Article Per Year (5 Year)
p-Index From 2021 - 2026
1.686
P-Index
This Author published in this journals
All Journal Proceeding SENDI_U Jurnal Ilmiah Dinamika Rekayasa (DINAREK) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan InComTech: Jurnal Telekomunikasi dan Komputer Journal of Telecommunication, Electronics and Control Engineering (JTECE) eProceedings of Engineering Jurnal Litek : Jurnal Listrik Telekomunikasi Elektronika Jurnal INFOTEL Jurnal Informatika: Jurnal Pengembangan IT Jurnal Ecotipe (Electronic, Control, Telecommunication, Information, and Power Engineering)
Dadiek Pranindito
Institut Teknologi Telkom Purwokerto
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Efisiensi Cnn Dan Rnn Dalam Klasifikasi Down Syndrome Pada Usia Balita Ramadan, Alfiansyah; Khairul Luthfi, Naufal; Rifqi Althaaf, Muhammad; Pranindito, Dadiek; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Perkembangan teknologi kecerdasan buatan,khususnya machine learning, telah membuka peluang barudalam bidang kesehatan, termasuk diagnosis dini Downsyndrome pada balita. Penelitian ini bertujuan menganalisisefisiensi dua model deep learning, yaitu Convolutional NeuralNetwork (CNN) dan Recurrent Neural Network (RNN), dalammengklasifikasikan Down syndrome berdasarkan citra wajah.Metode yang digunakan meliputi pengumpulan data, prapemrosesan citra, pelatihan model, dan evaluasi menggunakanmetrik accuracy, precision, recall, dan F1-score. Hasil penelitianmenunjukkan bahwa CNN mencapai akurasi lebih tinggi(0.9383 pada data pelatihan), namun memiliki keterbatasandalam mendeteksi kasus positif (precision 0.6772, recall 0.7044).Sementara itu, RNN menunjukkan kinerja lebih baik dalammendeteksi Down syndrome (recall 0.9571, F1-score 0.8724),meskipun akurasinya lebih rendah (0.7757). Pada tahap validasidan pengujian, RNN tetap unggul dalam recall (0.9832 dan0.9928), menjadikannya lebih cocok untuk aplikasi medis yangmemprioritaskan deteksi kasus positif. Penelitian inimenyimpulkan bahwa pemilihan model tergantung padakebutuhan: CNN untuk akurasi umum, sedangkan RNN untukdeteksi komprehensif dengan risiko false negative minimal.Temuan ini memberikan kontribusi penting bagipengembangan sistem diagnosis berbasis AI yang lebih akuratdan efisien.Kata kunci— Down syndrome, CNN, RNN, klasifikasicitra, machine learning
Rancang Bangun Prototipe Pemantau Kekeruhan Air Dan Pengaturan Pakan Ikan Louhan Pada Akuarium Berbasis IOT Yulia Siska, Diah; Pranindito, Dadiek; Yuliantoro, Prasetyo
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini bertujuan untukmengevaluasi performa sensor Light Dependent Resistor(LDR) dalam sistem otomasi lampu jarak jauh sepedamotor yang terintegrasi dengan Internet of Things (IoT).Sistem ini dirancang untuk merespons intensitas cahayadi lingkungan sekitar, terutama dari arah kendaraanlain, guna mengatur kecerahan lampu secara otomatissehingga potensi silau dapat diminimalkan. Komponenutama yang digunakan meliputi sensor LDR,mikrokontroler NodeMCU ESP8266, layar OLED, sertakoneksi ke aplikasi Telegram melalui protokolkomunikasi MQTT.Proses kalibrasi dilakukan dengan membandingkankeluaran ADC dari sensor dengan pembacaan luxmenggunakan lux meter standar, dan menghasilkankorelasi linear dengan akurasi tinggi. Sistem diuji dalamrentang kecepatan kendaraan antara 10 hingga 70km/jam. Hasil pengujian menunjukkan bahwa padakecepatan 10 km/jam tercatat intensitas