Article Per Year (5 Year)
p-Index From 2021 - 2026
2.242
P-Index
This Author published in this journals
All Journal IJCIT (Indonesian Journal on Computer and Information Technology) Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Journal of Robotics and Control (JRC) Abdi Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi eProceedings of Engineering Jurnal Informatika: Jurnal Pengembangan IT
Muhammad Adib Kamali
Institut Teknologi Telkom Surabaya
Aerospace Engineering Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Rekomendasi Pemilihan Program Studi Menggunakan Support Vector Regression Ayu Ainun A'ziziyyah; Bernadus Anggo Seno Aji; Muhammad Adib Kamali
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 7, No 2 (2022): November 2022
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcit.v7i2.14120

Abstract

Salah jurusan saat kuliah berdampak pada mahasiswa akan malas dan mendapat nilai yang kurang memuaskan. Jurusan yang kurang seimbang dengan kemampuan mahasiswa mengakibatkan mahasiswa kurang mengerti materi atau bahkan tidak menyukai materi perkuliahan yang diberikan. Maka sangat penting bagi seorang siswa untuk memilih jurusan yang sesuai dengan bidang minat, bakat dan kemampuannya. Penelitian ini bertujuan untuk memberikan rekomendasi program studi bagi calon mahasiswa menggunakan metode Support Vector Regression dengan skenario penelitian berdasarkan input data yaitu menggunakan data nilai raport per semester dan data mean per mata pelajaran, skenario penelitian berdasarkan kernel yaitu menggunakan kernel RBF, Polynomial, dan Linear. Hasil akurasi terbaik didapatkan ketika menggunakan data nilai per semester dan kernel RBF, yaitu mendapat akurasi MAPE sebesar 5% dan MAE sebesar 0,16. Dan pada uji coba 10 sampel IPK tertinggi dari seluruh program studi didapatkan bahwa hasil dari rekomendasi 80% cocok dengan data asli. Wrong majors during college have an impact on students to be lazy and get unsatisfactory grades. Majors that are less balanced with student abilities result in students not understanding the material or even not liking the lecture material given. So it is very important for a student to choose a major that is in accordance with the areas of interest, talents and abilities. This study aims to provide study program recommendations for prospective students using the Support Vector Regression method with research scenarios based on input data, namely using report card scores per semester and mean data per subject, kernel based research scenarios using RBF, Polynomial and Linear kernels. The best accuracy results were obtained when using the value data per semester and the RBF kernel, which obtained an accuracy of 5% MAPE and 0.16 of MAE. And in the trial of the 10 highest GPA samples from all study programs, it was found that the results of the recommendations matched the original data 80%.
Sistem Estimasi State of Charge untuk Aplikasi Sistem Tertanam Berbasis Neural Networks Muhammad Adib Kamali; Wansu Lim
Jurnal Nasional Teknik Elektro dan Teknologi Informasi Vol 12 No 2: Mei 2023
Publisher : Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jnteti.v12i2.6632

Abstract

The conventional state of charge (SOC) estimation model has several concerns, such as accuracy and reliability. In order to realize robust SOC estimation for embedded applications, this study focuses on three concerns of the existing SOC estimation model: accuracy, robustness, and practicality. In improving the estimation accuracy and robustness, this study took into account the dynamic of the actual SOC caused by the dynamic charging and discharging process. In practice, the charging and discharging processes have characteristics that must be considered to realize robust SOC estimation. The model-based SOC estimation developed based on the virtual battery model causes difficulties for real-time applications. Additionally, model-based SOC estimation cannot be reliably extrapolated to different battery types. In defining the behavior of various types of batteries, the model-based SOC estimation must be updated. Hence, this study utilized data-driven SOC estimation based on an artificial neural network (ANN) and measurable battery data. The ANN model, which has excellent adaptability to nonlinear systems, is utilized to increase accuracy. Additionally, using measurable battery data such as voltage and current signals, the SOC estimation model is suitable for embedded applications. Results indicate that estimating SOC with the proposed model reduced errors with respect to actual datasets. In order to verify the feasibility of the proposed model, an online estimation was out on the embedded system with the use of C2000 real-time microcontrollers. Results show that the proposed model can be executed in an embedded system using measurable battery data.
Evaluating the Battery Management System's Performance Under Levels of State of Health (SOH) Parameters Amifia, Lora Khaula; Kamali, Muhammad Adib
Journal of Robotics and Control (JRC) Vol 4, No 6 (2023)
Publisher : Universitas Muhammadiyah Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18196/jrc.v4i6.20401

