Claim Missing Document
Check
Articles

Metode Data Mining dalam Kasus Seleksi Beasiswa: Literature Review Sulistiyanto, Sulistiyanto; Nadeak, Ebtaria; Rahmi, Nurlaili; Malahayati, Malahayati
Jurnal Penelitian Inovatif Vol 4 No 3 (2024): JUPIN Agustus 2024
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jupin.468

Abstract

Penerima beasiswa yang pada perjalanannya banyak ditemukan ketidaksesuaian sasaran membuat banyak pihak meragukan proses seleksi beasiswa. Dalam kenyataanya, praktik titipan orang dalam menjadi hal lumrah terjadi, yang mana tidak lagi melewati proses seleksi dan penilaian secara objektif. Hal ini terjadi karena proses penilaian dan seleksi masih bersifat subjektif. Bidang yang sering digunakan untuk membantu dalam proses seleksi beasiswa adalah data mining. Tinjauan Pustaka Sistematis digunakan untuk merangkum berbagai metode yang digunakan dalam proses seleksi beasiswa. Paper diseleksi melalui 3 tahapan, yaitu merencanakan, melaksanakan dan melaporkan hasil tinjauan. Pencarian artikel menggunakan tools PublishOrPerish dan didapatlah 500 artikel dan diseleksi menjadi 51 artikel. Penyusunan pertanyaan penelitian menggunakan metode PICOC. Tujuan paper ini adalah untuk melihat metode apa saja yang sering digunakan untuk proses seleksi beasiswa. Paper ini juga mengidentifikasi variabel apa yang sering digunakan dan berpengaruh pada proses pembuatan model pada metode-metode tersebut.hasil rangkuman menyatakan metode naive bayes, k-means, C4.5 dan k-nn menjadi metode yang banyak digunakan oleh peneliti. Sedangkan variabel yang berpengaruh pada model adalah penghasilan orang tua, jumlah tanggungan orang tua.
Application of Computer Vision and Pattern Recognition in Automated Quality Inspection of Industrial Products Nurdiyanto, Heri; Kindiasari, Aktansi; Sulistiyanto, Sulistiyanto
International Journal of Artificial Intelligence Research Vol 9, No 2 (2025): December
Publisher : Universitas Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v9i2.1507

Abstract

Quality inspection is a critical process in industrial production to ensure that products meet predefined standards and specifications. Traditionally, quality inspection has relied heavily on manual visual checks, which are time-consuming, subjective, and prone to human error. This study explores the application of computer vision and pattern recognition techniques to develop an automated quality inspection system for industrial products. The proposed system employs high-resolution cameras and image processing algorithms to capture and analyze visual features of products in real-time on the production line. Key techniques utilized include feature extraction, edge detection, and texture analysis to identify defects such as scratches, dents, and dimensional inaccuracies. Pattern recognition algorithms, such as support vector machines (SVM) and convolutional neural networks (CNN), are trained on large datasets of product images to classify items as acceptable or defective with high accuracy. The system was tested on a dataset collected from a manufacturing facility producing metal components. Experimental results demonstrate that the automated system achieved an inspection accuracy of 98%, significantly outperforming manual inspection methods in terms of speed and consistency. Furthermore, the integration of this system into the production line reduced inspection time by approximately 70% and minimized production downtime. This research highlights the potential of intelligent informatics, particularly computer vision and pattern recognition, in enhancing the efficiency, reliability, and scalability of industrial quality control processes. The findings suggest that such automated systems can contribute significantly to the advancement of Industry 4.0 by enabling smart manufacturing practices and reducing dependence on manual labor. Future work will focus on extending the system to handle more complex products and dynamic production environments
Analisis Kinerja Sistem Irigasi Berbasis Panel Surya 30 Wp untuk Peningkatan Produktivitas Pertanian Sulistiyanto, Sulistiyanto; Antoni, Wira; Yusrotun, Anis; Zuhair, Alvin; Mukhlison, Mukhlison
Akiratech Vol. 3 No. 1 (2026)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v3i1.280

