Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal G-Tech : Jurnal Teknologi Terapan
Afu Ichsan Pradana
Universitas Duta Bangsa Surakarta, Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management Energy Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Identifikasi Jenis Kelamin Otomatis Berdasarkan Mata Manusia Menggunakan Convolutional Neural Network (CNN) dan Haar Cascade Classifier Afu Ichsan Pradana; Wijiyanto Wijiyanto
G-Tech: Jurnal Teknologi Terapan Vol 8 No 1 (2024): G-Tech, Vol. 8 No. 1 Januari 2024
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/gtech.v8i1.3814

Abstract

Dalam forensik dan keamanan, penting untuk menentukan jenis kelamin seseorang. Identifikasi jenis kelamin dengan menggunakan beberapa jenis identifikasi, seperti gambar wajah, suara, atau tulisan tangan, telah dipelajari secara ekstensif dalam beberapa tahun terakhir. Namun banyak pelaku kejahatan yang sulit dikenali dalam rekaman CCTV karena mereka menutupi kepala mereka atau mengenakan topeng yang hanya menunjukkan bentuk mata tertentu. Pada artikel ini, kami mengeksplorasi penggunaan CNN dengan aktivasi Relu untuk setiap lapisan tersembunyi dan Algoritma Haar Cascade Classifier untuk mendeteksi objek mata manusia untuk mengenali mata manusia menggunakan deep learning. Sebanyak 11.525 gambar mata pria dan wanita menggunakan dataset publik yang diambil dari Kaggle digunakan sebagai data penelitian. Memanfaatkan optimasi Adam (Adaptive Moment Estimation), prosedur pelatihan berlangsung selama 20 epoch. Temuan penelitian ini memiliki tingkat akurasi 92% untuk mengidentifikasi jenis kelamin secara otomatis. Matriks evaluasi kinerja digunakan dalam investigasi ini, dan menghasilkan F1-Score keseluruhan sebesar 93%.
Alat Pendeteksi Kebocoran Gas LPG Pada Resto Ayam Bakar dan Goreng Kremes Tata Berbasis Internet Of Things Tri Endah Purnamawati; Afu Ichsan Pradana; Joni Maulindar
G-Tech: Jurnal Teknologi Terapan Vol 8 No 1 (2024): G-Tech, Vol. 8 No. 1 Januari 2024
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/gtech.v8i1.3815

Abstract

Gas LPG merupakan salah satu jenis gas yang paling sering dipergunakan untuk keperluan rumah tangga, kandungannya yang terdiri dari dua komponen yaitu propane (C3H8) dan butana (C4H10). Gas LPG memiliki kekurangan yaitu memiliki bahaya ketika terjadinya kebocoran gas. Kebocoran gas LPG merupakan resiko yang sangat berbahaya dan berdampak terhadap keselamatan manusia dan lingkungan sekitar. Dalam artikel ini, penulis membahas suatu pengembangan sistem untuk memonitoring deteksi kebocoran gas dengan metode prototype. Perancangan dimulai dengan menganalisa sistem yang sudah berjalan yang masih menggunakan cara manual dengan menghirup aroma gas untuk mendeteksinya dan belum ada sistem monitoringnya. Peneliti menggunakan ESP32 sebagai mikrocontroller dan sensor MQ-2 untuk mendeteksi adanya gas. Kemudian selanjutnya mengirimkan data kadar gas LPG ke aplikasi blynk sehingga bisa memberikan informasi yang cepat kepada user berupa suara dan pesan. Dari hasil pengujian penelitian tersebut menunjukkan sensor jenis MQ-2 efektif dapat mendeteksi kadar gas 300 – 1000 ppm secara cepat.
Pengembangan Sistem Deteksi Penyakit Tanaman Tomat Melalui Citra Daun dengan Metode You Only Look Once (YOLO) Berbasis Android Bagus Erwanto; Afu Ichsan Pradana; Dwi Hartanti
G-Tech: Jurnal Teknologi Terapan Vol 8 No 3 (2024): G-Tech, Vol. 8 No. 3 Juli 2024
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/gtech.v8i3.4327

Abstract

Pertanian memiliki peran penting dalam ekonomi Indonesia, khususnya sub-sektor hortikultura seperti produksi buah dan sayuran. Budidaya tomat (Lycopersicum esculentum Mill) menjadi salah satu komoditas unggulan, namun serangan penyakit pada daun tomat menjadi tantangan utama yang dapat mengurangi hasil panen. Berbagai penelitian telah menyoroti kebutuhan akan solusi deteksi penyakit tanaman berbasis komputer vision untuk tomat. Penelitian ini fokus pada pengembangan aplikasi deteksi penyakit pada citra daun tomat berbasis Android menggunakan metode YOLO versi 8. Evaluasi model dilakukan menggunakan confusion matrix dan metrik seperti precision, recall, dan mAP.Hasilnya menunjukkan akurasi yang tinggi dalam mengklasifikasikan berbagai penyakit pada daun tomat. Hasil menunjukkan kinerja model yang baik dalam mengklasifikasikan berbagai jenis penyakit pada daun tomat, dengan mAP sebesar 96.6%  dan recall sebesar 92.2% untuk seluruh kelas penyakit. Pengujian aplikasi dengan Black box testing menunjukkan kemampuan deteksi yang baik. Aplikasi ini berhasil dikembangkan dan dirilis sebagai "Plantify" di Apkpure.
Pengembangan Alat Monitoring Kanopi Pada Sistem Smart Home Berbasis IoT (Internet of Things) Bagus Adi Nugroho; Rudi Susanto; Afu Ichsan Pradana
G-Tech: Jurnal Teknologi Terapan Vol 8 No 3 (2024): G-Tech, Vol. 8 No. 3 Juli 2024
Publisher : Universitas Islam Raden Rahmat, Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33379/gtech.v8i3.4533

Abstract

Kanopi merupakan infrastruktur untuk melindungi barang-barang di luar ruangan dari cuaca. Kanopi konvensional umumnya berdesain kaku, dimana kanopi dipasang tetap pada tempatnya. Permasalahan utama dari kanopi konvensional, apabila lahan terbatas dan ruangan digunakan untuk kegiatan menjemur pakaian, sinar matahari tidak dapat masuk ke dalam area tersebut, kanopi menjadi kurang efektif dari segi desain ataupun manfaat. Penelitian ini bertujuan untuk mengembangkan sebuah alat untuk memonitoring dan mengontrol kanopi secara otomatis dengan menggunakan metode prototyping dimulai dari Communication, Quick Plan, Modeling Quick Design, Construction of Prototype, dan Deployment Delivery & Feedback. Penambahan sensor kelembaban DHT22 dan sensor cahaya BH1750 dapat membantu sensor Raindrop dalam memvalidasi kondisi hujan atau cerah sehingga membuat sistem lebih akurat. Hasil pengujian dari ketiga sensor berdasarkan rule/peraturan didapatkan sistem yang dapat menjalankan tugas sesuai yang diharapkan. Berdasarkan pengujian Black Box pada Sistem IoT didapatkan hasil bahwa  sistem dapat terintegrasi dengan platform Blynk dengan baik.
Co-Authors Bagus Adi Nugroho Bagus Erwanto Dwi Hartanti Joni Maulindar Rudi Susanto Tri Endah Purnamawati Wijiyanto