Abstract

Batteries in electric vehicles are the primary focus battery health care. The Battery Management System (BMS) maintains optimal battery conditions by evaluating the system's Htate of health (SOH). SOH identification can recommend the right time to replace the battery to keep the electric vehicle system working optimally. With suitable title and accuracy, the battery will avoid failure and have a long service life. This research aims to produce estimates and identify SOH parameters so that the performance of the battery management system increases. The central parameter values obtained are R0, Rp, and Cp based on Thevenin battery modeling. Then, to get good initialization and accurate results, the parameter identification is completed using an adaptive algorithm, namely Coulomb Counting and Open Circuit Voltage (OCV). The two algorithms compare the identification results of error, MAE, RSME, and final SOH. The focus of this research is to obtain data on estimation error values along with information regarding reliable BMS performance. The performance of the current estimation algorithm is known by calculating the error, which is presented in the form of root mean square error (RMSE) and mean absolute error (MAE). The SOH estimation results using Coulomb Counting have a better error than OCV, namely 1.770%, with a final SOH value of 17.33%. The Thevenin battery model can model the battery accurately with an error of 0.0451%.
Development of Web-Based Library Management System for SMA Negeri 13 Surabaya (PUSGALAS) Kristanto, Titus; Kamali, Muhammad Adib
Abdi Masyarakat Vol 7, No 1 (2025): Abdi Masyarakat
Publisher : Lembaga Penelitian dan Pendidikan (LPP) Mandala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58258/abdi.v7i1.9011

Abstract

School libraries are one of the important facilities that can be used to improve literacy culture and learning quality. However, managing libraries manually often causes various problems, including problems with recording book data, borrowing transactions, and limited access to information for students and teachers. Community service activities in the form of building a web-based library management system called PUSGALAS (Pusat Galeri Literasi SMA Negeri 13 Surabaya). The purpose of the system is to improve efficiency and ease of access to literacy services in schools. Needs analysis, design, implementation, testing, and evaluation are part of the Waterfall model used in the development of this system. This system is built using the PHP programming language and utilizes the Laravel framework and MySQL database. Book collection management, borrowing and returning, book searching, digital shelf visualization, and statistical reports are the main features available. The test results showed that the system was well received by users and met functional needs, with a satisfaction rate of more than 90% based on the User Acceptance Testing (UAT) evaluation. Therefore, PUSGALAS is considered effective in helping the transformation of school libraries into digital and can be an innovative solution to improve literacy services in secondary schools.
Perancangan Sistem Voice Recognition Berbasi AI Pada Layanan Drive Thru Restoran Cepat Saji Prasya Danendra, Revin; Rachmaningrum, Nilla; Adib Kamali, Muhammad
eProceedings of Engineering Vol. 12 No. 2 (2025): April 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan bisnis selalu meningkat seiring kebutuhan manusia yang bersifat konsumtif dalam bidang jasa layanan yaitu layanan drive-thru. Sistem layanan drive-thru pada restoran cepat saji menghadapi tantangan dalam efesiensi dan akurasi pemesanan, terutama untuk mengurangi biaya dan meningkatkan produktivitas layanan drive-thru. Penelitian ini bertujuan merancang dan mengaplikasikan sistem voice recognition berbasis AI pada layanan drive thru restoran cepat saji untuk meningkatkan keakuratan pemesanan. Teknologi voice recognition digunakan untuk mengubah gelombang suara menjadi bentuk teks dari model yang telah dilatih. Metode yang digunakan adalah metode Short Time Fourier Transform untuk membangun model Convolutional Neural Network dengan library Tensorflow menggunakan Python. Hasil dari penelitian yaitu akurasi sebesar 98%, presisi sebesar nilai 98%, recall sebesar 98%, dan F1-score sebesar 98%. Serta selama pelatihan 10 epoch mengalami kenaikan pada nilai akurasi dan penurunan pada nilai loss Hal ini menunjukkan bahwa model dapat mengenali pola – pola dan mampu mengenerelisasi data yang baru. Model yang dilatih disimpan dalam format h5 dan diimpelementasikan secara nyata. Kata kunci— Voice recognition, Convolutional Neural Network, Drive thru, Tensorflow, Python
HARMONI: Home Automation Module Berbasis Internet of Things dan Deep Learning Juniyanto, Muhammad Ma'sum; Aji, Bernadus Anggo Seno; Kamali, Muhammad Adib
Jurnal Informatika: Jurnal Pengembangan IT Vol 10, No 2 (2025)
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v10i2.7109

