Claim Missing Document
Check
Articles

Found 23 Documents
Search

MENINGKATKAN EFISIENSI MESIN EKSTRAKSI BETA KAROTEN DENGAN ULTRASONIC TRANSDUCER ARRAY BERBASIS ARDUINO UNO Hamzah, Ilham Fathurrahman; Nurussa’adah, n/a; Al Riza, Dimas Firmanda
Jurnal Mahasiswa TEUB Vol. 13 No. 1 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri pangan Indonesia berkontribusi besar terhadap PDB dengan pertumbuhan tahunan 3,57%, namun keamanan pangan menjadi perhatian akibat penggunaan pewarna sintetis terlarang seperti rhodamin B dan methanyl yellow. Keterbatasan produksi pewarna alami menjadi tantangan, meski Indonesia kaya akan pigmen alami seperti beta karoten, pigmen antioksidan yang menghasilkan warna kuning hingga oranye. Beta karoten dapat diekstraksi dari komoditas seperti labu kuning (Cucurbita moschata), namun metode ekstraksi konvensional seperti maserasi membutuhkan waktu lama, sementara metode ultrasonik tanduk getar berbiaya tinggi dan berisiko degradasi senyawa. Solusi inovatif berupa mesin ekstraksi berbasis ultrasonic transducer array dengan Arduino Uno dikembangkan, terdiri atas reaction chamber, cooling chamber, dan control panel. Mesin ini, dengan daya 266 watt, menghasilkan kadar beta karoten tertinggi sebesar 4941,12 µg/g, lebih efisien dibanding teknologi lain. Mesin ini memaksimalkan hasil ekstraksi serta mengefisiensikan waktu, biaya, dan penggunaan bahan ekstraksi.Kata Kunci—Beta Karoten, Mesin Ekstraksi, Pewarna, Pewarna Alami, Labu Kuning. 
Implementasi Aplikasi Berbasis Web untuk Manajemen Driver Mandiri dan Order Pengiriman Barang UMKM di Wilayah Malang Raya Muflikhah, Lailil; Pinandito, Aryo; Setyono, Langgeng; Damayanti, Retno; Al Riza, Dimas Firmanda
Jurnal Abdi Masyarakat Indonesia Vol 6 No 2 (2026): JAMSI - Maret 2026
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jamsi.2558

Abstract

Di era digital saat ini telah banyak bermunculan aplikasi yang dibuat untuk mendukung system IT jual beli, pengantaran barang, dan driver online. Di samping itu bermunculan juga kebutuhan serupa untuk support IT pemesanan ambulan, pengambilan sampah atau bank sampah, transportasi umum/bus wisata keliling serta distribusi hasil panen, sembako dan produk jualan. Digitalisasi akan membuat aktivitas-aktivitas di atas lebih efisien, praktis, cepat dan paperless daripada menggunakan cara konvensional ataupun hanya berbasis whatsapp. Aplikasi yang sudah ada tidak dapat diterima oleh sebagian masyarakat karena terkadang pengguna dan driver merasa dikapitalisasi dan dirugikan oleh aplikasi yang sudah ada. Oleh karenanya pada program doktor mengabdi ini akan dibuat sistem support IT berbasis web untuk UKM dan driver mandiri. Sistem yang dibuat akan menyambungkan pengirim-driver-penerima baik dari informasi barang atau orang yang dibawa dan posisinya. Sistem ini akan membebaskan driver dari aturan-aturan yang tidak mereka sepakati ketika menggunakan aplikasi yang mainstream. Metode yang digunakan dalam kegiatan ini berupa pengembangan aplikasi dan pendampingan untuk operasional aplikasi. Pengembangan sistem yang dilakukan adalah membangun aplikasi delivery online yaitu treksistem.apps. Sistem terdiri dari 2 aplikasi, yaitu aplikasi berbasis website yang digunakan untuk pengelola atau admin dan aplikasi berbasis Android yang digunakan oleh driver dan masyarakat umum.
Implementation of YOLOv8 Instance Segmentation for Automatic Counting and Identification of Multispecies Bacterial Colony Al Riza, Dimas Firmanda
Journal of Information Technology and Computer Science Vol. 11 No. 2: August 2026
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2026112666

Abstract

This study introduces the implementation of YOLOv8 instance segmentation model, for automating the quantification and identification of multispecies bacterial colonies. In microbiological research, accurate counting and rapid identification of various species within colonies are essential. YOLOv8's real-time capabilities and high accuracy make it particularly well-suited for this task. We demonstrate its efficacy in accurately detecting and segmenting individual bacterial colonies, even when they comprise multispecies like Bacillus subtilis, Escherichia coli, Pseudomonas aeruginosa, and Staphylococcus aureus. This innovation streamlines the labor-intensive processes of colony counting and species identification. To improve precision, we incorporate post-processing techniques to handle overlapping colonies, significantly enhancing accuracy compared to manual counting methods. Our proposed method exhibits superior performance and provides a valuable tool for microbiologists and researchers, expediting bacterial colony analysis. In this study, we fine-tuned hyperparameters to achieve the best mean average precision (mAP) for masks and bounding boxes. We used a primary and a secondary dataset for training. The hyperparameter modifications, including using an Adam optimizer with a learning rate of 0.01 and an epoch value of 50, resulted in mAP values of 90%. These findings underscore the importance of optimizing the optimizer type, learning rate, and the number of epochs, revealing their impact on the model's performance in automating bacterial colony quantification and identification.