Article Per Year (5 Year)
p-Index From 2021 - 2026
2.727
P-Index
This Author published in this journals
All Journal Journal of Telematics and Informatics Jurnal Pengabdian Al-Ikhlas JE-Unisla Generation Journal INFORMASI (Jurnal Informatika dan Sistem Informasi) JTIK (Jurnal Teknik Informatika Kaputama) Journal Zetroem Journal of Electrical Engineering and Computer (JEECOM) Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Pendidikan dan Teknologi Indonesia JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer SinarFe7 Jurnal Elektro Kontrol (ELKON) CSRID
Iska Yanuartanti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Social Sciences

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Peningkatan Akurasi Sensor Suhu dan Kelembaban DHT11 dengan Kalibrasi Suhu Berbasis IoT pada Platform Thingspeak Tiyas, Anis Wahyumulyaning; Erwanto, Danang; Yanuartanti, Iska
Jurnal Pendidikan dan Teknologi Indonesia Vol 5 No 3 (2025): JPTI - Maret 2025
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.709

Abstract

Sensor DHT11 memiliki keterbatasan dalam akurasi pengukuran suhu dan kelembapan, yang dapat menyebabkan kesalahan dalam pemantauan kondisi lingkungan. Oleh karena itu, penelitian ini bertujuan untuk meningkatkan akurasi sensor DHT11 dengan menerapkan metode kalibrasi berbasis IoT menggunakan platform Thingspeak. Penelitian ini menggunakan metode eksperimen dengan menerapkan algoritma kalibrasi linear untuk mengoreksi pembacaan sensor DHT11 berdasarkan data referensi dari thermohygrometer. Sistem yang dirancang terdiri dari sensor DHT11, mikrokontroler ESP8266/ESP32, serta konektivitas ke Thingspeak untuk pemantauan data secara real-time. Hasil penelitian menunjukkan bahwa setelah proses kalibrasi, pembacaan suhu dan kelembapan sensor DHT11 memiliki kesamaan dengan data referensi dari thermohygrometer. Misalnya, pada enam sampel data, suhu yang telah dikalibrasi menunjukkan nilai 25.0°C, 27.5°C, 29.0°C, 26.0°C, 30.0°C, dan 31.9°C, dengan kelembapan masing-masing 60.0%RH, 62.0%RH, 58.0%RH, 65.0%RH, 70.0%RH, dan 71.0%RH. Nilai ini identik dengan pembacaan thermohygrometer, sehingga menghasilkan error persen sebesar 0% untuk seluruh data yang diuji. Data yang telah dikalibrasi kemudian dikirim ke platform Thingspeak, memungkinkan pemantauan yang lebih akurat dan andal. Implikasi dari penelitian ini adalah sistem kalibrasi otomatis berbasis IoT dapat mengurangi kebutuhan intervensi manual dalam proses kalibrasi sensor, sehingga meningkatkan efisiensi dan keandalan dalam pemantauan lingkungan. Metode ini dapat diterapkan dalam berbagai bidang seperti pertanian cerdas, sistem HVAC, dan pemantauan lingkungan industri.
Evaluasi Kinerja CNN dengan Optimizer RMSprop, Adam dan SGD dalam Klasifikasi Penyakit Daun Anggur Nur Rifa’i, Wahib Rohman; Erwanto, Danang; Yanuartanti, Iska
Jurnal JE-UNISLA : Electronic Control, Telecomunication, Computer Information and Power System Vol 10 No 1 (2025): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/je-unisla.v10i1.1409