Abstract

Alat listrik yang tidak dimatikan saat tidak digunakan seringkali menyebabkan terjadinya korsleting listrik yang berakibat bencana kebakaran. Selain itu, hal ini juga berpotensi dalam pemborosan penggunaan energi listrik. Orang-orang menyambungkan alat listrik langsung pada sumber listrik melalui stop kontak atau melalui jalur listrik kemudian dihubungkan dengan sakelar, dalam pengoperasiannya. Ini cukup efektif, namun, seringkali dialami kelalaian dalam mematikan atau mencabutnya, sehingga berpotensi membahayakan. Modul otomasi rumah berbasis IoT dan Deep Learning dibuat untuk melakukan digitalisasi dan otomasi sakelar. Terdiri dari mikrokontroler ESP32-S3 dan ESP32 sebagai pengendali sistem, modul relay sebagai sakelar otomatis, modul kamera untuk mendeteksi orang, integrasi Google Home dengan platform Sinric.Pro, website Mowny dengan integrasi protokol HTTPS. Mikrokontroler, modul, relay disusun pada papan-sirkuit-cetak. Website Mowny untuk mengontrol saklar dan monitoring ruangan. Pendeteksian keberadaan orang menggunakan YOLO sebagai pemicu otomasi sakelar. Model deteksi dimuat melalui API untuk diakses pada website. Pengujian sistem meliputi empat skenario untuk menyala-matikan sakelar secara digital dan otomatis, menghasilkan waktu respon sebagai berikut (dalam satuan detik): Google Home (±3,468), Google Assistant (±4,348), website Mowny (±1,042), dan otomasi deteksi objek (±19,375). Modul otomasi ini dapat mengontrol alat listrik dari secara digital dan otomatis, yang berdampak pada kemudahan pengoperasian sakelar ketika mengalami kelalaian mematikan alat listrik
Pembuatan smart urban farming berbasis internet of things untuk kelompok tani Kamali, Muhammad Adib; Amiroh, Khodijah; Widyantara, Helmy; Hariyanto, Muhammad Dwi
Jurnal Inovasi Hasil Pengabdian Masyarakat (JIPEMAS) Vol 6 No 2 (2023)
Publisher : University of Islam Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33474/jipemas.v6i2.19289

