Claim Missing Document
Check
Articles

Found 13 Documents
Search

Perancangan Sistem Kontrol Kamera Monitoring Berbasis ESP32-CAM dengan Servo Desta Aditya; Dhian Joedhistiro; Rio Sandy Laksono; Pramono
Buletin Ilmiah Ilmu Komputer dan Multimedia Vol 4 No 1 (2026): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Publisher : Shofanah Media Berkah

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

Abstract

Pemantauan ruangan secara langsung sering kali kurang efisien karena pengguna harus berada di lokasi yang ingin diawasi. Selain itu, penggunaan kamera dengan posisi tetap menyebabkan area pengamatan menjadi terbatas. Penelitian ini bertujuan merancang sistem monitoring ruangan berbasis ESP32-CAM yang dilengkapi dengan kontrol arah kamera menggunakan motor servo. Sistem dibangun menggunakan ESP32-CAM sebagai perangkat video streaming, ESP32 sebagai pengendali servo, dan aplikasi Android berbasis Kodular sebagai antarmuka pengguna. Metode yang digunakan meliputi perancangan perangkat keras, perancangan perangkat lunak, implementasi sistem, dan pengujian fungsional. Hasil pengujian menunjukkan bahwa ESP32-CAM berhasil menampilkan video secara real-time pada aplikasi Android, sedangkan motor servo mampu merespons perintah gerakan ke kanan, kiri, dan berhenti dengan baik. Seluruh komponen sistem dapat berkomunikasi melalui jaringan WiFi yang sama dan bekerja secara terintegrasi. Sistem yang dikembangkan mampu mendukung proses monitoring ruangan serta memberikan fleksibilitas dalam mengatur arah pandang kamera melalui smartphone.
Rancang Bangun Sistem Monitoring Lingkungan Pada Kandang Sapi Berbasis Internet of Things Fendi Untoro; Nurchim Nurchim; Pramono Pramono
SMATIKA JURNAL : STIKI Informatika Jurnal Vol 15 No 01 (2025): SMATIKA Jurnal : STIKI Informatika Jurnal
Publisher : LPPM Universitas Bhinneka Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32664/smatika.v15i01.1404

Abstract

Cows are livestock that are generally kept by the community, especially in rural areas. According to data from the Central Statistics Agency (BPS), in 2021 the beef cattle population reached 17,977,214, an increase compared to the previous year which was recorded at 17,440,393. Environmental factors in cow sheds can directly affect livestock, causing stress due to extreme temperatures, both hot and cold, resulting in decreased feed consumption and discomfort. High levels of ammonia gas from cow dung waste can affect cow resistance to disease and reduce cow productivity and can cause health problems for the surrounding community. This study aims to design an Internet of Things (IoT)-based cow shed environmental monitoring system. The method in this study uses several stages, namely data collection, needs analysis, design, planning and testing. The system created can monitor temperature, humidity and ammonia gas in the cow shed environment and display this information on a mobile application. In the mobile application, information from sensor values ​​can be displayed in high, medium, and low categories during monitoring. The tool testing technique was carried out with 10 samples, the results showed that the temperature detector had an accuracy level of 91.13%, the humidity detector showed a value of 94.52% and the ammonia gas detector showed the highest value of 34.8 ppm at a distance of 10 cm and the smallest of 6.6 ppm at a distance of 100 cm. The results of this study indicate that the developed IoT system is effective in monitoring important parameters such as temperature, humidity, and ammonia gas in real-time. This can increase efficiency for farmers in monitoring environmental conditions in the cage, which was previously done manually.
Prediksi Serangan Sql Injection Pada Jaringan Komputer Menggunakan Metode Support Vector Machine (SVM) Pramono; Aprilisa Arum Sari
JURNAL TECNOSCIENZA Vol. 8 No. 2 (2024): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/tecnoscienza.v8i2.1184

Abstract

Serangan sql injection merupakan ancaman serius bagi keamanan jaringan komputer dan integritas data. Dalam upaya untuk mengatasi ancaman ini, penelitian telah dilakukan untuk mengembangkan metode deteksi yang efektif. Salah satu pendekatan yang menjanjikan adalah menggunakan metode Support Vector Machine (SVM) dalam Machine Learning. Dalam penelitian ini, kami memperkenalkan pendekatan prediksi serangan SQL injection pada jaringan komputer menggunakan SVM. Langkah-langkah prediksi meliputi, pengelompokan data, pelatihan model SVM, validasi, pengujian, dan evaluasi kinerja model. Diharapkan penelitian ini dapat memberikan kontribusi dalam pengembangan sistem deteksi yang dapat melindungi sistem komputer dari ancaman sql injection. Dataset yang akan digunakan dalam penelitian ini berasal dari sebuah website bernama Kaggle. Penelitian ini menganalisis metode yang dihasilkan dari proses klasifikasi berdasarkan Sekenario percobaan menghasilkan nilai akurasi confusion matrix, precision, recall, dan menghasilkan tingkat akurasi 96, 8412% pada sekenario kedua.