Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis LOGIC : Jurnal Ilmu Komputer dan Pendidikan Journal Of Artificial Intelligence And Software Engineering
Sidik Prasetyo, Sidik
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pemanfaatan Sistem Kendali (Control System) Pada Bidang Peternakan Prasetyo, Sidik; Gilang Pramudito, Vincensius; Satria Yudha, Rafiq; Pramono
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 2 No. 3 (2024): Logic : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Peternakan merupakan salah satu sektor penting yang ada di Indonesia. Peternakan memiliki banyak bidang sehingga memiliki peran yang besar dalam menyangga perekonomian di Indonesia. Peternakan merupakan sektor yang menjanjikan, namun dibalik itu semua terdapat kendala-kendala dalam masalah pengelolaan peternakan. Dari susahnya pemberian pakan ternak secara teratur, pemantauan lingkungan sekitar kandang, dan proses pengembangbiakan hewan ternak itu sendiri. Dengan kemajuan teknologi seperti sekarang ini maka seluruh pekerjaan yang ada di dalam peternakan tersebut dapat diatasi. Penciptaan teknologi yang dapat membantu memudahkan pekerjaan para pekerja sangat dibutuhkan. Maka dari itu, jurnal ini ditulis bertujuan untuk mengetahui apa saja pemanfaatan sistem kontrol (control system) yang terintegrasi dengan teknologi Internet of Things (IoT) pada peternakan yang ada di Indonesia. Pada jurnal yang ditulis oleh penulis menggunakan metode penelitian literature rivew/studi pustaka. Hasil dari penulisan jurnal ini merupakan gambaran mengenai teknologi apa saja yang dapat dimanfaatakan pada bidang peternakan terkait dengan sistem kontrol (control system) yang terintegrasi dengan teknologi Internet of Things (IoT). Harapannya ketika para peternak mengimplementasikan teknologi-teknologi ini dapat memberikan manfaat berupa meningkatkan hasil dan kualitas ternak. Dari seluruh pembahasan masing-masing pemanfaatan akan diberikan citation agar memudahkan pembaca untuk mencari rujukan agar lebih memahami dari pemanfaatan teknologi tersebut.
Design and Construction of an Internet of Things-Based Landslide Early Detection System in Landslide-Prone Areas Prasetyo, Sidik; Susanto, Rudi; Pramono, Pramono
Journal of Artificial Intelligence and Software Engineering Vol 5, No 2 (2025): Juni On-Progress
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i2.6847

Abstract

Landslides are one of the natural disasters that often occur in Indonesia due to the geographical conditions dominated by mountainous and hilly areas, coupled with high rainfall. Landslides can cause huge losses and casualties due to the absence of a system that can provide real-time warnings as a preventive measure. This research aims to design and build an Internet of Things (IoT)-based landslide early detection system that is able to detect environmental conditions that have the potential for landslides in real-time. The system uses an ESP32 microcontroller as the control center connected with a rain sensor (YL-83), a tilt sensor (MPU6050), and a soil moisture sensor (Capacitive Soil Moisture). Data from the sensors is sent via RESTful API and WebSocket with WiFi connection to the monitoring website. The system is also equipped with a buzzer and RGB LED as a warning indicator if environmental conditions are detected that have the potential for landslides. For a power source, a rechargeable 18650 battery is used and combined with a Step-Up and Charger Module J5019 to maintain voltage stability. The test results conducted in the test environment obtained 40 experimental data with stable sensor readings, and all components can function properly and can display data on the monitoring website. This system offers a practical solution to support disaster mitigation in landslide-prone areas.
Klasifikasi Sampah Organik dan Anorganik Menggunakan Transfer Learning MobileNetV2 pada Citra Digital Syarif , Muhammad; Prasetyo, Sidik; Oktaviana Az Zahra, Erika; Indra Kristiawan, Yohanes; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/wabtd264

Abstract

Permasalahan sampah masih menjadi isu serius di berbagai kota besars, terutama akibat kurangnya pemilahan antara sampah organik dan anorganik sejak dari sumbernya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis sampah berbasis citra digital menggunakan pendekatan transfer learning dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari gambar sampah organik seperti daun kering dan sisa makanan, serta sampah anorganik seperti plastik dan botol bekas, yang dikumpulkan dari lingkungan nyata. Proses pelatihan dilakukan di Google Colab dengan teknik augmentasi dan normalisasi data. Model dilatih selama 15 epoch dan mencapai akurasi validasi sebesar 93%. Evaluasi terhadap 20 citra uji baru menunjukkan akurasi klasifikasi sebesar 100%, dengan nilai confidence score yang tinggi pada sebagian besar gambar. Hasil ini menunjukkan bahwa MobileNetV2 memberikan hasil yang sesuai dalam mengenali jenis sampah, bahkan dengan keterbatasan data dan sumber daya komputasi. Kendati demikian, model mengalami sedikit penurunan kepercayaan pada citra dengan karakteristik visual ambigu. Penelitian ini menunjukkan potensi penggunaan deep learning dalam pengelolaan sampah berbasis teknologi, dan dapat menjadi dasar pengembangan sistem pemilah sampah otomatis berbasis kamera.
Co-Authors Gilang Pramudito, Vincensius Indra Kristiawan, Yohanes Irawan, Ridwan Dwi Oktaviana Az Zahra, Erika Pramono Pramono Pramono Rudi Susanto Satria Yudha, Rafiq Syarif , Muhammad