Article Per Year (5 Year)
p-Index From 2021 - 2026
2.189
P-Index
This Author published in this journals
All Journal Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ DEVICE Journal of Economic, Business and Engineering (JEBE) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Clean Energy and Smart Technology TECHNOMEDIA : Informatics and Computer Science
Nur Hasanah
Universitas Sains Al-Qur'an
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Other

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

Found 2 Documents
Search
Journal : technomedia informatics and computer science

 1 
SISTEM KLASIFIKASI MUTU BUAH SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Zaid Husni Abdillah; Nahar Mardiyantoro; Muslim Hidayat; Saifu Rohman; Nur Hasanah
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.269

Abstract

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidakkonsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur MobileNetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, dan C), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian pada perangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B. Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas.
SISTEM DIAGNOSA GANGGUAN KWH METER DENGAN METODE DECISION TREE BERBASIS WEBSITE Azis Nurokhman; Muhamad Fuat Asnawi; Nur Hasanah; Iman Ahmad Ihsanuddin; Dimas Prasetyo Utomo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.270

Abstract

KWH meter merupakan perangkat penting dalam sistem kelistrikan yang berfungsi mengukur konsumsi listrik pelanggan. Gangguan teknis pada KWH meter dapat menyebabkan ketidaktepatan pencatatan daya dan menurunkan kualitas layanan kelistrikan. Penelitian ini bertujuan untuk merancang dan membangun sistem diagnosis gangguan KWH meter berbasis website menggunakan metode Decision Tree. Metode pengembangan sistem menggunakan pendekatan System Development Life Cycle (SDLC) model Waterfall yang terdiri dari analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data gangguan diperoleh dari laporan teknisi di PT. PLN (Persero) ULP Denpasar dalam format Excel, yang kemudian digunakan untuk melatih model klasifikasi Decision Tree. Sistem ini dirancang agar dapat menerima input parameter teknis seperti tegangan, arus, dan daya, lalu mengidentifikasi jenis gangguan secara otomatis. Hasil pengujian menunjukkan bahwa model memiliki tingkat akurasi rata-rata sebesar 83,08% dalam mengklasifikasikan gangguan. Sistem juga menyediakan antarmuka web yang ramah pengguna, fitur riwayat diagnosis, serta fungsi pembaruan data dan pelatihan ulang model. Dengan demikian, sistem ini dapat menjadi alat bantu diagnosis yang efektif dan dapat dikembangkan lebih lanjut untuk jenis KWH meter lainnya.
Co-Authors Abdul Adib Afida Citra Dewinta Ahmad Atik Azis Nurokhman Danang Mahendra, Danang Dian Asmarajati dimas prasetyo utomo eka Yuliani Pratiwi Hidayat, Muslim Hidayatus Sibyan Ihsanuddin, Iman Ahmad Iman Ahmad Ihsannudin Intan Oktaviani Khafiska Khoerunnisak Khotib Surahman Lasimin Lina Fauziah M. Fuat Asnawi Mufa’at Hadi Rosid Muhamad Fuat Asnawi Nahar Mardiyantoro Nulngafan Nurul Hidayah Rina Mahmudati Rizki Indah Lestari Rosida El Rahma Saifu Rohman Suwondo, Adi Zaid Husni Abdillah