Claim Missing Document
Check
Articles

Found 6 Documents
Search

Pendampingan Sinergis pada Pelaku UMKM dalam Pendaftaran Sertifikat Halal melalui Mekanisme Self-Declare di Kawasan Gerbang Kertasusila Triastuti, Warlinda Eka; Arief, Irfan Syarief; Effendi, Mohammad Khoirul; Siswantoro, Nurhadi; Pribadi, Sri Rejeki Wahyu; Sujiatanti, Septia Hardy; Ariesta, Rizky Chandra; Putranto, Teguh; Ningrum, Eva Oktavia; Hamzah, Afan
Sewagati Vol 8 No 3 (2024)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v8i3.960

Abstract

Program Sertifikasi Halal Gratis (SEHATI) merupakan program pemerintah pada tahun 2022 yang tertuang dalam Keputusan Kepala BPJPH No.33 Tahun 2022 sebagai program percepatan sertifikasi halal bagi pelaku usaha UMKM. Kegiatan Pengabdian Kepada Masyarakat Abmas ITS ini dilakukan untuk mendorong pertumbuhan ekonomi UMKM sebagai prioritas utama ekonomi Masyarakat, diperkuat peraturan Undang-Undang Nomor 20 Tahun 2021 tentang Jaminan Produk halal yang mewajibkan setiap pelaku usaha untuk wajib memiliki sertifikasi halal dimana Usaha Mikro Kecil dan Menengah (UMKM) memiliki peran krusial dalam peningkatan ekonomi lokal guna pencipataan kesejahteraan masyarakat desa beberapa Kota dan Kabupaten di Jawa Timur Surabaya, Sidoarjo, Nganjuk, Kediri, dan Mojokerto. Proses sertifikasi halal dilakukan dengan menggunakan metode self-declare dan pendampingan kepada pelaku UMKM di Jawa Timur yang dilakukan bertahap dengan total 68 UMKM yang memperoleh fasilitas dalam pendaftaran sertifikasi halal secara gratis dan sebanyak 39 UMKM yang telah memperoleh sertifikat halal. Beberapa produk yang telah mendapatkan sertifikat halal antara lain Martha’s Salad, Sanra Cookies, Pecel Mbok Yem, Es Boba Satu Hati, dan beberapa produk lainnya.
Multi-Objective Prediction of Drilling EMS-45 with Finite Element, Backpropagation Neural Network, and Metaheuristic Model Effendi, Mohammad Khoirul; Pramono, Agus Sigit; Suhardjono, Suhardjono; Sampurno, Sampurno; Harnany, Dinny; Pratiwi, Fungky Dyan
JMES The International Journal of Mechanical Engineering and Sciences Vol 8, No 1 (2024)
Publisher : LPPM, Institut Teknologi Sepuluh Nopember, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j25807471.v8i1.19269

Abstract

Making holes with the minimum thrust force and torque using a drilling machine is challenging for researchers because of the difficulties in setting input parameter such as the type of drill tool, point of angle, and feeding speed. Therefore, the trial-and-error method to predict optimum input parameters through experiment can be replaced with the Back Propagation Neural Network (BPNN) and metaheuristic method (i.e., genetic algorithm (GA) and Simulated Annealing (SA)) method to reduce costs and time. BPNN can be used to represent the input-output correlation precisely. However, obtaining a model with minimum Mean Squared Error (MSE) requires much data for training, testing, and validation. Since the obtained data from experiments requires expensive costs, combining data from experimental and simulation using ANSYS should considered to reduce the experimental costs. This study was then conducted to answer the research problem using an EMS 45 tool steel as the workpiece, with the three input parameters: type of drill tools (HSS M2 and HSS M35), the points of angle (118 and 134 degrees) and feeding speed rates (0.07 and 0.1 mm/s). The 32 data from experimental and modeling were used to model the correlation between the input and output parameters of the drilling process using BPNN. The BPNN’s network-model with minimum MSE is then used as the objective function to determine the input parameters to obtain the smallest value of thrust force and torque using the hybrid method using GA and SA.   
Peningkatan Kemampuan Penulisan Karya Ilmiah Guru SMP Sains Tebuireng Untuk Meningkatkan Kualitas Pembelajaran Berbasis Saintifik Sakina, Sakina; Prasetiowati, Lucky; Rimbun, Rimbun; Yuliawati, Tri Hartini; Effendi, Mohammad Khoirul
Sewagati Vol 9 No 1 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i1.2525