Abstract

Masyarakat yang tergabung dalam kelompok tani di bawah binaan Dinas ketahanan pangan dan pertanian (DKPP) surabaya seluruhnya bertani secara konvensional. Pertanian di wilayah perkotaan memiliki tantangan tersendiri, seperti lahan terbatas, kualitas tanah yang buruk, dan kekurangan air. Oleh karena itu, dibutuhkan solusi yang inovatif untuk meningkatkan produksi pertanian di wilayah perkotaan. Kegiatan pengabdian masyarakat ini ditujukan untuk membantu DKPP membina kelompok tani untuk meningkatkan kualitas hasil panen dan efisiensi dalam menjalankan proses pertanian. Metode kegiatan ini disusun berdasarkan Participatory Action Research (PAR) untuk menghasilkan pengetahuan yang berguna dan praktis. Tahapan pelaksanaan kegiata terdiri dari 4 tahap yaitu identifikasi masalah melalui focus group discussion (FGD), perangcangan alat, pelatihan serta serah terima alat, dan evaluasi. Hasil dari pengabdian ini menunjukkan masyarakat kelompok tani dapat mempertahankan kualitas media tanam, yang sangat penting untuk pertumbuhan dan perkembangan tanaman dengan lebih mudah dan efisien. Dengan adanya sistem smart farming yang telah dihasilkan, diharapkan dapat meningkatkan efisiensi dan produktivitas pertanian, sehingga dapat meningkatkan ketersediaan pangan dan kesejahteraan masyarakat.
Pendekatan Berkelanjutan untuk Network-Attached Storage: Pemanfaatan Ulang Set-Top Box dengan Optimasi Unggahan Data Melalui Fixed-Size Chunking Fender Muhammad Adhienugroho; Philip Tobianto Daely; Muhammad Adib Kamali
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Dalam perkembangan teknologi informasi saat ini, kebutuhan akan solusi penyimpanan data yang efisien dan ekonomis menjadi semakin mendesak. Penelitian ini mengkaji optimalisasi pemanfaatan Set-Top Box (STB) ZTE B860H sebagai perangkat Network Attached Storage (NAS) dengan melakukan modifikasi dan instalasi sistem operasi Armbian beserta aplikasi NAS berbasis web yang dikembangkan menggunakan PHP. Tujuan utama penelitian ini adalah untuk mengubah STB bekas menjadi solusi penyimpanan data yang terjangkau dan ramah lingkungan, sekaligus memperpanjang masa pakai perangkat tersebut. Metode fixed-size chunking diimplementasikan untuk mengoptimalkan proses unggah data, dengan menganalisis pengaruh ukuran chunk terhadap throughput dan efisiensi sistem. Hasil pengujian menunjukkan bahwa STB yang telah dimodifikasi mampu memberikan kinerja transfer data yang stabil dan efisien. Rata-rata throughput unggah mencapai 9.7 MB/s dan unduh 11.3 MB/s, dengan penggunaan sumber daya (CPU dan RAM) yang terkontrol. Konsumsi daya perangkat juga tergolong rendah, yaitu 4.0 Watt saat idle dan maksimal 10.7 Watt saat beroperasi. Berdasarkan hasil ini, solusi NAS yang dikembangkan diklasifikasikan sebagai Home Cloud atau NAS untuk penggunaan pribadi dan usaha kecil, menegaskan kelayakan STB bekas sebagai alternatif penyimpanan data yang efektif, terjangkau, dan berkontribusi pada pengurangan limbah elektronik. Kata kunci— NAS, STB, Limbah Elektronik, fixed-size chunking
Sistem Irigasi Presisi Dengan Prediksi Cuaca Menggunakan Algoritma Random Forest Berbasis Aplikasi Blynk Reynanda Shaquille Purwanto; Helmy Widyantara; Muhammad Adib Kamali
