Claim Missing Document
Check
Articles

Found 2 Documents
Search

PROTOTYPE ALAT PENDETEKSI KUALITAS MINYAK GORENG KELAPA SAWIT MENGGUNAKAN SENSOR TCS3200 DAN METODE FUZZY LOGIC Dede Dendi; Bambang Sugiarto; Tri Arif Wiharso
Fuse-teknik Elektro Vol 3, No 2 (2023): Jurnal FUSE-Teknik Elektro
Publisher : Fakultas Teknik Universitas Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52434/jft.v3i2.3391

Abstract

Sebagai bangsa yang kaya akan sumber daya alam, kita kaya akan minyak sawit, yang menjadikan minyak goreng transparan. Masyarakat biasanya tidak dapat melihat minyak sawit dalam bentuk minyak curah, dan minyak curah sering kali digunakan oleh lebih banyak orang dibandingkan minyak kemasan, sehingga tunduk pada peraturan produksi yang ketat. Oleh karena itu diperlukan suatu sistem yang dapat mengetahui kejernihan minyak goreng sawit. Alat yang menggunakan sensor TCS3200 sebagai pengukur nilai warna dan Arduino Uno untuk mengontrol nilai warna minyak goreng ini dimaksudkan agar lebih mudah dan efektif dalam mengetahui kejernihan minyak goreng serta membedakannya dengan minyak yang telah tercampur bahan berbahaya, dari hasil pengujian mendapatkan nilai warna kecerahan yaitu minyak murni: R:49, G:47, B:55, minyak bekas: R:55, G:55, B:61, dan minyak yang tercampur bahan kimia: R:58, G:53, B:57.
DETEKSI MALWARE MENGGUNAKAN MACHINE LEARNING DENGAN METODE ENSEMBLE Iik Muhamad Malik Matin; Maria Agustin; Bambang Sugiarto; Ai Nur Asri
Prosiding Sains Nasional dan Teknologi Vol 13, No 1 (2023): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 2023
Publisher : Fakultas Teknik Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/psnst.v13i1.9224

Abstract

Serangan malware telah menjadi perhatian penting di di era digital ini. Malware dapat diartikan sebagai perangkat lunak yang digunakan untuk melakukan perusakan sistem, pencurian atau pengumpulan informasi, hingga mendapatkan akses terhadap suatu sistem. Machine learning merupakan sub area dari ilmu komputer yang mampu memberikan komputer kemampuan untuk belajar tanpa diprogram secara eksplisit. Pada penelitian ini akan mendeteksi malware windows menggunakan machine learning dengan metode ensemble. Model klasifikasi yang digunakan adalah Decision Tree, Random forest, Bagging, AdaBoost dan Hist Gradient Boosting. Penelitian ini menggunakan dataset malware berbasis windows. Hasil yang didapatkan menggunakan algoritma Hist Gradient Boosting lebih tinggi yaitu sebesar 96,9% dibandingkan dengan algoritma Decision tree sebesar 93,5% algoritma Random forest sebesar 94,9% algoritma Adaboost sebesar 87,8% dan algoritma Bagging sebesar 95,8%