Article Per Year (5 Year)
p-Index From 2021 - 2026
2.768
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Pengabdian kepada Masyarakat Nusantara eProceedings of Engineering
Rifqi Muhammad Fikri
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Desain 3D dan Implementasi IoT pada Sistem Pemberian Makanan Kucing Otomatis Berbasis Deep Learning Fadhel, Hafiz Muhammad; Kallista, Meta; Fikri, Rifqi Muhammad
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pemberian pakan kucing secara teratur dan terukur merupakan salah satu faktor penting dalam menjaga kesehatan hewan peliharaan. Namun, banyak pemilik kucing menghadapi kendala dalam mengatur porsi dan jadwal makan secara konsisten karena keterbatasan waktu. Penelitian ini mengusulkan pengembangan sistem smart feeder berbasis Internet of Things (IoT) yang terintegrasi dengan teknologi deep learning untuk memantau dan mengatur pemberian makanan kucing secara otomatis. Proses perancangan dimulai dengan pembuatan desain 3D perangkat menggunakan kombinasi material akrilik, kayu, dan komponen hasil cetak 3D berbahan PLA. Raspberry Pi 4 digunakan sebagai mikrokontroler utama yang mengendalikan sensor beban untuk pengukuran porsi makanan, kamera untuk deteksi keberadaan kucing, serta aktuator untuk mekanisme distribusi pakan. Sistem IoT memungkinkan pemilik memantau dan mengontrol perangkat melalui aplikasi berbasis web secara real-time. Hasil implementasi menunjukkan bahwa rancangan ini mampu memberikan porsi makanan sesuai pengaturan dan beroperasi secara otomatis sesuai jadwal yang ditentukan. Kesimpulannya, penggabungan desain mekanis, IoT, dan deep learning dapat menghasilkan perangkat pemberian pakan kucing yang efisien, praktis, dan membantu pemilik dalam mengoptimalkan perawatan hewan peliharaan. Kata kunci — Deep Learning, Internet Of Things, Smart Feeder, Desain 3d, Raspberry Pi 4B, Sensor Beban
Impementasi Deep Learning Berbasis YOLOv5 Untuk Identifikasi Kucing Individu pada Pet Feeder Manna, Muhammad Rayyan Aqiilah; Kallista, Meta; Fikri, Rifqi Muhammad
eProceedings of Engineering Vol. 12 No. 5 (2025): Oktober 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Penelitian ini mengembangkan dan mengimplementasikan model deep learning pada sistem Smart Pet Feeder untuk mengenali kucing peliharaan individu berdasarkan foto yang diunggah pengguna melalui aplikasi. Teknologi You Only Look Once (YOLO) dipilih karena memiliki kecepatan deteksi tinggi dan akurasi yang memadai untuk pengenalan secara real-time. Dataset dibuat secara khusus dari foto-foto kucing milik pengguna dengan berbagai sudut dan kondisi pencahayaan guna meningkatkan kemampuan generalisasi model. Proses pelatihan dilakukan dengan pengaturan hyperparameter yang divariasikan, kemudian dievaluasi menggunakan metrik mean Average Precision (mAP) dan confusion matrix untuk mengukur performa prediksi. Hasil pengujian menunjukkan model mampu mengenali kucing dengan akurasi tinggi pada kondisi pencahayaan terang, namun mengalami penurunan performa pada kondisi minim cahaya. Tingkat keakurasian model pada alat sangat bergantung pada kualitas, sudut, dan pencahayaan foto yang diunggah oleh pengguna. Integrasi model ke dalam Smart Pet Feeder memungkinkan sistem mengatur akses makan hanya untuk kucing yang terdaftar, sehingga meningkatkan keamanan, mengurangi risiko makanan diakses kucing lain, dan membantu pemilik memantau aktivitas makan hewan peliharaan secara efektif. Kata kunci— computer vision, deep learning, deteksi realtime, identifikasi kucing, smart pet feeder, YOLO
Co-Authors Akbar, Maulidiatama Annisa, Shavira Nur Anugerah, Rey Rizqi Ari indra Susanti Ariasa, Rafif Ashri Dinimaharawati Ayi Purbasari Azhar, Ferikho Fatih Burhanuddin Dirgantoro Butar-Butar, Muhammad Raihan Dhesvira Nurseha Putri Dirgantara, Fussy Mentari Dwiyansyah, Muhammad Raflika Dzikra, Iffat Fadhel, Hafiz Muhammad Fadhilah , Muhammad Rizal Faisal Candrasyah Hasibuan Farha S. N, Augyres Fauzaan, Muhammad Rifqi Al Fauzi, Farhan Rizki Firdaus, Mohamad Fidi Kalista, Meta Khoerul Umam, Khoerul Malikulmulki, Jaisy Manna, Muhammad Rayyan Aqiilah Meta Kallista Muhammad Rafindha Aslam Prayoga, Ivan Fernanda Purba Daru Kusuma Putra, Ibrahim Bintang Rismayadi Putti, Fasya Hanifah R. Yunendah Nur Fu’adah Ramadhanti, Tassya Rita Magdalena Roswan Latuconsina Ruluwedrata Rinawan, Fedri Sihaloho, Mutiara Tampubolon, Yosua Gery Zulianto, Arief