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Budidaya kelengkeng di lingkungan terbatas seperti rooftop menghadapi tantangan dalam manajemen air yang efisien akibat dinamika lingkungan dan kebutuhan tanaman yang spesifik. Sistem irigasi konvensional seringkali tidak efektif dan menyebabkan pemborosan sumber daya. Penelitian ini bertujuan merancang, membangun, dan menguji sistem irigasi presisi yang mengintegrasikan Internet of Things (IoT) untuk pemantauan dan Machine Learning untuk pengambilan keputusan penyiraman secara cerdas dan otomatis. Sistem ini menggunakan mikrokontroler ESP32 yang terhubung dengan sensor kelembaban tanah, suhu dan kelembaban udara, curah hujan, dan kecepatan angin untuk mengumpulkan data yang dapat dipantau melalui aplikasi Blynk. Dua model Machine Learning dengan algoritma Random Forest dikembangkan: satu model klasifikasi untuk prediksi cuaca (hujan/tidak hujan) dan satu model regresi untuk penentuan durasi irigasi. Model-model ini dilatih dan dievaluasi menggunakan dataset aktual yang dikumpulkan dari lapangan. Hasil pengujian menunjukkan performa model yang baik. Model klasifikasi untuk prediksi cuaca mencapai akurasi keseluruhan sekitar 0.73 (73%), presisi 0.82 untuk kelas 'Hujan', dan recall 0.96 untuk kelas 'Tidak Hujan'. Ini membuktikan kemampuan model untuk mendeteksi kondisi tidak hujan secara andal, sementara presisi yang cukup tinggi pada kelas 'Hujan' membantu menghindari penyiraman yang tidak perlu. Sementara itu, model regresi untuk penentuan durasi irigasi mencapai Mean Squared Error (MSE) sebesar 43.72 detik² dan koefisien determinasi (R²) 0.89. Hasil ini mengindikasikan bahwa model mampu mempelajari pola dari parameter lingkungan dan mengubahnya menjadi estimasi durasi penyiraman yang presisi dan andal. Integrasi IoT dan Machine Learning ini terbukti berhasil menciptakan sistem irigasi yang cerdas dan efisien, mampu mengoptimalkan penggunaan air dan mendukung pertanian urban yang berkelanjutan di lingkungan yang menantang. Kata kunci— Irigasi Presisi, Internet of Things, Machine Learning, Random Forest, Tanaman Kelengkeng, ESP32.
Penerapan Internet of Things (IoT) untuk Otomatisasi Pemberian Pakan dan Pemantauan Air Kelompok Tani Wiyata Axel Danu Pramudita; Helmy Widyantara; Muhammad Adib Kamali
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Pembudidayaan ikan lele menghadapi tantangan dalam pemberian pakan yang tepat untuk mencegah overfeeding dan penurunan kualitas air akibat kekeruhan, yang dapat berdampak pada kesehatan ikan. Penelitian ini bertujuan merancang sistem pemberian pakan otomatis berbasis IoT dengan kemampuan pemantauan kualitas air jarak jauh. Sistem dibangun menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor dan aktuator, serta menerapkan regresi linier untuk memprediksi berat ikan berdasarkan umur sebagai dasar logika pemberian pakan. Sistem diuji di kolam Kelompok Tani Wiyata dan berhasil berfungsi sesuai rancangan, memungkinkan kontrol dan pemantauan jarak jauh. Hasil penelitian menunjukkan prediksi berat ikan dengan rata-rata error 18,27 persen, namun akurasi porsi pakan memiliki error sebesar 42,23 persen akibat metode perhitungan dan ketidaktepatan mekanis alat pemberi pakan. Akurasi perangkat pemberian pakan memiliki error 17 persen, sedangkan pembacaan sensor kekeruhan belum akurat. Meskipun sistem sudah fungsional, diperlukan kalibrasi sensor, penyempurnaan algoritma prediksi pakan, dan perbaikan mekanis agar efisiensi pemberian pakan optimal serta risiko overfeeding dapat ditekan secara efektif. Kata kunci— ikan lele, overfeeding, Internet of Things (IoT), regresi linier, kualitas air, sistem otomatisasi
Co-Authors Axel Danu Pramudita Ayu Ainun A'ziziyyah Bernadus Anggo Seno AjiAji Fachrel Kurniawan Farah Zakiyah Rahmanti Fender Muhammad Adhienugroho Ghozyan Hilman Kurniawan Hanif Guntur Laksono Sentosa Hariyanto, Muhammad Dwi Helmy Widyantara Juniyanto, Muhammad Ma'sum Khodijah Amiroh Lora Khaula Amifia Muhammad Mugi Fakip Anugrah Mustafa Kamal Nilla Rachmaningrum Philip Tobianto Daely Prasya Danendra, Revin Reynanda Shaquille Purwanto Rizaldy Febry Nugraha Titus Kristanto Wansu Lim Widi Pangestu Danar Wijanarko