Claim Missing Document
Check
Articles

Found 24 Documents
Search

PARAMETER UTAMA KONTROL PID MESIN TETAS TELUR OTOMATIS Litanianda, Yovi
PROSIDING SENATEK FAKULTAS TEKNIK UMP 2015: PROSIDING SENATEK TAHUN 2015, 28 November 2015
Publisher : PROSIDING SENATEK FAKULTAS TEKNIK UMP

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

Abstract

Mesin penetas telur berfungsi untuk mengerami telur menggantikan induk unggas. Mesin tetas telur yang saat ini ada bekerja dengan cara ON/OFF (ON saat temperatur dibawah set poin dan OFF saat temperatur diatas set poin). Kontrol yang hanya mengenal dua keadaan ini menyebabkan terjadinya fluktuatif suhu didalam mesin tetas. Stabilitas temperatur sangat menentukan keberhasil penetasan telur. Kontrol PID digunakan untuk mengatasi kondisi temperatur yang fluktuatif tersebut. Algoritma PID akan menentukan seberapa besar pemanasan yang diperlukan agar temperatur di dalam mesin sesuai set poin dengan mempertimbangkan parameter proporsional, integral dan derivatif.Penentuan parameter PID secara trial and error menyulitkan bagi para pemula yang ingin mengaplikasikan kontrol PID berbasis mikrokontroler. Berdasarkan hasil penelitian, didapati fakta bahwa respon perubahan suhu relatif lambat sehingga nilai parameter Ti dan Td menjadi kurang berpengaruh dan kita dapat fokus pada penentuan parameter Kp sebagai parameter utama yang memiliki pengaruh paling besar terhadap perubahan suhu. Kata kunci: kontrol, PID, Mesin Tetas Telur.
IbM ASAH KREATIVITAS ANAK DENGAN PENGENALAN KENDALI RASPBERRY PI Prasetyo, Angga; Litanianda, Yovi
JMM (Jurnal Masyarakat Mandiri) Vol. 2, No. 1: Juni 2018
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (131.668 KB) | DOI: 10.31764/jmm.v2i1.1331

Abstract

Abstrak: Umumnya kita ketahui bahwa selama ini anak-anak terlanjur dengan dimanjakan oleh komputer canggih dan punya penampilan menarik seperti iPad, Mac, Window yang pada dasarnya anak-anak ingin bereksperimen dengan komputer yang mereka miliki, tetapi mereka merasa takut apabila terjadi kerusakan. Tingginya minat dari siswa untuk mengeksplorasi dirinya dalam bidang teknologi khususnya di bidang komputer, maka dibutuhkan pelatihan sebagai bekal informasi seperti Raspberry. Pelatihan pengenalan mikro komputer raspberry pi bertujuan untuk mengenalkan proses kendali input output terhadap perangkat keras dari pendekatan interaksi bahasa pemrograman phyton meliputi, mulai dari tahap instalasi, pegenalan general purpose input output (GPIO), fungsional port perangkat, proses interaksi contohnya: resistor, LED, project board, LCD, relay, motor DC, robotic serta mengendalikannya dengan smartphone. Pendekatan pengenalan mikrokomputer dan bahasa pemrograman python memacu kreativitas untuk menciptakan suatu kendali perintah bagi perangkat keras, serta mampu mendeskripsikan kecerdasan buatan pada perangkat robotic. Abstract:  We generally know that all children have been pampered by sophisticated computers and have an attractive appearance such as iPad, Mac, Window which basically kids want to experiment with the computer they have, but they feel Fear of damage. The high interest of students to explore themselves in the field of technology, especially in the field of computer, it takes training as a provision of information such as Raspberry. Raspberry Pi Micro Computer Recognition training aims to introduce the process of input control output to the hardware of a Python programming language interaction approach, ranging from the installation stage, the general purpose input Output (GPIO), functional device port, interaction process For example: resistor, LED, project board, LCD, relay, DC motor, robotic and control it with smartphones. The approach to microcomputer recognition and the Python programming language promotes creativity to create a control of commands for hardware, and is capable of describing artificial intelligence on robotic devices
IMPLEMENTASI API RESTFUL DENGAN JSON WEB TOKEN (JWT) PADA APLIKASI E-COMMERCE THRIFTY SHOP UNTUK OTENTIKASI DAN OTORISASI PENGGUNA Nashikhuddin, Ahmad Yahya; Karaman, Jamilah; Litanianda, Yovi
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp239-246

