Article Per Year (5 Year)
p-Index From 2021 - 2026
1.745
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi Jurnal Simetris SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Otomasi Kontrol dan Instrumentasi Informatik : Jurnal Ilmu Komputer SEINASI-KESI PEDULI: Jurnal Imiah Pengabdian Pada Masyarakat Indonesian Journal of Community Dedication Jurnal Mantik Abditeknika - Jurnal Pengabdian Kepada Masyarakat ABDIKOM
Didit Widiyanto
Universitas Pembangunan Nasional Veteran Jakarta
Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Nursing Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Purwa Rupa Sistem Pengaman Sepeda Motor Berbasis IoT (Internet of Things Juwariyah, Tatik; Widiyanto, Didit; Sulasmingsih, Sri
Jurnal Otomasi Kontrol dan Instrumentasi Vol 11 No 1 (2019): Jurnal Otomasi Kontrol dan Instrumentasi
Publisher : Pusat Teknologi Instrumentasi dan Otomasi (PTIO) - Institut Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/joki.2019.11.1.5

Abstract

The case of motorbike theft is one of the common problems in the community that needs to be found a solution. One  of solutions  to  secure  motorbikes  from  potential  theft  is  to install smart vehicle technology (smart vehicl e). This paper describes  the  design  of  IoT  vehicle  safety  systems  using Arduino  Mega  microcontroller,  fingerprint  sensor, ESP8266 and  Blynk applications on smartphones. For the experiment,  this  study  uses  an  automatic  transmission motorbike that represents the public motorcycle model. For research  methods,  this  study  uses  three  stages  of  design. The  first  stage  is to  compile  the  prototype  hardware  of  a motorcycle security system using a fingerprint sensor, and a  microcontroller.  The  second  phase,  IoT  that  uses  a notification  system  on  ESP8266-based  smartphones  and Blynk  applications  are  designed.  In  the  third  stage,  the security  system  and  notification  system  sent  via  the smartphone are combined. In the results of the first phase of the trial, five people (whose fingerprints were registered and not registered) were involved to show the system was working as we expected. This means that even if the vehicle ignition  is  in  the  "ON"  position,  the  motorcycle  engine cannot be started using an electric starter method or using a  crank  start  system.  To  be  able  to  "start"  a  motorcycle engine, the user's fingerprint must be verified first. In the second  phase  of  the  trial,  notification  via  the  Blynk application  on  the  smartphone  will  show  someone's fingerprint that started the motorcycle has been verified or not  verified.  Finally  in  the  final  stage  of  the  trial, information  systems  in  the  form  of  notifications  on smartphones can be realized to inform users who are trying to  start  the  motorcycle  engine  have  been  verified  or  not verified. The  results  of  this  study  are  expected  to  become IoT  applied  references  for  motorcycle  and  other  vehicle security systems
Tinjauan Algoritma RoI (Region of Interest) Dengan Metode Pengambangan Otsu Dan Klasterisasi K-Mean; Hasil Dan Tantangannya Widiyanto, Didit
Informatik : Jurnal Ilmu Komputer Vol 16 No 2 (2020): Agustus 2020
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v16i2.1961

Abstract

Akurasi sebuah klasifikasi citra ditentukan oleh pengklasifikasi.  Meskipun RoI (Region of Interest) tidak menentukan secara langsung akurasi, namun RoI menentukan lingkup klasifikasi citra.   Terdapat tiga algoritma yang dapat digunakan sebagai algoritma RoI yaitu; Balanced Histogram Thresholding (BHT), algoritma Otsu, dan algoritma klasterisasi K-Means.  Paper ini meninjau algoritma Otsu dan algoritma klasterisasi K-Means yang digunakan oleh lima peneliti.  Dari ke lima peneliti; tiga peneliti menerapkan algoritma Otsu dan dua peneliti menerapkan algoritma K-Means sebagai algoritma RoI. Setelah operasi RoI, ke lima peneliti menerapkan algoritma GLCM (Gray Level Co-occurance Matrix) sebagai pengekstraksi ciri tekstur.  Hasil ekstraksi ciri diklasifikasi dengan menggunakan berbagai pengklasifikasi antara lain SVM (Support Vector Machine), Naive Bayes, dan Decision Tree. Akhirnya dengan membandingkan hasil dari ke lima peneliti, akurasi tertinggi diperoleh sebesar 100% dengan pengklasifikasi SVM menggunakan algoritma Otsu sebagai algoritma RoI, dan akurasi terendah adalah sebesar52% yang menggunakan algoritma Otsu pada kanal S dari citra HSV (Hue, Saturation Value).
Klasifikasi rempah rimpang berdasarkan ciri warna rgb dan tekstur glcm menggunakan algoritma naive bayes Batubara, Nadya P.; Widiyanto, Didit; Chamidah, Nurul
Informatik : Jurnal Ilmu Komputer Vol 16 No 3 (2020): Desember 2020
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v16i3.2196