cahaya sebesar69,26 lm/m², meningkat menjadi 278,63 lm/m² dikecepatan 20 km/jam, dan mencapai 378,77 lm/m² pada30 km/jam. Namun, pada 40 km/jam, intensitas turundrastis menjadi 50,71 lm/m², sedangkan pada kecepatan50 dan 60 km/jam, sistem tidak mendeteksi cahaya samasekali (0,00 lm/m²). Di kecepatan 70 km/jam, sensorkembali mendeteksi cahaya dengan intensitas sebesar73,16 lm/m².Secara keseluruhan, sistem menunjukkanresponsivitas dan akurasi yang baik dalam mendeteksicahaya sekitar serta mampu mengirimkan data secarareal-time melalui Telegram. Temuan ini mendukungefektivitas penggunaan sensor LDR dalam sistemotomatisasi lampu kendaraan, yang dapat meningkatkankeselamatan berkendara pada malam hari.Kata Kunci: LDR, ESP8266, IoT, lux meter,Telegram, MQTT, kecepatan kendaraan, kalibrasisensor
Rancang Bangun Smart Indoor Farming Berbasis Internet of Things Dengan Visible Light Communication Hasriya Putri, Elvina; Yuliantoro, Prasetyo; Pranindito, Dadiek
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Kegiatan bercocok tanam pada lingkunganperkotaan menghadapi beberapa rintangan, sepertiketerbatasan ruang dan waktu. Hal ini dikarenakan lahan hijauyang semakin mengecil dan juga padatnya kesibukanmasyarakat yang tinggal di perkotaan. Hidroponik menjadisolusi bercocok tanam yang efisien di tengah keterbatasan lahandi perkotaan. Namun meskipun hidroponik menjadi solusiefisien untuk bercocok tanam di lahan terbatas, pemantauankualitas air seperti pH dan TDS masih dilakukan secaramanual. Hal ini menyebabkan ketidaktepatan dalampengaturan nutrisi, yang dapat menghambat pertumbuhantanaman dan mengurangi hasil panen. Contohnya, nilaikeasaman air yang tidak terkontrol dapat menyebabkan akarmembusuk atau tanaman keracunan nutrisi Hidroponik hadirsebagai salah satu solusi yang dapat dilakukan oleh masyarakatperkotaan untuk mengatasi keterbatasan lahan karena dapatdilakukan di dalam rumah. Namun, pemeliharaan hidroponikmemiliki cara pemantauan yang lebih rumit dibandingkantanaman biasa. Pada tanaman hidroponik, pemilik harusmelakukan pemantauan keasaman air dan juga nilai kualitasair yang dilakukan dengan alat ukur. Maka diperlukan sebuahsistem dengan tujuan untuk memudahkan pemilik hidroponikdalam melakukan pemantauan kualitas hidroponik nya. Sistemsmart indoor farming atau pertanian pintar didalam ruanganini dibuat agar pemilik hidroponik dapat melakukanpemantauan dari telepon seluler masing-masing denganmemanfaatkan teknologi visible light communication dan jugainternet of things. Sistem ini mampu mengirimkan data keaplikasi telegram pada telepon seluler pemiliknya denganmemanfaatkan cahaya lampu pada tanaman hidroponik.Kata kunci— Hidroponik, Kualitas air, Visible LightCommunication, Internet of Things
Co-Authors Abny Irawan Alfin Hikmaturokhman Andhara Ersa Tarayana Ardimas Aji Nugroho Bongga Arifwidodo Donny Bayu Dwiartanto Dyah Wahyuningrum, Reni Eka Wahyudi Eko Fajar Cahyadi Hasriya Putri, Elvina Imam Muhammadi Pradono Budi Iryani, Nanda Khairul Luthfi, Naufal Khoirunnidzom, Nizam Nanda Iryani Nizam Khoirunnidzom Pamungkas, Nurul Aziz Petronella Pattinasarani Petronella Pattinasarani, Petronella Pradana, Zein Hanni Prasetyo Yuliantoro Pratama, Aydi Haris R Rumani Rumani R Rumani Rumani, R Rumani Ramadan, Alfiansyah Rendy Munadi Rifqi Althaaf, Muhammad Rizki Daenira, Levana Rizki Daenira, Levana Sahal Nurhidayah, Muhammad Syariful Ikhwan Yulia Siska, Diah