Abstract

User authentication and authorization play a vital role in securing sensitive data within applications. E-commerce applications, in particular, require robust authentication and authorization methods to safeguard the confidentiality and integrity of exchanged data. JSON Web Token (JWT) has emerged as a popular authentication mechanism for securing data transmission over networks. This paper explores the implementation of JWT in a RESTful API to achieve user authentication and authorization in an E-commerce application. The objective of this study is to analyze the implementation of JWT in a RESTful API for user authentication and authorization within an E-commerce context. The detailed implementation of JWT in the Thrifty Shop application is discussed, encompassing its utilization for user authentication and authorization. Additionally, the benefits derived from employing JWT in the Thrifty Shop E-commerce application are explored. In conclusion, the implementation of JSON Web Token (JWT) in a RESTful API proves to be an effective approach for user authentication and authorization in E-commerce applications. The use of JWT ensures that only authenticated users gain access to sensitive data, thus enhancing the security of the Thrifty Shop E-commerce application. This implementation can serve as a model for other E-commerce applications seeking to bolster their security measures.
PENERAPAN ALGORITMA MINIMAX DENGAN ALPHA-BETA PRUNING PADA PERMAINAN TIC-TAC-TOE MENGGUNAKAN FRAMEWORK FLUTTER Fauda Pradana, Yofhi; Litanianda, Yovi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10006

Abstract

Tic-Tac-Toe merupakan permainan yang hanya dimainkan dengan kertas dan pensil atau alat tulis lainnya atau dengan kata lain masuk kategori genre paper and pencil game. Algoritma minimax dapat digunakan untuk membantu komputer dalam membuat keputusan optimal saat bermain Tic-Tac-Toe. Namun minimax dapat menjadi tidak efektif karena harus memeriksa setiap langkah secara menyeluruh pada permainan dengan banyak pilihan langkah. Penelitian ini bertujuan untuk menerapkan algoritma minimax dengan alpha-beta pruning dalam permainan Tic-Tac-Toe menggunakan framework Flutter yang mampu menghasilkan permainan Tic-Tac-Toe sebagai langkah pengambilan keputusan komputer untuk memenangkan permainan atau setidaknya seri sehingga membuat pemain merasa seperti berhadapan dengan orang lain. Pengujian dilakukan sebanyak 20 kali dengan komputer dan pengguna bergantian menjadi pemain pertama. Hasilnya, komputer berhasil memenangkan 9 dari 20 kali uji coba, sedangkan pada 11 kali pecobaan lainya mendapatkan hasil seri. Hal ini menunjukkan bahwa algoritma minimax dengan alpha-beta pruning efektif dalam menentukan langkah optimal.
ANALISIS DAN PENGUJIAN PENGGUNAAN ROUTING OSPF PADA TOPOLOGI HYBRID DENGAN MEDIA SIMULASI CISCO PACKET TRACER Fadila, Daras; Litanianda, Yovi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10007

Abstract

Penelitian ini mengeksplorasi kinerja routing OSPF pada topologi hybrid menggunakan simulasi dengan Cisco Packet Tracer. OSPF dikenal sebagai protokol routing interior yang efisien dalam menentukan jalur terbaik untuk pengiriman data. Namun, penerapannya pada topologi hybrid, yang menggabungkan berbagai jenis topologi jaringan, memerlukan analisis mendalam untuk memastikan kinerjanya optimal. Tujuan penelitian ini adalah untuk menguji kinerja OSPF pada berbagai konfigurasi topologi hybrid. Faktor-faktor yang mempengaruhi efisiensi dan keandalan OSPF menjadi fokus utama, seperti throughput, packet loss, dan delay. Metode penelitian menggunakan simulasi dengan Cisco Packet Tracer untuk menganalisis data kinerja. Hasil penelitian menunjukkan bahwa OSPF mampu beroperasi dengan efisien pada topologi hybrid. Rata-rata throughput yang dicapai adalah 819,2 kbps, dengan tingkat packet loss 10% dan delay 1,0 ms. Temuan ini memberikan wawasan penting bagi praktisi jaringan dalam merancang dan mengelola jaringan yang kompleks dan dinamis.
IDENTIFIKASI LUMPY SKIN DISEASE MENGGUNAKAN TENSORFLOW DENGAN METODE CONVOLUTIONAL NEURON NETWORK Safiq Alfiansyah, Nanda; Litanianda, Yovi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10238

