Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal RELE: Rekayasa Elektrikal dan Energi Jurnal Teknik Elektro AMPLITUDO: Journal of Science & Technology Innovation
Imam Syaukani, Imam
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
LITERATURE REVIEW : METODE EVALUASI PERFORMA SISTEM PEMBANGKIT LISTRIK TENAGA SURYA (PLTS) DI INDOENSIA Hadi, Mukhtar; Syaukani, Imam; Nuryadi, Halid; Kencana, Putri Indah
-
Publisher : RELE (Rekayasa Elektrikal dan Energi) : Jurnal Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/rele.v8i1.22193

Abstract

Energi terbarukan telah menjadi fokus utama dalam upaya global untuk mengatasi perubahan iklim dan mengurangi ketergantungan pada sumber energi fosil yang terbatas. Di antara solusi energi terbarukan, Pembangkit Listrik Tenaga Surya (PLTS) telah muncul sebagai alternatif yang menjanjikan, memanfaatkan sinar matahari untuk menghasilkan listrik yang bersih dan berkelanjutan. Dengan kemajuan teknologi panel surya dan sistem konversi energi, PLTS telah terbukti menjadi sumber energi yang efisien dan ramah lingkungan, yang semakin banyak diadopsi di berbagai belahan dunia, baik untuk pembangkit listrik skala besar komersial maupun kebutuhan rumah tangga skala kecil. Namun, keberhasilan implementasi PLTS sangat bergantung pada desain, operasi, dan pemeliharaannya. Evaluasi performa memainkan peran penting dalam memastikan sistem ini berfungsi secara optimal, memenuhi target energi, dan meminimalkan masalah seperti penurunan efisiensi atau kerusakan sistem. Makalah ini bertujuan untuk mengkaji berbagai metode evaluasi performa PLTS, termasuk pendekatan analitis, teknik berbasis perangkat lunak, dan sistem pemantauan langsung. Makalah ini menyoroti kelebihan dan kekurangan masing-masing metode, memberikan wawasan yang berharga bagi peneliti, praktisi, dan pembuat kebijakan. Terakhir, makalah ini mengusulkan arahan penelitian di masa depan, menekankan perlunya pendekatan multidisipliner, data lapangan yang lebih luas, dan integrasi teknologi baru seperti IoT untuk meningkatkan efisiensi dan keberlanjutan Pembangkit Listrik Tenaga Surya di Indonesia
Classification of Beef and Pork Using a Hybrid Model of ResNet-50 and Support Vector Machine (SVM) Syaukani, Imam; Muji, Siti Zarina Binti Mohd; Eh Kan, Chessda Uttraphan
AMPLITUDO : Journal of Science and Technology Innovation Vol. 4 No. 1 (2025): February
Publisher : Balai Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56566/amplitudo.v4i1.193

Abstract

Some people manipulate sales in marketplaces and other retail settings by combining beef and pork since the prices are so high. In addition to educating the public about these distinctions, this research aims to develop a technological solution for recognizing and differentiating between pork and beef. The proposed hybrid model, a combination of a Resnet-50 and a Support Vector Machine (SVM), is introduced for the classification of Beef and Pork Meat. In this hybrid model, the Resnet-50 functions as a powerful feature extractor, then utilizing its inherent ability to automatically capture distinctive features from diverse and highly specific meat image datasets. The SVM, serving as the binary classifier, effectively utilizes the extracted features for precise classification. The hybrid model achieves an outstanding accuracy of 100%, surpassing the performance of individual classifiers, with Resnet-50 achieving 97% accuracy and Resnet-50 achieving 97% obtained from the Hybrid model by gaining the best parameter C is 0,1 and the Kernel is linear. This remarkable outcome signifies the synergistic effectiveness of combining Resnet-50 and SVM.
Co-Authors Eh Kan, Chessda Uttraphan Kencana, Putri Indah Muji, Siti Zarina Binti Mohd Mukhtar Hadi Nuryadi, Halid