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja metode Convolutional Neural Network (CNN) dalam mendeteksi dan mengklasifikasikan penyakit pada daun tanaman anggur, serta mengukur tingkat akurasi dari masing-masing model CNN dengan cara membandingkan tiga optimizer. Dataset daun tanaman anggur yang terinfeksi penyakit digunakan dan diproses dengan teknik augmentasi data. Model CNN yang diterapkan menggunakan arsitektur DenseNet-121 dengan transfer learning dan diuji dengan berbagai optimizer: RMSprop (Root Mean Square Propagation), Adam, dan SGD (Stochastic Gradient Descent) pada 3 nilai learning rate yang berbeda. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa bahwa akurasi tertinggi diperoleh pada learning rate 0.001, dengan Adam sebagai optimizer terbaik yang mencapai akurasi 99.45%. Secara umum, semua optimizer menunjukkan performa optimal pada learning rate 0.1 dan 0.001 dengan akurasi di atas 99%, sementara penurunan akurasi terjadi pada learning rate 0.00001, yang mencapai sekitar 97.73% untuk semua optimizer. Temuan ini menegaskan bahwa pemilihan learning rate yang tepat berperan penting dalam meningkatkan akurasi CNN dalam tugas klasifikasi.
Convolutional Neural Network untuk Klasifikasi Batik Tenun Ikat Bandar Berdasarkan Fitur Warna dan Tekstur Muthrofin, Mohammad Atif Faiz; Erwanto, Danang; Yanuartanti, Iska
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.8060

Abstract

Tenun Ikat Bandar Kediri adalah salah satu jenis batik berupa kain yang ditenun dan diberi suatu pola dan motif pada teksturnya menggunakan suatu mesin tenun kayu tradisional. Pola dan motif pada batik tenun ikat sangat bervariasi tergantung pada rumah produksinya. Biasanya setiap rimah produksi memiliki suatu ciri khas khusus pada pola dan motifnya. Banyaknya pola dan motif tersebut akan menjadikan masyarakat sulit mengenali dan mempelajari ciri visual Tenun Ikat tersebut sehingga bila ada suatu sistem yang mempelajari pola dan motif tersebut maka akan sangat membantu masyarakat. Sistem klasifikasi yang dibuat pada penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan ekstraksi tekstur Tenun menggunakan fitur Gray Level Cooccurence Matrix (GLCM) dan ekstraksi warna menggunakan fitur Color Co-occourrence Matrix (CCM). Pada penelitian ini menggunakan dataset sebanyak 125 citra gambar dari 5 motif batik pada suatu rumah produksi tenun ikat dengan proporsi setiap pola yang seimbang. Hasil dari penelitian ini menunjukkan bahwa rata-rata akurasi dari setiap pengujian mencapai angka 0,94, ini menunjukkan bahwa metode yang dimaksudkan telah dapat melakukan klasifikasi dengan baik.
KLASIFIKASI KEMATANGAN DAUN TEMBAKAU VIRGINIA MENGGUNAKAN PENGOLAH CITRA DIGITAL Ismail, Alfian Danu; Erwanto, Danang; Yanuartanti, Iska
Jurnal Elektro Kontrol (ELKON) Vol 3, No 1 (2023): Jurnal ELKON
Publisher : Teknik Elektro Fakultas Teknik Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/elkon.v3i1.10131

Abstract

Tembakau virginia sebelum memasuki proses pada industri harus melewati proses yang sangat penting yaitu sortir kematangan daun tembakau oleh petani. Daun tembakau virginia yang layak diproses pada industri memliki kematangan yang sesuai dengan gradingnya yaitu daun bewarna kekuning kuningan. Oleh karna itu peneliti membuat penelitian tentang bagaimana cara mempermudah petani untuk memilah daun dengan kematangan yang sesuai. Rumusan masalah yaitu implementasi color moment, akurasi SVM, efektivitas SVM. Batasan masalah terfokus pada warna tembakau dan hanya pada jenis tembakau virginia, klasifikasi dilakukan hanya untuk tembakau matang, mentah, tua. Tak kalah penting tujuan dan manfaat penelitian untuk mengetahui kematangan daun tembakau virginia dengan menggunakan metode ekstraksi fitur warna color moment, mengetahui akurasi klasifikasi dengan menggunakan metode Support Vector Machine. Peneliti membuat klasifikasi kematangan tembakau dengan menggunakan software Matlab. Dengan menggunakan metode ektraksi fitur warna color moment dan klasifikasi dengan menggunakan metode Support Vector Machine. Preprossing menggunakan metode cropping 200x200 piksel dan dikonversi RGB ke HSV. Hasil HSV diproses dengan metode color moment dengan parameter mean, standart deviasi, skewness. Hasil parameter diklasifikasi dengan SVM dengan masing-masing target per-kelas yaitu matang, muda, dan tua. Akurasi SVM pada penelitian di dapatkan sebesar 98%, rata-rata precission 98% recall 97,6% f-measure 97,6%. Hasil klasifikasi dengan metode SVM termasuk kategori sangat baik.
PENERAPAN KNOWLEDGE DISCOVERY IN DATABASE UNTUK ANALISA TINGKAT KECELAKAAN LALU LINTAS Utomo, Yudo Bismo; Kurniasari, Iin; Yanuartanti, Iska
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.61

