Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Transformatika Electrician : Jurnal Rekayasa dan Teknologi Elektro
Andi Kurniawan Nugroho
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

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

Found 2 Documents
Search

 1 
Pengaruh Desain Modular Terhadap Stabilitas Suhu Dan Reduksi Kebisingan Pada Incu Analyzer prasojo, fajri; Fajri Prasojo; Andi Kurniawan Nugroho; Sri Heranurweni
Jurnal Transformatika Vol. 23 No. 2 (2026): January 2026
Publisher : Jurusan Teknologi Informasi Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/transformatika.v23i2.12330

Abstract

Incu analyzer merupakan alat yang digunakan untuk mengukur suhu, kebisingan aliran udara dan kelembaban. Cara kerja alat pada saat pengkalibrasian diletakan di atas matras. Sensor suhu yangdigunakan adalah sensor LM35 yang menghasilkan nilai tegangan linier dengan suhu. Tengangan keluaranya sebanding dengan suhu derajat celcius. Pada sensor tingkat kebisingan menggunakan sound sensor microphone module yaitu modul elektronik yang berfungsi untuk mendeteksi suara dan mengubah menjadi sinyal listrik. Sound Mic Microphone Sensor Detection Module for Arduino ini mempunya range pendeteksi suara ±30 cm hingga 1 meter. Pada saat pengujian setting 35°C di dapatkan hasil presentase error sebesar 7%, setting 36°C didapatkan hasil presentase error sebesar 3% dan setting 37°C hasil presentase error sebesar 3%. Data pengujian sensor tingkat kebisingan dilakukan sebanyak 9 kali pada sela waktu 5 menit. Dan didapatkan rata rata nilai error sebesar 1,2(dB).
Support Vector Machine Dalam Klasifikasi Jenis Beras Berdasarkan Ciri Fisik, Tekstur, dan Visual Luqman Fauzi; Andi Kurniawan Nugroho; Sri Heranurweni; Budiani Destyningtias
Electrician : Jurnal Rekayasa dan Teknologi Elektro Vol. 20 No. 1 (2026)
Publisher : Department of Electrical Engineering, Faculty of Engineering, Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/elc.v20n1.2875

Abstract

Abstrak. Klasifikasi beras penting untuk menjamin kualitas dan efisiensi sesuai dengan kebutuhan konsumen dan industri. Metode tradisional klasifikasi beras biasanya memakan waktu, subjektif, dan rentan terhadap kesalahan manusia. Mengatasi hal ini, penelitian ini merekomendasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan lima jenis beras, yaitu Arborio, Basmati, Ipsala, Jasmine, dan Karacadag, berdasarkan gabungan fitur fisik, tekstur, dan visual yang diperoleh dari basis data terdiri dari 75.000 gambar butir beras. Langkah-langkah prapemrosesan yang digunakan meliputi segmentasi gambar, penskalaan ke 128×128 piksel, konversi ke skala abu-abu, dan normalisasi. Fitur yang diekstraksi meliputi panjang, lebar, luas, dan rasio aspek (fitur fisik); kontras, korelasi, energi, dan homogenitas dari Grey Level Co-occurrence Matrix (GLCM) (fitur tekstur); serta nilai RGB rata-rata, kecerahan, intensitas, dan saturasi (fitur visual). Fitur-fitur ini diterapkan dalam pelatihan dan pengujian model SVM dengan rasio pelatihan-pengujian 80:20. Ukuran evaluasi yang digunakan meliputi akurasi, presisi, recall, F1- score, dan ROC-AUC. Model SVM mencapai akurasi total 99.43%, menunjukkan kinerja dan stabilitas yang baik dalam membedakan varietas beras, terutama saat kombinasi fitur dioptimalkan. Hasil penelitian ini menegaskan pentingnya integrasi fitur secara keseluruhan dalam meningkatkan kinerja klasifikasi. Penelitian ini menawarkan solusi stabil untuk klasifikasi otomatis beras dan berkontribusi pada integrasi kecerdasan buatan dalam sektor pengolahan makanan dan pertanian.
Co-Authors Budiani Destyningtias Fajri Prasojo Luqman Fauzi prasojo, fajri Sri Heranurweni