Article Per Year (5 Year)
p-Index From 2020 - 2025
2.727
P-Index
This Author published in this journals
All Journal SemanTIK : Teknik Informasi Jurnal Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA ILKOM Jurnal Ilmiah Simtek : Jurnal Sistem Informasi dan Teknik Komputer Jambura Journal of Electrical and Electronics Engineering Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK) KETIK : Jurnal Informatika
Husdi
Universitas Ichsan Gorontalo
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : ILKOM Jurnal Ilmiah

 1 
MONITORING KELEMBABAN TANAH PERTANIAN MENGGUNAKAN SOIL MOISTURE SENSOR FC-28 DAN ARDUINO UNO Husdi, Husdi
ILKOM Jurnal Ilmiah Vol 10, No 2 (2018)
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (373.342 KB)

Abstract

Land as the main factor in agriculture must be considered as well as possible in order to provide the expected results. One of them is by using computer and internet technology to monitor soil moisture. Soil moisture is one of the environmental factors that affect plant growth. One of the innovations in information and communication technology in agriculture is the use of the Internet of Things. By using the Internet of Things, it can be done to monitor soil moisture that is used as a planting medium for horticultural crops. knowing the value of soil moisture will be very useful to be able to determine the steps or handling of the soil. The test results show that the measurement of soil moisture using a soil moisture sensor can work well and display information on the value of soil moisture. Based on the results and analysis, it can be concluded that the results of monitoring the soil moisture monitoring system can already be used to monitor agricultural land. So that the results of this study are expected to help farmers in making decisions based on information about the value of soil moisture that has been obtained. The final result obtained from the reading of the sensor value is wet, moist and dry according to the set value of the Analog Data. That is wet condition when getting output with lower limit range of 150 and upper limit of 339, humid condition when getting output with lower limit range 340 upper limit of 475, dry condition when getting sensor value with lower limit range is 476 and upper limit is 1023.
PENGENALAN EKSPRESI WAJAH PENGGUNA ELEARNING MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DENGAN FITUR EKSTRAKSI LOCAL BINARY PATTERN DAN GRAY LEVEL CO-OCCURRENCE MATRIX Husdi, Husdi
ILKOM Jurnal Ilmiah Vol 8, No 3 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1688.774 KB) | DOI: 10.33096/ilkom.v8i3.58.212-219

Abstract

Pembelajaran eLearning merupakan sistem pembelajaran berbasis elektronik yang terdiri dari berbagai domain teknologi pembelajaran seperti desain, pengembangan, pemanfaatan, pengelolaan, dan penilaian proses dan sumber belajar elektronik, interaksi pemelajar merupakan kelemahan yang harus diperhatikan dalam pembelajaran eLearning, salah satunya dengan pengenalan ekspresi wajah pengguna eLearning. Ekspresi wajah dapat dikenali berdasarkan perubahan fitur penting wajah sebagai parameter yaitu pada mata, alis, mulut dan dahi, namun dalam penelitian ini dibatasi pada objek mata dan mulut sebagai parameter untuk pengenalan ekspresi wajah. Pada tahapan fitur ekstraksi digunakan LBP (Local Binary Pattern ) dan GLCM (Gray Level Coocurancy Matrix) untuk mendapatkan nilai-nilai parameter yang akan dijadikan inputan pada klasifikasi yaitu Contrast, Correlation, Energi dan Homogenity. Selanjutnya pada tahap klasifikasi digunakan algoritma Artificial Neural Network untuk mengenali ekspresi wajah. Ekspresi Wajah yang berhasil dikenali adalah Neutral, Smile/happy, Tired/Sleepy dengan akurasi tertinggi yang didapatkan adalah 88,89%.
Sistem Cerdas dalam Mengidentifikasi Kematangan Buah Naga Berdasarkan Fitur Tekstur dengan Metode K-Nearest Neighbor Haba, Abd Rahmat Karim; Husdi, Husdi
ILKOM Jurnal Ilmiah Vol 12, No 3 (2020)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i3.665.225-232

Abstract

Selama ini petani kebun buah naga dalam melakukan pemilihan buah naga yang telah matang pada musim panen terkadang masih memiliki kendala seperti melalukan penyortiran untuk mengidentifikasi mana yang sudah matang atau belum matang, hal ini dikarenakan pada buah naga terdapat kulit atau teksturnya yang tebal. Salah satu inovasi informasi dan kominikasi dalam bidang pertanian dengan menggunakan cara menerapkan sistem pengidentifikasian menggunakan metode K-Nearest Neighboar pada system cerdas. Tujuan dari penelitian ini adalah untuk melakukan identifikasi kematangan buah naga dengan system cerdas dan untuk memperoleh system cerdas yang efektif dan efisien sehingga dapat di implementasikan. Penelitian ini menggunakan fitur ekstraksi GLCM sebagai metode untuk mendapatkan nilai tekstur pada gambar (citra) serta dalam melakukan pendeteksian menggunakan metode K-Nearest Neighbor.  Dari hasil identifikasi dapat diukur dari perhitungan sudut 00, 450, 900 dan 1300 serta jarak ketetanggan K=3, serta dapat di implementasikan.
Sistem Cerdas dalam Mengidentifikasi Kematangan Buah Naga Berdasarkan Fitur Tekstur dengan Metode K-Nearest Neighbor Abd Rahmat Karim Haba; Husdi Husdi
ILKOM Jurnal Ilmiah Vol 12, No 3 (2020)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i3.665.225-232