Abstract

Kecelakaan lalu lintas adalah salah satu masalah terpenting dalam transportasi. Pasalnya, setiap warga memanfaatkan jalan raya tersebut untuk beraktivitas setiap hari, apalagi dengan meningkatnya kepadatan penduduk di Kabupaten Kediri, yang meningkatkan volume pengguna jalan raya dan jumlah kendaraan yang melintas. Berdasarkan isu-isu tersebut, dilakukan penelitian dengan tujuan menganalisis tingkat kecelakaan lalu lintas dengan menggunakan pendekatan knowledge discovery in database. Tujuan dari penelitian ini adalah untuk memberikan rekomendasi dalam rangka optimalisasi keselamatan transportasi dan mengurangi frekuensi kecelakaan. Metode penelitian yang digunakan dalam penelitian ini adalah mengumpulkan data dan melakukan pengamatan langsung di lapangan dengan frekuensi tingkat kecelakaan tertinggi. Hasil penelitian yang telah dicapai menunjukkan bahwa frekuensi kecelakaan tertinggi berada di Kabupaten Kediri, terletak di Kecamatan Papar, dengan total 47 kejadian, sedangkan jenis kendaraan yang sering menyebabkan kecelakaan adalah sepeda motor. Penyebab kecelakaan adalah karena jalan rusak dan kurangnya penerangan jalan di malam hari. Rekomendasi yang bisa diberikan yaitu perbaikan jalan yang rusak dan perlunya penerangan jalan.
Smart Color Assistant untuk Tuna Netra Berbasis Sensor TCS34725 dan Algoritma KNN Saputro, Rendy Ari; Shalahuddin, Yanu; Yanuartanti, Iska
CSRID (Computer Science Research and Its Development Journal) Vol. 18 No. 1 (2026): Februari 2026
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.18.1.2026.1-17

Abstract

The ability to recognize colors is an important aspect of human interaction with the environment, but it poses a significant challenge for people with visual impairments. This study aims to design and implement a prototype portable device called Smart Color Assistant to help people with visual impairments recognize colors. The system was developed based on an ESP32 microcontroller integrated with a TCS34725 color sensor for RGB data acquisition and a DFPlayer Mini module for sound output. The KNN (K-Nearest Neighbor) algorithm with a K value of 5 was applied to classify 16 common colors. The research approach applied was the Research and Development (R&D) method, which included several stages, namely needs analysis, system design, hardware and software implementation, and testing and evaluation processes. Based on the test results, it was found that the TCS34725 sensor had an average reading error of 2.61%. The system achieved a classification accuracy of 93.75% (15 out of 16 colors were detected correctly), with an average response time from detection to sound output of 850 milliseconds. Functionality testing of the buttons and sound output also showed performance in line with the design. Testing with visually impaired individuals confirmed the benefits of the device, although improvements are needed in terms of ergonomics and ease of use. It is concluded that this prototype has the potential to be an effective, portable, and responsive assistive device.
Co-Authors Achmad Arif Alfin Afif Nurkholis Arief Marwanto Erwanto, Danang Iin Kurniasari Iin Kurniasari Iin Kurniasari Imam Much Ibnu Subroto Ismail, Alfian Danu Kurniasari Iin Kurniasari, Iin Maulana Alfaruq, Bagoes Muthrofin, Mohammad Atif Faiz Nur Rifa’i, Wahib Rohman Putri Nur Rahayu Ridhovi, Zainul Ruba’i, Ahmad Saputro, Rendy Ari Setiono, Nur Syahad Shalahuddin, Yanu Tiyas, Anis Wahyumulyaning Utomo, Yudo Bismo Yudo Bismo Utomo