Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Maritim Jurnal Teknologi Maritim
Elmi Hidayana
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Design and Implementation of Water Quality Control in Catfish Farming Using Fuzzy Logic Method with IoT-Based Monitoring System. Rania Yasmin Magriza; Elmi Hidayana; Anggara Trisna Nugraha; Rahma Prilian Evaningsih
Jurnal Teknologi Maritim Vol 4 No 1 (2021): Jurnal Teknologi Maritim
Publisher : Pusat Penelitian dan Pengabdian Masyarakat (P3M) - PPNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33863/jtm.v4i1.2877

Abstract

Lele dikenal sebagai ikan air tawar yang memiliki ketahanan tinggi terhadap kondisi air keruh. Namun, apabila kebersihan air terganggu, dapat menjadi tempat berkembangnya penyakit yang menghambat pertumbuhan ikan bahkan dapat menyebabkan kematian. Oleh karena itu, penting untuk secara rutin mengganti air dalam kolam. Untuk mengatasi masalah ini, penulis mengusulkan solusi berupa pembuatan sistem pemantauan dan kontrol otomatis yang dapat membantu mengatur kualitas air dalam budidaya lele. Sistem ini melibatkan berbagai sensor seperti pH, DS18B20, HC-SR04, kekeruhan, MQ-135, Wemos D1 R32, pompa air, motor servo, dan ESP-32 camera. Terdapat juga aplikasi Android yang berfungsi memantau dan mengontrol sistem baik secara manual maupun otomatis. Sistem ini menerapkan metode logika fuzzy untuk mendapatkan nilai kendali suhu antara 27-29°C, kadar pH antara 6.5 – 8.5, dan kekeruhan kurang dari 32 NTU. Dari hasil pengujian, diperoleh informasi bahwa untuk menurunkan suhu dari 34 °C menjadi 27 – 29°C dibutuhkan waktu 180 menit, menjaga kadar pH dari 9 menjadi 6.5 – 8 memerlukan waktu yang sama, dan menjaga kekeruhan air dari 40.3 NTU hingga kurang dari 32 NTU membutuhkan waktu 187 menit. Pengujian pemantauan dan kontrol melalui Android menunjukkan keberhasilan hampir keseluruhan dalam uji coba.
Object Detection of Track Using YOLO Method in Fast Unmanned Vessel Application Anggara Trisna Nugraha; Elmi Hidayana
Jurnal Teknologi Maritim Vol. 7 No. 1 (2024): Jurnal Teknologi Maritim
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Perkapalan Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35991/jtm.v7i1.10

Abstract

Metode YOLO (You Only Look Once) digunakan dalam pembacaan lintasan buoy melalui webcam, sebuah pendekatan deteksi objek berbasis deep learning yang unggul dalam kecepatan dan presisi. Dalam deteksi lintasan, citra digital diambil melalui kamera atau dataset dan diubah menjadi format matriks piksel yang dapat diterima oleh model CNN. Jaringan CNN kemudian mengekstraksi fitur dari citra untuk deteksi buoy merah dan hijau melalui operasi konvolusi, pooling, dan aktivasi. Sistem menggunakan pengklasifikasi objek yang dianalisis di berbagai lokasi dan skala pada gambar, dilanjutkan dengan post-processing untuk menyaring kotak pembatas dan menghilangkan deteksi ganda. Dengan webcam yang memiliki akses baik, tingkat akurasi pendeteksian buoy mencapai hampir 100%, terutama ketika buoy ditempatkan dekat dengan perangkat. Pengguna mendapatkan informasi real-time tentang objek-objek terdeteksi melalui tampilan webcam dengan menampilkan kotak pembatas pada objek tersebut. Metode YOLO berhasil mendeteksi buoy dengan akurasi sesuai dengan hasil dari proses pelatihan, mencapai rata-rata 41,42%. Sistem ini menunjukkan ketepatan dalam deteksi objek lintasan, memberikan kemampuan yang baik bahkan ketika webcam digunakan selama proses pelatihan dan labeling objek menggunakan metode YOLO.
Co-Authors Anggara Trisna Nugraha Rahma Prilian Evaningsih Rania Yasmin Magriza