Abstract

Abstrak. Pada penelitian ini akan membahas bagaimana cara mengklasifikasikan beberapa jenis rempah berdasarkan algoritma Naïve Bayes dengan menggunakan ekstraksi ciri warna RGB dan tekstur GLCM. Tahapan dalam proses klasifikasi citra digital pada penelitian ini yaitu praproses citra, segmentasi, ekstraksi ciri, klasifikasi dan uji performa Proses yang dilakukan pada penelitian ini adalah mengubah RGB to Grayscale untuk mendapatkan citra abunya, setelah mengubah citra menjadi Grayscale. Setelah melakukan image enhancement, citra di segmentasi dengan thresholding menggunakan metode Otsu. Setelah mendapatkan hasil dari segmentasi dilakukan RoI (Region of Interest) yang menghasilkan perkalian pixel. Setelah itu dilakukan ekstraksi ciri dengan menggunakan GLCM (Grey Level Co-occurrence Matrix) dan ekstraksi fitur RGB (Red, green, blue) yang di ekstrak ke dalam GLCM. Setelah mendapatkan hasil dari ekstraksi ciri maka dilakukan klasifikasi menggunakan algoritma Naïve Bayes. Tahapan terakhir pada penelitian ini adalah uji performa menggunakan K-fold cross validation dengan K=10 dan mendapatkan hasil akurasi sebesar 52%. Kata Kunci: Rempah-rempah, Naïve Bsayes, RGB, GLCM.
Analisis Sentimen Ulasan Pengguna Pada Aplikasi Google Classroom Menggunakan Metode SVM Dan Seleksi Fitur PSO Mursianto, Ghaitsa Amany; Widiyanto, Didit; Wahyono, Bambang Tri
Informatik : Jurnal Ilmu Komputer Vol 18 No 3 (2022): Desember 2022
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v18i3.4685

Abstract

Kebijakan PSBB mengharuskan penerapan kegiatan pembelajaran jarak jauh secara online menggunakan aplikasi berbasis daring seperti Google Classroom. Dengan menggunakan Google Classroom memfasilitasi penggunanya untuk mendistribusikan, mengumpulkan, dan memberikan penilaian terhadap tugas-tugas yang diberikan kepada mahasiswa maupun siswa di seluruh negeri. Penelitian ini bertujuan untuk  mengetahui sentimen opini publik  terhadap aplikasi Google Classroom. Dalam melakukan analisis sentimen penelitian ini menggunakan metode Support Vector Machine serta Particle Swarm Optimization sebagai seleksi fitur. Data yang sudah didapatkan akan dilakukan pelabelan data, dilanjut dengan pre-processing data, lalu data yg sudah melewati proses itu akan diberikan bobot kata dengan TF-IDF, kemudian akan masuk seleksi fitur dengan PSO, kemudian dilakukan pembagian data sebesar 80:20, lalu pengklasifikasian dengan metode SVM. Hasil rata-rata evaluasi menggunakan confussion matrix dimana accuracy sebesar 79%, precision sebesar 78%, recall sebesar 67% dengan menggunakan metode SVM  dan dengan menggunakan seleksi fitur PSO mendapatkan hasil accuracy sebesar 83%, precision sebesar 86%, recall sebesar 67%.
Module-level power consumption analysis of ESP32 wroom and ESP32 dfrobot under normal and deep sleep operation Zuchriadi, Achmad; Ginting, Sargi; Angraeni, Silvia; Widiyanto, Didit
Jurnal Mantik Vol. 9 No. 4 (2026): February: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v9i4.6986

Abstract

Energy efficiency is a critical requirement for battery-powered Internet of Things (IoT) systems, particularly those operating under duty-cycled conditions. Among widely adopted microcontroller platforms, ESP32 modules are extensively used due to their integrated connectivity and low-power features. In practice, ESP32 WROOM is commonly deployed because of its affordability and availability, while alternative modules such as ESP32 DFRobot are claimed to offer superior low-power performance. However, quantitative experimental comparisons at the module level remain limited. This study presents a controlled experimental evaluation of power consumption characteristics of ESP32 WROOM and ESP32 DFRobot modules operating in normal mode and deep sleep mode under realistic agricultural IoT workloads. Both modules were integrated with multiple environmental and soil sensors and LoRa communication, using identical hardware configurations, firmware logic, and measurement procedures. Power consumption was measured using a dual digital multimeter setup, with each operating condition evaluated over 50 repeated trials. The results show that both modules exhibit comparable power consumption during normal mode operation. In contrast, significant differences emerge during deep sleep mode. ESP32 WROOM consumes 36.907 mW in deep sleep, while ESP32 DFRobot consumes only 0.317 mW. Quantitative analysis indicates that ESP32 DFRobot achieves a deep sleep power efficiency improvement of approximately 99.14% relative to ESP32 WROOM. These findings demonstrate that module-level hardware design plays a decisive role in ultra-low-power performance and provide empirical guidance for selecting ESP32 modules in duty-cycled IoT deployments with significant implications for battery lifetime.
Co-Authors Achmad Zuchriadi Amir Marasabessy Angraeni, Silvia Ashfi Rayhan, Fajri B. Pangaribuan, Artambo Batubara, Nadya P. Damora Rhakasywi Desta Sandya Prasvita Futuhal Arifin Ginting, Sargi Hananto, Bayu Jayanta Jayanta Jayanta Jayanta Juwariyah, Tatik Muhammad Nanda Kurniawan Mursianto, Ghaitsa Amany Nurul Chamidah Ricky Arifandi Daniel Ridwan Raafi'udin santoso, maretta bunga adhiena Sulasmingsih, Sri Sulistyawati, Wiwin Wahyono, Bambang Tri