Abstract

Proses berpikir kritis dan pembelajaran sains sangat penting diberikan sejak dini pada anak usia sekolah dasar dan menengah. Oleh karena nantinya siswa akan menjadi calon pemimpin masa depan, maka peningkatan kualitas guru perlu dipersiapkan dengan baik agar kualitas berpikir kritis dan pembelajaran sains siswa bisa setara dengan negara maju. Tujuan kegiatan pengabdian masyarakat ini adalah meningkatkan kemampuan guru SMP Sains Tebuireng Jombang dalam penulisan karya ilmiah. Pelatihan ini melibatkan tim dosen, tenaga kependidikan dan mahasiswa Fakultas Kedokteran Universitas Airlangga, mitra pelaksana dari Perhimpunan Ahli Anatomi Indonesia, serta dosen dari Institut Teknologi Sepuluh Nopember. Pelatihan ini dilakukan dalam 3 seri, dan hasil pelatihan ini kemudian diimplementasikan dalam lomba poster karya ilmiah. Pelatihan penulisan karya ilmiah yang telah dilakukan terlihat secara efektif mampu meningkatkan pengetahuan para guru dan siswa dalam penyusunan artikel ilmiah. Melihat potensi hasil pelatihan yang baik, maka kegiatan ini diharapkan dapat berlanjut pada sasaran yang lebih luas lagi di sekolah-sekolah lain di Indonesia.
Intelligent Fault Prediction in Diesel Engines: A Comparative Study of SVM and BPNN for Condition-Based Maintenance Nurdin, Fadli; Effendi, Mohammad Khoirul
INTEK: Jurnal Penelitian Vol 12 No 1 (2025): April 2025
Publisher : Politeknik Negeri Ujung Pandang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31963/intek.v12i1.5362

Abstract

This study discusses the application of Support Vector Machine (SVM) and Back Propagation Neural Network (BPNN) in predicting diesel engine health based on operational data relabeled using K-Means Clustering. Two types of SVM kernels were tested, namely Radial Basis Function (RBF) and Sigmoid, with various parameter combinations. The results indicate that SVM with Sigmoid kernel achieved an accuracy of 94.06%, but was less sensitive in detecting unhealthy engine conditions. In comparison, the BPNN method with a three-hidden-layer configuration (1-2-1 neurons) and tansig activation function showed superior performance with 97.13% accuracy, MSE of 0.03, recall of 94%, precision of 100%, and F1-score of 97%. These findings prove that BPNN outperforms SVM in capturing complex data patterns and is more accurate in detecting unhealthy engine conditions. Additionally, relabeling the dataset significantly improved predictive accuracy from 72.3% to 97.13%, highlighting the importance of balanced data in modeling. Overall, this study demonstrates that optimally configured BPNN is more effective in predicting diesel engine health than SVM, making it a more reliable approach for engine condition monitoring.  
Pelatihan Pembuatan Cool box dan Ice gel Berbasis Tepung Tapioka Meningkatkan Kualitas Ikan Hasil Tangkap Yulianto, Totok; Putranto, Teguh; Utama, Danu; Arif, Irfan Syarif; Siswantoro, Nurhadi; Hermawan, Yuda Apri; Triastuti, Warlinda Eka; Effendi, Mohammad Khoirul; Hamzah, Afan; Putra, Erzad Iskandar
Sewagati Vol 9 No 2 (2025)
Publisher : Pusat Publikasi ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j26139960.v9i2.2387

