Claim Missing Document
Check
Articles

Found 3 Documents
Search

Potensi Cahaya Laser sebagai Sensor Kadar Asam Lemak Jenuh pada Minyak Jelantah Nike Dwi Grevika Drantantiyas; Okky Fajar Tri Maryana; Idra Herlina; Prio Santoso
Jurnal Fisika Indonesia Vol 24, No 3 (2020)
Publisher : Department of Physics Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jfi.v24i3.57418

Abstract

Penelitian ini bertujuan untuk menentukan panjang gelombang cahaya yang selektif sebagai sensor kadar asam lemak pada minyak jelantah. Minyak jelantah diperoleh dari limbah konsumsi rumah tangga dan pedagang kaki lima. Sampel minyak jelantah terbagi menjadi jumlah konsumsi yaitu 3 kali pengunaan, 6 kali penggunaan dan 9 kali penggunaan. Detektor cahaya yang digunakan adalah light dependent resistance yang dikendalikan oleh Arduino. Sumebr cahaya adalah laser dengan tiga panjang gelombang yaitu merah, hijau dan biru. Hasil yang diperoleh adalah perbedaan besar resisitansi antara cahaya yang melewati material dan cahaya tanpa melewai material. Berdasarkan hasil, akan dijelaskan interaksi cahaya yang melewati minyak jelantah dan panjang gelombang cahaya. Kadar asam lemak bebas pada minyak jelantah diukur dengan uji asam lemak bebas laboratorium. Berdasarkan kedua hasil pengukuran akan dikonversikan sehingga mendapat model sistem pengukuran. Berdasarkan model tersebut, panjang gelombang biru lebih sensitif sebagai sensor daripada panjang gelombang merah dan hijau.
Decision Making for The Most Outstanding Students Award using TOPSIS: a Case Study at Institut Teknologi Sumatera Borneo Satria Pratama; Nike Dwi Grevika Drantantiyas; Ilham Marvie; Noveliska Br Sembiring; Muhammad Abi Berkah Nadi
Journal of Innovation Information Technology and Application (JINITA) Vol 5 No 2 (2023): JINITA, December 2023
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v5i2.2114

Abstract

The internal selection of Pemilihan Mahasiswa Berprestasi, or known as Pilmapres, is an annual competition held by Institut Teknologi Sumatera (ITERA) to award the most outstanding student of the year which will be further sent to compete in regional and national event of Pilmapres held by Balai Pengembangan Talenta Indonesia. This study aimed to implement TOPSIS as a decision-making tool to determine the winner of Pilmapres ITERA in 2023. The criteria used in this study were general achievements, English competencies, and creative ideas, with weight of 50, 20, and 30, respectively. The scores for the criteria for each of the students are obtained from nine members of the board of jury in the final stage of Pilmapres ITERA in 2023. The calculation result using TOPSIS concluded that the 1st, 2nd, and 3rd winners of the internal selection of Pilmapres ITERA in 2023 were Alpha, Beta, and Omega, with the final preference scores of 0.995, 0.799, and 0.795, respectively.
Performasi Deteksi Jumlah Manusia Menggunakan YOLOv8 Nike Dwi Grevika Drantantiyas; Winda Yulita; Naufal Taufiq Ridwan; Uri Arta Ramadhani; Rahman Indra Kesuma; Arkham Zahri Rakhman; Radhinka Bagaskara; Afit Miranto; Zunanik Mufidah
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol 5, No 2 (2023): Desember
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v5i2.11605

Abstract

Pengembangan deteksi kepala sudah meningkat dengan adanya peningkatan algoritma kecerdasan buatan. Peningkatan ini dapat pula dengan penambahan tugas yaitu menghitung jumlah orang dengan mendeteksi jumlah kepala. Tujuan penelitian ini adalah menentukan performansi model sistem penghitung jumlah kepala dengan menggunakan algoritma Yolov8. Penelitian ini hanya berfokus membuat model deteksi jumlah orang. Jumlah dataset yang dirancang berjumlah 2390 gambar yang diperoleh dari dataset Roboflow, dengan pemisahan data sebesar 70:20:10 untuk masing-masing, data latih; data uji ; data validasi. Besar Epoch pada pelatihan model yang digunakan adalah 50. Algoritma deteksi jumlah kepala meggunakan YOLOv8. Nilai yang diukur adalah performasi dari model data training, nilai confusion matrix dan nilai evaluasi dari confusion matrix. Nilai evaluasi yang akan dihitung adalah nilai presisi, nilai akurasi, recall dan f1-score.  Diperoleh hasil pengujian nilai akurasi sebesar 87,56 %, nilai presisi 83,74%, nilai recall  100% dan nilai F1-score 91,15%. Kurva presisi memberikan nilai tertinggi 1 pada tingkat kepercayaan 0,857, recall bernilai 0,8 pada tingkat kepercayaan 0, f1 0,716 pada kepercayaan 0,36 dan presisi-recall 0,771 pada 0,5 mAP. Berdasarkan nilai ini, model sudah cukup mendeteksi jumlah kepala.