Abstract

Penyakit kulit Lumpy Skin Disease (LSD) telah menjadi ancaman serius bagi peternakan sapi di Kabupaten Ponorogo, terutama di kecamatan Sooko, Sampung, dan Pulung, yang dikategorikan sebagai daerah terjangkit dengan 49 sapi positif terkena LSD. Penelitian ini bertujuan untuk mengidentifikasi penyakit ini pada hewan ternak menggunakan Convolutional Neural Network (CNN) dengan arsitektur DenseNet121. CNN digunakan untuk mengklasifikasi gambar penyakit kulit pada hewan ternak, khususnya sapi yang terinfeksi LSD, dengan akurasi tinggi. Metode ini memanfaatkan koneksi rapat antarblok pada DenseNet121, di mana setiap lapisan menerima masukan dari seluruh lapisan sebelumnya untuk memperoleh representasi fitur yang mendalam. Model yang dikembangkan mencapai tingkat akurasi 80.21% melalui pelatihan intensif dengan TensorFlow sebagai framework utama, yang menawarkan keunggulan dalam komputasi tensor dan dukungan luas untuk pengembangan dan evaluasi model machine learning. Hasil penelitian ini memberikan kontribusi signifikan dalam efisiensi dan akurasi pengenalan penyakit kulit pada hewan ternak.
CLASSIFICATION OF DURIAN LEAF IMAGES USING CNN (CONVOLUTIONAL NEURAL NETWORK) ALGORITHM Fitriani, Lely Mustikasari Mahardhika; Litanianda, Yovi
JIKO (Jurnal Informatika dan Komputer) Vol 7, No 2 (2024)
Publisher : Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v7i2.8576

Abstract

This research investigates the classification of durian leaf images using Convolutional Neural Network (CNN) algorithms, specifically focusing on the architectures AlexNet, InceptionNetV3, and MobileNet. The study begins with the collection of a dataset comprising 1604 images for training, 201 images for validation, and 201 images for testing. The dataset includes five classes of durian leaves: Bawor, Duri Hitam, Malica, Montong, and Musang King, chosen for their varied characteristics such as taste, texture, and aroma. Data preprocessing involved several steps to ensure the images were suitable for model training. These steps included data augmentation to increase variability, pixel normalization to standardize the images, and resizing to 150x150 pixels to match the input requirements of the CNN models. After preprocessing, the CNN models were implemented and trained using deep learning frameworks such as TensorFlow and PyTorch. Model performance was evaluated using a Confusion Matrix, which provided detailed insights into classification accuracy, precision, sensitivity, specificity, and F-score. The results indicated that InceptionNetV3 and AlexNet achieved near-perfect classification accuracy, with no misclassifications, demonstrating their robustness and precision in identifying durian leaf images. The training accuracy for both models rapidly approached 100% within the first few epochs and stabilized, while the loss values decreased sharply, indicating effective learning without overfitting. In contrast, MobileNet, while showing high accuracy and low loss during training, exhibited several misclassifications across all classes. The training accuracy of MobileNet also approached 100%, but the presence of misclassifications suggested that further tuning and improvements were necessary. Specifically, MobileNet's Confusion Matrix revealed errors in correctly identifying samples from each class, indicating potential areas for enhancement in the model's architecture or preprocessing techniques. In conclusion, InceptionNetV3 and AlexNet proved to be highly efficient and accurate architectures for classifying durian leaf images, making them suitable for practical applications. MobileNet, although performing well, requires further refinement to achieve the same level of accuracy and reliability. This study highlights the importance of selecting appropriate CNN architectures and the need for thorough preprocessing to optimize model performance in image classification tasks.
PERANCANGAN DESAIN USER INTERFACE BERBASIS APLIKASI MOBILE Rystian Santosa, Kaffah Imanuddin Muhammad; Apristawijaya, Oceu; Sopian, Sopian; litanianda, yovi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12881