Abstract

Permasalahan utama yang dihadapi nelayan adalah cepatnya penurunan kualitas ikan akibat suhu lingkungan yang tinggi, terutama selama proses transportasi dari kapal ke tempat pelelangan. Hal ini menyebabkan ikan mudah rusak, berbau amis, dan berkurang nilai jualnya. Untuk mengatasi masalah ini, pengabdian ini dilakukan dengan memberikan pelatihan kepada mitra mengenai pembuatan cool box, serta teknik pembuatan ice gel yang sederhana dan ekonomis. Pelatihan cool box dan ice gel ekonomis bertujuan untuk meningkatkan kualitas hasil tangkapan nelayan yang dapat meningkatkan pendapatan mereka. Penggunaan cool box dan ice gel terbukti efektif dalam menjaga kesegaran ikan dalam waktu yang lebih lama, sehingga memungkinkan nelayan menjual produk mereka dengan harga yang lebih tinggi. Pengabdian ini dilakukan dengan memberikan pelatihan kepada mitra mengenai pembuatan cool box, serta teknik pembuatan ice gel yang sederhana dan ekonomis. Cool box dibuat berbasis cetakan kayu lalu dilapisi fiberglass pada bagian luar dalam, sedangkan Ice gel dibuat berbasis  tepung tapioka dengan bahan tambahan air, garam, dan cuka. Hasil pengabdian ini menunjukkan bahwa mitra yang mengikuti pelatihan mampu memahami proses pembuatan cool box dan ice gel dengan biaya yang terjangkau. Penggunaan alat pendingin buatan sendiri ini secara signifikan mengurangi tingkat kerusakan ikan selama proses distribusi, sehingga meningkatkan volume penjualan dan pendapatan nelayan. Selain itu, pelatihan ini juga memberikan pemahaman kepada mitra tentang pentingnya menjaga kualitas hasil tangkapan sejak proses penangkapan hingga pemasaran. Dengan demikian, diharapkan dapat meningkatkan kesejahteraan nelayan dan mendorong pengembangan sektor perikanan.
Intelligent Fault Prediction in Diesel Engines: A Comparative Study of SVM and BPNN for Condition-Based Maintenance Nurdin, Fadli; Effendi, Mohammad Khoirul; Mohakul, D
JMES The International Journal of Mechanical Engineering and Sciences Vol 9, No 2 (2025)
Publisher : LPPM, Institut Teknologi Sepuluh Nopember, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j25807471.v9i2.22724

Abstract

This study discusses the application of Support Vector Machine (SVM) and Backpropagation Neural Network (BPNN) in predicting diesel engine health based on operational data that has been relabeled using K-Means Clustering. Two types of SVM kernels were tested, namely Radial Basis Function (RBF) and Sigmoid, with various parameter combinations. The results indicate that SVM with a Sigmoid kernel achieved an accuracy of 94.06% but was less sensitive in detecting unhealthy engine conditions. In comparison, the BPNN method with a three-hidden-layer configuration (1-2-1 neurons) and the tansig activation function demonstrated superior performance, achieving an accuracy of 97.13%, MSE of 0.03, recall of 94%, precision of 100%, and an F1-score of 97%. These results confirm that BPNN outperforms SVM in capturing complex data patterns and is more accurate in detecting unhealthy engine conditions. Furthermore, dataset relabeling significantly improved prediction accuracy from 72.3% to 97.13%, emphasizing the importance of data balance in modeling. Overall, this study demonstrates that BPNN with an optimal configuration is more effective in predicting diesel engine health than SVM, making it a more reliable approach for engine condition monitoring.Keywords: Diesel Engine; Machine Health Prediction; Support Vector Machine; Backpropagation Neural Network; Condition-Based Maintenance; Artificial Intelligence