Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : je-unisla

Sistem Kontrol dan Monitoring Suhu dan Kelembaban GreenHouse untuk Produksi Green Fodder Alwan J.Ishak; Arifuddin, Rahman; Subairi
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 11 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v11i1.1607

Abstract

The high cost of livestock feed and dependence on seasonal forage highlight the need for a more efficient and controlled green fodder corn production system. This study aims to design and implement an Internet of Things (IoT)–based greenhouse control and monitoring system to maintain optimal environmental conditions for green fodder corn production. The system was developed using a Wemos D1 R2 microcontroller integrated with a DHT11 temperature and humidity sensor, a Real Time Clock (RTC) module, fans, a water pump, and grow lights, with Blynk as a remote monitoring platform. Experimental results indicate that the system is able to automatically and stably regulate temperature, humidity, irrigation, and lighting, with average sensor errors of 0.64 °C for temperature and 4.91% for humidity. The novelty of this research lies in the integration of environmental control and scheduled management of green fodder corn growth phases within a simple and practical IoT system, specifically designed to support rapid-harvest forage production in greenhouse environments.
Smart Tracker Pendaki Gunung Dengan Deteksi Suhu Lingkungan, Gerakan Pendaki Dan Lokasi Berbasis Arduino Menggunakan Metode Fuzzy Mamdani Ilham Dwi Prasetyo; Abdur Rabi'; Rahman Arifuddin
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 11 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v11i2.1684

Abstract

Kegiatan pendakian gunung memiliki risiko tinggi terhadap kondisi lingkungan seperti suhu ekstrem, medan yang sulit, serta potensi kelelahan dan hilangnya pendaki. Oleh karena itu diperlukan sebuah sistem pemantauan yang mampu memberikan informasi kondisi pendaki secara otomatis melalui SMS. Pada penelitian ini dirancang dan dibangun sebuah Smart Tracker Pendaki Gunung berbasis Arduino Uno, yang dilengkapi dengan sensor suhu DHT22, sensor gerak MPU6050, modul GPS NEO-6M, dan modul komunikasi GSM SIM800L. Data suhu dan gerakan diolah menggunakan metode logika fuzzy Mamdani untuk menentukan status kondisi pendaki, yaitu Aman, Waspada, atau Bahaya. Apabila sistem mendeteksi kondisi Bahaya (misalnya suhu rendah dan gerakan pasif yang mengindikasikan risiko hipotermia), maka perangkat akan mengaktifkan buzzer dan mengirimkan pesan SMS beserta koordinat lokasi terakhir ke nomor yang telah ditentukan Sistem juga menyediakan tiga tombol, yaitu tombol SOS, Aman, dan Kirim Lokasi, guna memberikan kontrol manual kepada pendaki.
Klasifikasi Kadar Glukosa Darah Non-Invasif Berbasis Decision Tree dan Regresi Linear Menggunakan Sensor MAX30102 Agustina Melania Kristin Kope; Rahman Arifuddin; Basitha Febrinda Hidayatulail
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 11 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v11i2.1691

Abstract

Penelitian ini mengembangkan sistem pengukuran kadar glukosa darah non-invasif menggunakan sensor MAX30102 dengan metode Regresi Linear dan Decision Tree berbasis TinyML pada mikrokontroler ESP32. Data dikumpulkan dari 25 responden sebagai data training dan 8 responden sebagai data testing, dengan hasil pengukuran glukometer digunakan sebagai nilai acuan. Sinyal sensor diolah menjadi tiga fitur, yaitu IR_AVG, RED_AVG, dan JUMLAH_AVG. Model Regresi Linear menggunakan fitur JUMLAH_AVG untuk mengestimasi kadar glukosa darah, sedangkan Decision Tree menggunakan ketiga fitur tersebut untuk mengklasifikasikan kadar glukosa darah ke dalam kategori Normal, Prediabetes, dan Diabetes. Hasil evaluasi model Regresi Linear menunjukkan nilai MAE sebesar 13,88 mg/dL, RMSE sebesar 18,44 mg/dL, MAPE sebesar 12,82%, dan R² sebesar 0,3421. Model Decision Tree memperoleh akurasi 96% pada data training, sedangkan pengujian menggunakan data testing menghasilkan akurasi 37,5%. Model selanjutnya diimplementasikan pada ESP32 menggunakan TinyML dan dievaluasi pada 8 responden baru, dengan akurasi implementasi sebesar 50%. Hasil penelitian menunjukkan bahwa sistem mampu melakukan estimasi kadar glukosa darah dan klasifikasi kategori glukosa darah secara offline, meskipun kemampuan generalisasi model masih terbatas akibat jumlah dataset yang relatif sedikit. Secara keseluruhan, sistem yang dikembangkan menunjukkan potensi sebagai dasar pengembangan alat pemantauan kadar glukosa darah non-invasif yang portabel, praktis, dan bebas rasa sakit.