Abstract

Teknologi informasi menjadi konsumsi publik di berbagai bidang Kesehatan, Pemerintahan, Sosial, Keagamaan, dan Pendidikan. Disamping kebutuhan manusia yang semakin kompleks, teknologi menggiring kebiasaan baru terhadap penggunaan gawai. Manusia semakin leluasa untuk mengakses informasi melalui internet dengan berbagai platform yang diciptakan, salah satunya mobile App. Dari sekian banyaknya konten yang dimuat didalam sebuah mobile app perlu adanya kemudahan dan kejelasan dalam mengakses informasi tersebut. Permasalahan yang sering dialami para siswa/i di sekolah SMK Bhakti Kencana Soreang adalah sulitnya mendapatkan informasi mengenai pembelajarannya seperti tugas sekolah, jadwal pelajaran, jadwal Ujian, jadwal praktek, mengenai keuangan dan masih banyak hal lainnya. Para siswa/i, orangtua harus memaksakan diri menanyakan atau mencari informasi tersebut ke sekolah dan tentu menjadi tidak efektif dalam tersampaikannya informasi yang dimaksud. Oleh karna itu, perancang berupaya untuk merancang prototype User Interface berbasis aplikasi mobile SMK Bhakti Kencana Soreang sebagai solusi dari permasalahan. Metode perancangan yang dilakukan dengan metode Design Thinking. Diharapkan perancangan media informasi ini bisa lebih memudahkan pengguna untuk mencari informasi terkait kegiatan di sekolah SMK Bhakti Kencana Soreang. Hasil perancangan User Interface Design pada mobile App dibuat sesimple mungkin, mengingat pengguna adalah murid dan orang tua murid. Segala bentuk informasi yang terintegrasi harus mudah diakses melalui mobile app.
Identifikasi Performa Algoritma Fuzzy Mamdani Sebagai Kendali Proses Koagulasi pada Internet of Thing Pembuatan Tahu Litanianda, Yovi; April Riyanto, David; Prasetyo, Angga; Fajaryanto Cobantoro, Adi; Abdurrozaq Zulkarnain, Ismail
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1972

Abstract

Proses pembuatan tahu dilakukan dalam berapa tahapan. Tahapan terpenting dalam pembuatan tahu yakni terletak pada proses penggumpalan (koagulasi) sari kedelai yang telah direbus. Pada tahapan ini bayak faktor yang menentukan keberhasilannya, diantaranya suhu sari kedelai, PH cuka sebagai katalis reaksi koagulasi dan kecepatan pengadukan. Jika terjadi ketidak sesuaian salah satunya maka akan berakibat sari kedelai gagal menggumpal dan terbuang. Produksi tahu yang masih tradisional membuat pekerjaan ini masih mengandalkan kepiawaian pekerja senior yang terampil. Ketergantungan pada keterampikan pekerja akan menghambat keberlangsungan industry. Untuk mengatasi masalah tersebut, dicoba dikembangkan perangkat IoT yang mampu mengendalikan proses koagulasi pada pembuatan tahu. Sistem ini bekerja berdasarkan algoritma Fuzzy Mamdani yang akan mengolah input nilai suhu sari kedelai dan nilai PH cuka menjadi nlai PWM yang menjadi penentu kecepatan motor pengaduk larutan sari kedelai. Tingkat keberhasilan algoritma fuzzy menangani kondisi nyata yang bervariasi menjadi ukuran performanya. Pengujian dilakukan dengan sekenario menguji lansung dengan kondisi nyata sari kedelai dan cuka untuk diketahui tingkat keberhasilannya dalam melakukan pengendalian proses koagulasi pembuatan tahu. Sebanyak 30 percobaan hasil pengadukan didapati keseluruhan proses dinyatakan berhasil menggumpalkan sari kedelai pada kecepatan motor bervariasi sesuai kendali algoritma Fuzzy mamdani berdasarkan kondisi pH cuka dan suhu sari kedelai. Oleh karena itu penelitian ini menyimpulkan bahwa performa Algoritma Fuzzy mamdani dalam mengendaikan proses koagulasi pembuatan tahu melalui cara mengatur kecepatan pengadukan sebesar 100%. Temuan ini menjadi bukti penguat yang bisa dijadikan dasar bagi para peneliti bahwa algoritma fuzzy sekali lagi berhasil dijadikan rule pengendalian sebuah proses dengan hasil yang meyakinkan.
Deteksi Penyakit Pada Daun Cabai Menggunakan Metode Convolutional Neural Network Firdaus, Usamah Putra; Litanianda, Yovi
JATISI Vol 11 No 4 (2024): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/jatisi.v11i4.8310

Abstract

Chili peppers are one of the most popular vegetable crops among the Indonesian population. According to BPS data, both the consumption and production levels of large chili peppers and bird's eye chili peppers in 2022 exceeded those of previous years. Despite the high production levels, cultivating chili peppers is very risky due to frequent attacks by diseases and pests. Therefore, a system that can identify diseases or pests in chili pepper plants is needed. In this study, classification is divided into four categories: Healthy, Whitefly, Yellowish, and Leaf Spot. The method used is Convolutional Neural Network (CNN). The accuracy achieved from the training data is 88%, while the validation data accuracy is 82%. After conducting ten trials for each category, good accuracy was obtained. The Healthy category achieved 100% accuracy, Whitefly 70%, Yellowish 80%, and Leaf Spot 90%