Claim Missing Document
Check
Articles

Found 3 Documents
Search

Penggunaan Sensor AMG8833 Pada Robot Penjaga Pintu Masuk Gedung Elektro Untuk Penerapan Protokol Kesehatan Covid-19 Syaiful Amri; Syahrizal Syahrizal; Abdul Hadi; Azizul Azizul; Kevin Gustiadi Putra
Jurnal Inovtek Polbeng Seri Informatika Vol 6, No 2 (2021)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v6i2.2160

Abstract

Virus CoViD-19 telah mewabahi sejak akhir tahun 2019 telah menginfeksi sebanyak 1.647.138 kasus terkonfirmasi pada akhir April 2021. Demam merupakan salah satu tanda dan gejala yang khas pada pasien yang terinfeksi, berdasrkan penelitian laboratorium pada 55.924 sebesar 87,9% disertai gejalan demam. Seseorang yang teridentifikasi demam ialah seseorang yang memiliki suhu tubuh diatas 38 oC.  Untuk dapat mengidentifikasi seseorang yang memiliki gejala terinfeksi CoViD-19 tersebut maka dimanfaatkan sebuah alat ukur dengan menggunakan Sensor Suhu AMG8833. Penelitian penggunaan Sensor Suhu AMG8833 ini dilakukan dengan membandingkan nilai akurasi yang diperoleh perbandingan sensor ini saat melakukan pengukuran suhu tubuh terhadap medical infrared thermometer DT-8266 dengan perubahan jarak serta variasi objek dan lokasi pengujian. Maka diperoleh pada jarak 10 cm persentase kesalahan sebesar 0.36% dan nilai selisih yang dihasilkan ialah sebesar 0.13 oC dari suhu referensi. Sedangkan pada jarak 50 cm persentase kesalahan diperoleh sebesar 0.46% dan nilai selisih yang dihasilkan ialah sebesar 0.17 oC dari suhu referensi
Kontrol Level Air Wudhu Berbasis Sensor Dan Jadwal Waktu Shalat Adam Adam; Syaiful Amri; Azizul Azizul
TANJAK : Jurnal Pengabdian Kepada Masyarakat Vol 7 No 1 (2026): TANJAK : Jurnal Pengabdian Kepada Masyarakat
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/fn4t5b54

Abstract

Ketersediaan air wudhu yang stabil dan efisien merupakan kebutuhan penting bagi masjid, terutama pada waktu-waktu shalat wajib. Permasalahan yang sering terjadi di lapangan adalah pemborosan air akibat pengisian bak secara manual, keterlambatan pengisian saat jam sibuk, serta ketergantungan pada pengelola masjid. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk merancang dan mengimplementasikan sistem kontrol level air wudhu berbasis sensor dan jadwal waktu shalat. Sistem ini memanfaatkan sensor level air, mikrokontroler, serta penjadwalan waktu shalat untuk mengatur pengisian air secara otomatis dan efisien. Metode pelaksanaan meliputi tahap analisis kebutuhan mitra, perancangan sistem, instalasi perangkat, pengujian, serta sosialisasi dan pelatihan kepada pengelola masjid. Hasil kegiatan menunjukkan bahwa sistem mampu menjaga ketersediaan air wudhu secara optimal, mengurangi pemborosan air, serta meningkatkan efisiensi pengelolaan sarana air wudhu. Dengan adanya sistem ini, masjid mitra memperoleh solusi teknologi tepat guna yang mudah dioperasikan dan berkelanjutan.
Konfigurasi Backpropagation Neural Network Ringan untuk Klasifikasi Kesuburan Tanah Berbasis Nilai NPK: Analisis Hyperparameter dan Uji Derau Simulasi Marzuarman Marzuarman; Agustiawan Agustiawan; Mus Ali Alsabah; Azizul Azizul; M. Afridon; Jefri Lianda; Fandy Octafiandri; Cindy Witra Nuansa
Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK ) Vol. 4 No. 3 (2026): September: Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK )
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jentik.v4i3.1622

Abstract

Soil fertility classification from nitrogen (N), phosphorus (P), and potassium (K) values can be embedded in low-cost devices, but the architecture and hyperparameters of a Backpropagation Neural Network (BPNN) are often chosen by trial and error, and the effect of sensor uncertainty is rarely examined. This study aims to find a lightweight BPNN configuration and evaluate it under simulated sensor noise. A dataset of 200 soil samples from Bengkalis Island and Sungai Pakning, labeled into three fertility classes, was used. Hidden-layer size, learning rate, and number of epochs were explored by grid search with 5-fold stratified cross-validation repeated three times, and Gaussian noise of 0–20% of each feature's range was added to the test data. Networks with at least two hidden neurons reached 100.00% accuracy without noise, whereas one hidden neuron reached 94.50%. Within 25 epochs, accuracy rose from 32.00% at a learning rate of 0.0001 to 100.00% at 0.1. The lightweight 3–2–3 configuration (17 parameters) matched the 3–12–8–3 reference (179 parameters) at every noise level, with 95.87% versus 95.57% accuracy at 10% noise, and trained about 30 times faster. A two-neuron BPNN is therefore sufficient for this dataset. The findings are limited to simulated noise and 200 samples, so validation with real RS485 sensor readings is required.