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja dan efisiensi sistem irigasi berbasis tenaga surya skala kecil guna meningkatkan produktivitas pertanian. Sistem dirancang menggunakan panel surya 30 Wp, baterai 12 V 20 Ah, dan pompa DC 12 V 30 W untuk memenuhi kebutuhan pengairan lahan seluas 10 m × 5 m dengan tinggi genangan 3 cm. Kapasitas energi baterai sebesar 240 Wh dengan batas Depth of Discharge (DoD) 50% menghasilkan energi efektif sebesar 120 Wh. Rata-rata produksi energi harian panel surya sebesar ±150 Wh, sedangkan konsumsi energi pompa untuk satu siklus irigasi selama 3,1 jam sebesar ±93 Wh. Hasil ini menunjukkan bahwa sistem mampu beroperasi secara mandiri dan stabil secara energi. Berdasarkan observasi lapangan dan wawancara petani, penggunaan sistem ini meningkatkan hasil panen dari rata-rata 1,1 ton menjadi 1,5 ton per periode tanam atau meningkat sekitar 36%. Selain itu, waktu panen yang sebelumnya berkisar 115–120 hari dapat dipercepat menjadi 95–100 hari atau lebih cepat sekitar 17%. Dengan demikian, sistem irigasi tenaga surya yang dirancang terbukti layak secara teknis dan berkontribusi terhadap peningkatan efisiensi waktu serta produktivitas pertanian secara berkelanjutan.
Co-Authors Abdil Bar, Moh. Abdul Karim Abdul Mustaqim Abror, Yusron Sulthan Adin, Luthfi Agus Riyanto, Nanda Ahmad Fiqri, Ahmad Ahmad Jailani, Ahmad Ahmad, Tengku Ajiz, Allien Mostiara Rachman Alallah, akil AlBasyi, Ahmad Fulqin Anton, Muhammad Antoni, Wira Aperilian Damara, Tidar Pangestu Apsiswanto, Untoro Arif Rahman Bachtera Indarto, Bachtera Bahar, Syaiful Bestari, Afif Ghurub Bima Saputra Budi Sutomo, Budi Denny Trias Utomo, Denny Trias Devani, Ferizka Tiara Devyce, Achmad Ebtaria Nadeak, Ebtaria Egga Asoka Ekowati, Masroro Lilik Emeralda Ayu Kusuma Enggar, Ratri Farhan Nuruzzaman, Ahmad Febritama, Dani Ferry Kurniawan, Ferry Firdaus, Mochammad Ferdion Fredy Susanto Furaichan, Ariel Ifdhol Hadits, Nurul Hairunnisa, Afifah Hanif, Muhammad Ubaidillah Al Haqqy, Zetya Maulanal Herlinda Kusmiati Hidaytullah, Aditya Arif Imam Mawardi Indra Satriadi Iskawanto, Hilman Saraviyan IsroAfifi, Muhammad Jesen Karim, Abd Kesuma, Fitrianto Puja Ketut Tirtayasa Khoirudin Khoirudin, Khoirudin Kiani, Yoga Kindiasari, Aktansi Kunio, Nurul Ilma Hasana Kusuma, Fitrianto Puja Lawahery, Elphido Theopilos Lestari, L. Tri M. Mahbubi Malahayati Malahayati Mardiana Mardiana Marini . Muhammad Hasan Basri Muhammad Reza Redo Islami Muhammad, M Muharni, Sita Mukhlison Mukhlison, Mukhlison Natawijaya, Krisna Nouval, Moh. Nur Syamsi Nurdiyanto, Heri Oktapriandi , Sony Pangestu, Galang Pratama, Candra Pratama, M. Rizky Anugrah Prihantoro, Kasih Rahmadanti, Esya Aulia Rahmatullah, Ali Rahmi, Nurlaili Ravie Kurnia Laday Rehardiningtyas, Dyah Anissa Retno, Sri Rianto, Budi Robiatul Adawiyah Romadhoni, Samsul Arifin Rozi, Deny Fathur Samosir, Amril Saprudin, Usep Saputra, Bayu Adi Saputri, Tri Aristy Shofiyullah, Moh Shudiq, Wali Ja’far Sigit Andriyanto Sri Umiyati, Sri Sri Widoretno Sudirman Sudirman Surahmat Surahmat, Surahmat Suromo, Imam Syaiful . Syaputra, Muhammad Adie Taufik, Wildan Trimedianto, Arfin Uddin, Ameer Utari, Marti Wardatul Jannah, Sutra Wardaya, Awwali Ibnu Warsono, Heribertus Yudho Wati, Ade Sukma Wijaya, Krisna Nata Ximenes, Juvinal Yakin, Ainul Yuli Prasetyo Yulia Hapsari Yusrotun, Anis Zainul Abidin Zuhair, Alvin