin, Industri, Elektro dan Informatika
Fatkhul Hidayah
Politeknik Negeri Jember
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengawasan Nyamuk Aedes aegypti Menggunakan Ovitrap Dengan Metode Image Processing Dia Bitari Mei Yuana; Muhammad Diaz Ellyas Fenca Putra; Leovander Aditama Syahputra; Agil Gilang Chandra Saputra; Marzuki Akmal; Fatkhul Hidayah
Journal of Electrical Engineering and Computer (JEECOM) Vol 4, No 1 (2022)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v4i1.3666

Abstract

Berdasarkan data Kementrian Kesehatan Republik Indonesia tahun 2020, kasus DBD (Demam Berdarah Dengue) tersebar di 472 kabupaten dalam 34 provinsi, sebanyak 95.893 kasus dan 661 angka kematian akibat DBD. Kasus Demam berdarah ini kian meningkat setiap tahunnya. Menurut keterangan Organisasi Kesehatan Dunia (WHO), salah satu potensi DBD ditularkan ke manusia melalui gigitan Aedes aegypti betina yang terinfeksi. Gejala demam berdarah yang ringan dapat menyebabkan suhu badan tinggi, bintik merah pada kulit, rasa sakit pada otot serta sendi. Sementara itu demam berdarah dapat berakibat komplikasi yang dikenal dengan istilah dengue hemorrhagic fever, yang dapat menyebabkan Menorrhagia atau pendarahan yang berlebihan, serta Hipotensi atau penurunan tekanan darah secara ekstrem, bahkan menyebabkan kematian. Dengan urgensi terhadap DBD yang ditularkan oleh nyamuk ini, banyak masyarakat yang masih menggunkan cara manual untuk membasmi nyamuk, seperti menggunakan raket nyamuk ataupu kelambu. Cara itu dinilai kurang efektif dengan memakan banyak waktu dan tenaga serta hasil yang kurang maksimal. Oleh karena itu, dibutuhkan sebuah inovasi teknologi sebagai solusi alternatif dalam pemecahan masalah tersebut. Penelitian ini bertujuan untuk mengatasi permasalahan masyarakat dalam membasmi nyamuk secara manual. Dalam tulisan ini, penulis mengembangkan inovasi teknologi menggunakan ovitrap dengan metode image processing. Alat yang diciptakan nantinya dapat menarik perhatian nyamuk dengan lampu uv, setelah itu nyamuk akan mati karena tersedot kedalam ovitrap. Selain itu, alat ini juga dapat mengambil gambar nyamuk yang terperangkap dan melakukan perhitungan serta pengklasifikasian nyamuk, yang kemudian ditampilkan pada aplikasi berbasis dekstop. Alat ini diharapkan dapat membantu masyarakat maupun Juru Pemantau Jentik (Jumatik) untuk menciptakan lingkungan yang terhindar dari bahaya DBD.
Optimizing Coffee Ripeness Classification Using Yolov5 for Automated Detection and Sorting Arfan Astaraja; Bilal Shandyarta Syamsudin; Muhammad Diaz Maulana Dhafin; Fatkhul Hidayah; Niecola Jody Setiawan
Jurnal Teknik Mesin, Industri, Elektro dan Informatika Vol. 4 No. 1 (2025): JURNAL TEKNIK MESIN, INDUSTRI, ELEKTRO DAN INFORMATIKA
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jtmei.v4i1.4821

Abstract

The quality of agricultural products, particularly coffee beans, is crucial in today's global market, which demands precise ripeness classification due to its high commercial value. Traditional manual methods in coffee plantations, heavily reliant on human labor to determine quality, often result in inefficiencies and inaccuracies. To address this issue, this study developed an automated coffee ripeness detection system using the YOLOv5 machine learning algorithm, combined with Raspberry Pi, webcam, and servo motor. By integrating YOLOv5, the system enables real-time classification of coffee beans into three categories: ripe, unripe, and rotten, with an average accuracy of 90% during real-time testing. This system not only reduces dependence on manual labor but also improves process efficiency across various environmental conditions. The findings suggest that the application of this technology can significantly enhance productivity in the coffee industry, while providing a foundation for further advancements in automation and classification methodologies in the agricultural sector.
Co-Authors Agil Gilang Chandra Saputra Arfan Astaraja Bilal Shandyarta Syamsudin Dia Bitari Mei Yuana Leovander Aditama Syahputra Marzuki Akmal Muhammad Diaz Ellyas Fenca Putra Muhammad Diaz Maulana Dhafin Niecola Jody Setiawan