Article Per Year (5 Year)
p-Index From 2021 - 2026
1.922
P-Index
This Author published in this journals
All Journal Pixel : Jurnal Ilmiah Komputer Grafis Elkom: Jurnal Elektronika dan Komputer IJIS - Indonesian Journal On Information System Sebatik KOMPUTEK TELKA - Telekomunikasi, Elektronika, Komputasi dan Kontrol AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Progresif: Jurnal Ilmiah Komputer Jurnal Pengabdian Masyarakat Indonesia Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) Jurnal Ilmu Kesehatan Masyarakat (The Public Health Science Journal)
Fathia Frazna Az-Zahra
Universitas Muhammadiayah Sukabumi
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Mechanical Engineering Medicine & Pharmacology Public Health Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Meningkatkan Antarmuka Pengguna dengan Integrasi AR-IoT dalam Sistem Irigasi Tanaman Cerdas Az-Zahra, Fathia Frazna; Apriandari, Winda; Indrayana, Didik; Prajoko, Prajoko; Anadella, Shakira; Andriyana, Rifki; Nasrul, Elvan
TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol Vol 11, No 3 (2025): TELKA
Publisher : Jurusan Teknik Elektro UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/telka.v11n3.411-421

Abstract

Teknologi Internet of Things (IoT) dan Augmented Reality (AR) menciptakan peluang untuk meningkatkan efisiensi dalam berbagai aktivitas, termasuk perawatan tanaman hias. Pemilik tanaman umumnya menghadapi praktik penyiraman yang tidak konsisten, yang berdampak buruk terhadap pertumbuhan tanaman. Sistem IoT sering memerlukan biaya tambahan untuk perangkat antarmuka fisik seperti layar. Penelitian ini mengusulkan sistem penyiraman tanaman hias berbasis IoT dengan visualisasi data AR, memanfaatkan smartphone sebagai antarmuka utama untuk pemantauan dan kontrol real-time tanpa perangkat tambahan. Tujuannya adalah mengembangkan penyiraman rutin, terjadwal, dan meningkatkan interaksi pengguna melalui antarmuka AR. Metodologi pengembangan menggunakan pendekatan iteratif dan inkremental yang memfasilitasi evaluasi berkelanjutan dan perbaikan hingga mencapai hasil optimal. Produk akhir adalah aplikasi AR yang menampilkan data sensor dan mengontrol perangkat penyiraman yang terhubung ke sistem IoT. Pengujian usability menggunakan skala Likert mencapai skor tinggi: usefulness 90,65%, ease of use 91,2%, ease of learning 89,01%, dan satisfaction 92,3%. Hasil menunjukkan integrasi IoT dan AR yang efektif meningkatkan kepuasan interaksi pengguna dalam pengembangan sistem penyiraman otomatis. Internet of Things (IoT) and Augmented Reality (AR) technologies create opportunities to enhance efficiency in various activities, including ornamental plant care. Plant owners commonly face inconsistent watering practices, adversely affecting plant growth. IoT systems often require additional costs for physical interface devices like displays. This study proposes an IoT-based ornamental plant watering system with AR data visualization, utilizing smartphones as primary interface for real-time monitoring and control without additional devices. The objective is developing routine and scheduled watering while improving user interaction through AR interface. Development methodology employs iterative and incremental approach facilitating continuous evaluation and improvement until achieving optimal results. The final product is an AR application displaying sensor data and controlling watering devices connected to IoT system. Usability testing using Likert scale achieved high scores: usefulness 90.65%, ease of use 91.2%, ease of learning 89.01%, and satisfaction 92.3%. Results demonstrate effective IoT and AR integration enhances user interaction satisfaction in automated watering system development.
Implementasi Convolutional Neural Network Dengan MobileNetV2 Untuk Deteksi Tokoh Wayang Golek Berdasarkan Citra Digital Siti Nurazizah; Asriyanik Asriyanik; Fathia Frazna Az-Zahra
Progresif: Jurnal Ilmiah Komputer Vol 21, No 2 (2025): Agustus
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v21i2.2782

Abstract

Wayang golek is a traditional Pasundan regional performing art played using wooden puppets by a puppeteer, which was recognized by UNESCO on November 7, 2003 as an intangible cultural heritage. However, many people find it difficult to distinguish the characters of wayang golek because of the diversity of the characters. This research aims to implement CNN in developing an image-based golek puppet character identification system, so that the recognition process is carried out quickly and accurately. This research uses 15 golek puppet characters with MobileNetV2 architecture as a feature extractor. The model produces train accuracy of 95% and validation accuracy of 91%. Evaluation results using confusion matrix showed accuracy of 90%, precision 90.47%, recall 90%, and f1-score 89.93%. The results show that the CNN model with MobileNetV2 architecture is effective and optimal in detecting and classifying puppets, so that it can support the preservation of puppet culture through technology.Keyword: Wayang Golek; Convolutional Neural Network; Computer Vision; Image Processing; Website AbstrakWayang golek adalah seni pertunjukan tradisional daerah Pasundan yang dimainkan menggunakan boneka kayu oleh seorang dalang, yang telah diakui UNESCO pada 7 November 2003 sebagai warisan budaya tak benda. Meskipun demikian, tidak sedikit orang kesulitan dalam membedakan tokoh-tokoh wayang golek karena keberagaman tokohnya. Penelitian ini bertujuan untuk mengimplementasikan CNN dalam mengembangkan sistem identifikasi tokoh wayang golek berdasarkan citra, sehingga proses pengenalan dilakukan secara cepat dan akurat. Penelitian ini menggunakan 15 tokoh wayang golek dengan arsitektur MobileNetV2 sebagai feature extractor. Model menghasilkan train accuracy sebesar 95% dan validation accuracy sebesar 91%. Hasil evaluasi menggunakan confusion matrix menunjukkan akurasi sebesar 90%, precision 90,47%, recall 90%, dan f1-score 89,93%. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 terbukti efektif dan optimal dalam mendeteksi serta mengklasifikasikan wayang golek, sehingga dapat mendukung pelestarian budaya wayang golek melalui teknologi.Kata kunci: Wayang golek; Convolutional neural network; Computer vision; Pengolahan citra; Website 
Co-Authors Adif, Mochamad Hanivan Agung Bimantara Putra Amir Hamzah Anadella, Shakira Ananda, Rizkia Wahyu Andriyana, Rifki Arliansyah, Tanaya Salsabila Asriyanik . Dayana, Resti Dwi Didik Indrayana Erna Safariyah Fadhil Faizal Akbar Faiz, Aiman Febriani, Rani Gagas Abdul Yasir iqbal setiawan Irawan Danismaya Iwan Rizal Setiawan Maulidia, Reiza Nasrul, Elvan Nisrina, Khansa Nurmeta, Irna Oktaviana, Marcella Permana, Restu Gede Prajoko . Rahayu, Eneng Robial, Siti Muawanah Siti Nurazizah Suganda , Siti Anisa Winda Apriandari