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
Arfan Astaraja
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 
Sistem Pelatihan Smart Innovation Untuk Atlit Taekwondo Menggunakan Sensor Multivariabel Dan Terintegrasi Dengan Website Selama Pandemi Covid-19 Ahmad Fahriyannur Rosyady; Adi Sucipto; Tegar Alam Qushoyyi; Dyiono -; Putri Adelia Khairunnisa; Arfan Astaraja; Owen Pratama Endramawan
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.v4i1.3671

Abstract

Saat ini, pertumbuhan Covid 19 di Indonesia sangatlah signifikan, Pada Oktober 2021, jumlah kasus Covid-19 yang dilaporkan tumbuh relatif . Indonesia dan negara lain masih dihantui oleh gelombang ketiga Pandemi Covid-19. Pandemi ini berdampak pada semua sektor, terutama sektor olahraga. Atlet tidak bisa berlatih dengan aman karena atlet harus mengikuti protokol kesehatan. Dalam penelitian ini, penulis mengembangkan platform IoT untuk membantu seorang atlet. Ini dapat berguna untuk memantau atlet taekwondo. Atlet dapat melakukan latihan di rumah. Ini dapat menghindari covid-19 dan menganalisis daya tahan dan kekuatan setiap latihan menggunakan sistem IoT. Metode dalam penelitian ini adalah metode Nielsen dan sensor multivariabel. Sensor multivariabel terintegrasi dengan 3 sensor dan berdasarkan berat, usia, dan tinggi dari atlet. Sensor detak jantung akan mendeteksi detak jantung pada atlet. Setelah itu, para atlet menendang dan mengolah data melalui esp32. Selama atlet menendang, sensor Piezoelektrik akan menerima data bersama dengan sensor Limit Switch. Setelah itu akan memproses data ke Esp32. Kemudian, 3 data sensor diakumulasikan dan ditampilkan di website dashboard. Menggunakan metode sensor multivariabel, berhasil mengukur jumlah tendangan, menganalisis ketepatan tendangan dan mengukur detak jantung atlet saat menendang. Dengan menggunakan metode Nielsen, tingkat usability testing dari penggunaan produk ini adalah 94%. Nantinya, produk ini akan dilengkapi dengan sensor pendeteksi pukulan dan pelanggaran dalam olahraga taekwondo.
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 Adi Sucipto Ahmad Fahriyannur Rosyady Bilal Shandyarta Syamsudin Dyiono - Fatkhul Hidayah Muhammad Diaz Maulana Dhafin Niecola Jody Setiawan Owen Pratama Endramawan Putri Adelia Khairunnisa Tegar Alam Qushoyyi