Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal J-Dinamika: Jurnal Pengabdian Kepada Masyarakat JATI (Jurnal Mahasiswa Teknik Informatika) Jifosi
Eka Prakarsa Mandyartha, Eka
Unknown Affiliation
Computer Science & IT Education

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jifosi

 1 
Rancang Bangun Sistem Kamera Pendeteksi Api Sederhana Menggunakan Raspberry Pi Ramadhani, Muhammad Rafi'; Anggraeny, Fetty; Prakarsa Mandyartha, Eka
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 2 (2021): JIFoSI Volume 2, No 2: Juli 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Api merupakan elemen penting dalam kehidupan manusia. Semenjak zaman purba hingga zaman modern, api telah digunakan di hampir setiap sektor dalam kehidupan manusia. Contohnya adalah memasak, alat untuk mengusir hewan buas, penerangan, pembakaran pada mesin uap dan lain-lain. Namun terkadang, keberadaan api juga tak jarang menimbulkan bencana dan kerugian. Sebut saja kebakaran hutan, kebakaran akibat korsleting listrik dan lain-lain. ditengah teknologi yang berkembang di era sekarang. Terdapat banyak sekali metode untuk sebagai antisipasi awal apabila terjadi bencana kebakaran. Salah satunya adalah dengan menggunakan sistem kamera CCTV pendeteksi api. Untuk mendeteksi api, sebelumnya program akan diberikan model hasil latihan terlebih dahulu. Kemudian kamera akan dinyalakan dan mulai mendeteksi api sesuai dengan parameter pada model. Pada penelitian ini, kami menguji sistem dan piranti keras dengan memberikan input api sesuai beberapa kondisi. Hasilnya adalah sistem mampu mendeteksi api pada kondisi gelap dan terang. Serta sistem dapat mendeteksi api kecil seperti api dari korek api dan api sedang yaitu api pembakaran di dua kondisi tersebut. Frame rate per Second (FPS) yang dihasilkan adalah rata-rata 2-3 fps dari setiap deteksi nya. Hal ini menunjukkan bahwa kemampuan piranti keras pada Raspberry Pi 4B telah berkembang dan mampu menjalankan program berat seperti sistem kamera pendeteksi api.
Sistem Diagnosa Penyakit Periodontal Menggunakan Metode Case Based Reasoning Dan Similaritas Sorgenfrei Sasmita, Rahadi; Prakarsa Mandyartha, Eka; Syaifullah JS, Wahyu
Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 2 No. 3 (2021): JIFoSI Volume 2, No 3: November 2021
Publisher : Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.2234/jifosi.v2i3.368

Abstract

Sistem diagnosa penyakit dan kondisi periodontal menggunakan metode case based reasoning dan similaritas sorgenfrei yang bertujuan untuk membantu proses diagnosa dari seorang pasien berdasarkan gejala yang dialami. Sistem ini bermanfaat untuk membantu seorang dokter dalam mendiagnosa sebuah penyakit dan kondisi dari pasien berdasarkan gejala yang dialami oleh seorang pasien, secara tepat dan seakurat mungkin, sehingga dapat memudahkan dalam melakukan pemeriksaan atau dalam mendiagnosa sebuah penyakit dan kondisi. Metode case based reasoning dan similaritas sorgenfrei dipilih pada penelitian ini karena metode ini didasarkan dari kasus lama yang terdapat pada basis pengetahuan , dengan kata lain metode case based reasoning disini dapat membantu menyelesaikan sebuah kasus baru dengan membandingan dengan kasus lama. Selain itu proses ini dibantu dengan similaritas sorgenfrei yaitu dimana membantu dalam menyelesaikan sebuah masalah dengan gejala yang terdapat pada kasus baru dibandingan dengan gejala pada kasus lama. Sistem ini dibangun menggunakan framework codeigniter karena merupakan framework php yang paling populer dalam membangun sistem berbasis web. Pada penelitian kali ini data yang digunakan diperoleh dari seorang dokter gigi spesialis yang juga menjadi dosen fakultas kedokteran gigi di universitas airlangga. Hasil pada penelitian ini menunjukan bahwa, pada pengujian akurasi digunakan dataset sebanyak 75 data yang dibagi menjadi data training dan data uji. Pada 25 data uji diperoleh tingkat akurasi sebesar 96%, sedangkan pada data training diperoleh tingkat akurasi sebesar 100%
Co-Authors Anggraeny, Fetty Brigita Limbong, Rosalena Eva Yulia Puspaningrum Hanindia Prami S, Made Maulana, Hendra Pratama Artana, Putu Nandhika Ramadhani, Muhammad Rafi' Sasmita, Rahadi Satria Yudha Kartika , Dhian Syaifullah JS, Wahyu Vita Via, Yisti Wiji Utami, Hapsari Wirya Atmaja, Pratama