Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Informatics Development

Rancang Bangun Alat Monitoring Temperature Klem Sambungan Travo Pada Kubikel Incoming 20Kv Berbasis IoT Edi Randika; Dyah Ariyanti; Misdiyanto Misdiyanto
Journal of Informatics Development Vol. 1 No. 1 (2022): Oktober 2022
Publisher : Institut Teknologi dan Bisnis Widya Gama Lumajang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30741/jid.v1i1.895

Abstract

Perkembangan teknologi pada era revolusi industri 4.0 membuat banyak aspek kehidupan manusia yang sifatnya berulang dapat digantikan dengan teknologi. Begitupun yang terjadi pada perusahaan PT PLN Persero, dimana pada perusahaan tersebut memiliki sebuah suplier tenaga listrik yaitu gardu induk. Namun terdapat beberapa waktu dimana lonjakan penggunaan listrik akan terjadi di wilayah Surabaya, hal tersebut juga akan berdampak langsung pada proses distribusi listrik yang terjadi di gardu induk dimana salah satu peralatan yang terdampak adalah klem sambungan kabel dengan peralatan trafo. Sebelumnya pemantauan yang dilakukan untuk mengetahui kondisi dari suhu klem sambungan kabel dengan trafo tersebut adalah secara manual dengan alat thermo meter long-range, dimana para petugas harus bolak-balik untuk melakukan pengecekan. Namun pada penelitian saat ini akan dibuat sebuah solusi yang mengatasi hal tersebut, yaitu dengan membuat sistem monitoringklem sambungan kabel dengan trafo secara otomatis berbasis IoT. Sistem ini akan menggunakan sensor MLX90614 yang akan memantau suhu dari klem sambungan trafo, kemudian data yang dibaca oleh sensor akan masuk kedalam mikrokontroler ESP32 yang bertugas untuk mengatur keseluruhan sistem. Kemudian data tersebut akan dikirimkan pada server melalui protokol pengiriman data yaitu MQTT yang selanjutnya data tersebut akan ditampilkan pada dashboard secara online. Sehingga kondisi dari suhu klem sambungan trafo dapat diakses dari manapun oleh para petugas.
Aplikasi Penjualan Hewan Ternak UMKM Bapak Janam di Probolinggo Berbasis Web Misdiyanto Misdiyanto; Ira Aprilia; Rendy Widi Susanto
Journal of Informatics Development Vol. 1 No. 1 (2022): Oktober 2022
Publisher : Institut Teknologi dan Bisnis Widya Gama Lumajang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30741/jid.v1i1.897

Abstract

UMKM Bapak Janam adalah usaha rumahan dalam bidang penjualan hewan ternak kambing, domba dan sapi yang bermula dari berternak kambing dan sapi dan akhirnya berkembang menjadi pedagang kambing, domba dan sapi. Proses pemasaran dan penjualan yang masih dilakukan dengan menyebar informasi secara lisan. Untuk mengatasi hal ini, dibuatlah aplikasi penjualan hewan ternak secara online berbasis web. Dalam penelitian ini menggunakan metode kualitatif yakni dengan cara mengumpulkan catatan dan mengamati langsung proses dan masalah serta bertanya langsung pada pihak yang terkait. Serta metode perancangan sistem yang digunakan adalah System Development Life Cycle (SDLC) model waterfall dengan pengembangan perangkat lunak secara sistematik dan berurutan yang dimulai dari tahap Analisa, Perancangan, Penulisan, Pengujian dan Penerapan serta Pemeliharaan dengan sistem PHP dan basis data MySql. Hasil Aplikasi Penjualan berbasis web hewan ternak ini menunjukkan bahwa sistem dapat digunakan oleh pembeli dan penjual dan dapat diimplementasikan kedalam tampilan Web dengan baik.
Analysis Influence Segmentation Image on Classification Image X-raylungs with Method Convolutional Neural Fathur Rahman; Nuzul Hikmah; Misdiyanto Misdiyanto
Journal of Informatics Development Vol. 2 No. 1 (2023): October 2023
Publisher : Institut Teknologi dan Bisnis Widya Gama Lumajang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30741/jid.v2i1.1159

Abstract

The impact of image segmentation on the classification of lung X-ray images using Convolutional Neural Networks (CNNs) has been scrutinized in this study. The dataset used in this research comprises 150 lung X-ray images, distributed as 78 for training, 30 for validation, and 42 for testing. Initially, image data undergoes preprocessing to enhance image quality, employing adaptive histogram equalization to augment contrast and enhance image details. The evaluation of segmentation's influence is based on a comparison between image classification with and without the segmentation process. Segmentation involves the delineation of lung regions through techniques like thresholding, accompanied by various morphological operations such as hole filling, area opening, and labeling. The image classification process employs a CNN featuring 5 convolution layers, the Adam optimizer, and a training period of 30 epochs. The results of this study indicate that the X-ray image dataset achieved a classification accuracy of 59.52% in network testing without segmentation. In contrast, when segmentation was applied to the X-ray image dataset, the accuracy significantly improved to 73.81%. This underscores the segmentation process's ability to enhance network performance, as it simplifies the classification of segmented image patterns.