Abstract

Selama ini petani kebun buah naga dalam melakukan pemilihan buah naga yang telah matang pada musim panen terkadang masih memiliki kendala seperti melalukan penyortiran untuk mengidentifikasi mana yang sudah matang atau belum matang, hal ini dikarenakan pada buah naga terdapat kulit atau teksturnya yang tebal. Salah satu inovasi informasi dan kominikasi dalam bidang pertanian dengan menggunakan cara menerapkan sistem pengidentifikasian menggunakan metode K-Nearest Neighboar pada system cerdas. Tujuan dari penelitian ini adalah untuk melakukan identifikasi kematangan buah naga dengan system cerdas dan untuk memperoleh system cerdas yang efektif dan efisien sehingga dapat di implementasikan. Penelitian ini menggunakan fitur ekstraksi GLCM sebagai metode untuk mendapatkan nilai tekstur pada gambar (citra) serta dalam melakukan pendeteksian menggunakan metode K-Nearest Neighbor.  Dari hasil identifikasi dapat diukur dari perhitungan sudut 00, 450, 900 dan 1300 serta jarak ketetanggan K=3, serta dapat di implementasikan.
MONITORING KELEMBABAN TANAH PERTANIAN MENGGUNAKAN SOIL MOISTURE SENSOR FC-28 DAN ARDUINO UNO Husdi Husdi
ILKOM Jurnal Ilmiah Vol 10, No 2 (2018)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v10i2.315.237-243

Abstract

Land as the main factor in agriculture must be considered as well as possible in order to provide the expected results. One of them is by using computer and internet technology to monitor soil moisture. Soil moisture is one of the environmental factors that affect plant growth. One of the innovations in information and communication technology in agriculture is the use of the Internet of Things. By using the Internet of Things, it can be done to monitor soil moisture that is used as a planting medium for horticultural crops. knowing the value of soil moisture will be very useful to be able to determine the steps or handling of the soil. The test results show that the measurement of soil moisture using a soil moisture sensor can work well and display information on the value of soil moisture. Based on the results and analysis, it can be concluded that the results of monitoring the soil moisture monitoring system can already be used to monitor agricultural land. So that the results of this study are expected to help farmers in making decisions based on information about the value of soil moisture that has been obtained. The final result obtained from the reading of the sensor value is wet, moist and dry according to the set value of the Analog Data. That is wet condition when getting output with lower limit range of 150 and upper limit of 339, humid condition when getting output with lower limit range 340 upper limit of 475, dry condition when getting sensor value with lower limit range is 476 and upper limit is 1023.
PENGENALAN EKSPRESI WAJAH PENGGUNA ELEARNING MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DENGAN FITUR EKSTRAKSI LOCAL BINARY PATTERN DAN GRAY LEVEL CO-OCCURRENCE MATRIX Husdi Husdi
ILKOM Jurnal Ilmiah Vol 8, No 3 (2016)
Publisher : Teknik Informatika Fakultas Ilmu Komputer Univeristas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v8i3.58.212-219

Abstract

Pembelajaran eLearning merupakan sistem pembelajaran berbasis elektronik yang terdiri dari berbagai domain teknologi pembelajaran seperti desain, pengembangan, pemanfaatan, pengelolaan, dan penilaian proses dan sumber belajar elektronik, interaksi pemelajar merupakan kelemahan yang harus diperhatikan dalam pembelajaran eLearning, salah satunya dengan pengenalan ekspresi wajah pengguna eLearning. Ekspresi wajah dapat dikenali berdasarkan perubahan fitur penting wajah sebagai parameter yaitu pada mata, alis, mulut dan dahi, namun dalam penelitian ini dibatasi pada objek mata dan mulut sebagai parameter untuk pengenalan ekspresi wajah. Pada tahapan fitur ekstraksi digunakan LBP (Local Binary Pattern ) dan GLCM (Gray Level Coocurancy Matrix) untuk mendapatkan nilai-nilai parameter yang akan dijadikan inputan pada klasifikasi yaitu Contrast, Correlation, Energi dan Homogenity. Selanjutnya pada tahap klasifikasi digunakan algoritma Artificial Neural Network untuk mengenali ekspresi wajah. Ekspresi Wajah yang berhasil dikenali adalah Neutral, Smile/happy, Tired/Sleepy dengan akurasi tertinggi yang didapatkan adalah 88,89%.
Co-Authors Abd. Rahmat Karim Haba Aldo Aprilio Arifin Andi Kamaruddin baguna, filda Fatmawati Fatmawati Hastuti Dalai Kartika Chandra Pelangi Lepi, Andriyanto Maryam Hasan Muis Nanja Rofiq Harun Sayoga Mohamad Galih Serwin Sudirman S. Panna Sunarto Taliki Yulianti Lasena Yusrianto Malago Zulfrianto Yusrin Lamasigi