Article Per Year (5 Year)
p-Index From 2021 - 2026
2.125
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Informatika dan Teknologi Informasi BULLET : Jurnal Multidisiplin Ilmu
Rinaldi Dikananda, Arif
Unknown Affiliation
Humanities Computer Science & IT Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
PENERAPAN KENDALI SISTEM OTOMATIS PADA LAMPU HALAMAN ASRAMA MENGGUNAKAN ARDUINO PADA PONDOK PESANTREN AL- MA’RIFAH Ainnur Rahman, Rizal; Nurdiawan, Odi; Rinaldi Dikananda, Arif
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8422

Abstract

Penelitian ini berawal dari kebutuhan mendesak untuk mengatasi tantangan sehari-hari para santri, dimana jadwal yang padat seringkali mengakibatkan kelalaian terhadap tindakan-tindakan sederhana, seperti mematikan lampu saat tidak diperlukan. Dalam konteks ini, perkembangan ilmu pengetahuan dan teknologi menjadi bagian tak terpisahkan dari kehidupan santri. Sebagai permasalahan yang nyata, pemborosan listrik menjadi kejadian umum di kalangan santri, khususnya saat kegiatan mengaji, dimana lampu seringkali dibiarkan menyala tanpa perlu. Untuk mengatasi masalah ini, penelitian ini memiliki tujuan utama yaitu membangun sistem otomatis menggunakan Arduino Uno dengan sensor cahaya LDR dan relay. Harapannya, sistem ini dapat mengoptimalkan penggunaan listrik dengan secara otomatis mengatur lampu sesuai batas intensitas cahaya yang telah ditetapkan oleh sensor. Hasil pengujian menunjukkan bahwa intensitas cahaya terang diukur sebesar 70 lux, sedangkan intensitas cahaya gelap mencapai 700 lux. Dengan demikian, lampu akan menyala saat mencapai 700 lux dan mati saat kurang dari 700 lux, berpotensi mengurangi pemborosan energi listrik di lingkungan santri.
ANALISIS SENTIMEN TERHADAP MARKETPLACE MENGGUNAKAN ALGORITMA NAÏVE BAYES: STUDI KASUS: LAZADA INDONESIA Dikananda, Fatihanursari; Rinaldi Dikananda, Arif; Anwar, Saeful
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10965

Abstract

Penelitian ini menganalisis sentimen terhadap marketplace Lazada Indonesia menggunakan algoritma Naïve Bayes dengan teknik upsampling SMOTE. Marketplace menjadi platform penting dalam era digital, namun sering kali ulasan pengguna memiliki ketidakseimbangan dalam jumlah sentimen positif dan negatif, yang dapat mempengaruhi akurasi analisis. Data diambil dari Twitter API yang berisi 1.517 review. Algoritma Naïve Bayes diterapkan untuk analisis sentimen, dan teknik SMOTE digunakan untuk mengatasi ketidakseimbangan data. Hasil menunjukkan bahwa penerapan teknik SMOTE pada algoritma Naïve Bayes menghasilkan tingkat akurasi sebesar 81,89%, dibandingkan dengan 65,53% tanpa nandaSMOTE. Penelitian ini menyimpulkan bahwa teknik SMOTE efektif dalam meningkatkan akurasi analisis sentimen, dan Lazada mendapatkan tanggapan positif dari penggunanya, meskipun ada beberapa kesalahan klasifikasi yang perlu diperbaiki. Hasil ini menunjukkan bahwa masyarakat memiliki respon yang sangat baik terhadap Lazada. Meskipun demikian, masih terdapat prediksi klasifikasi yang melenceng dari kenyataan
Implementasi Artificial Intelligence Dalam Game Edukasi Untuk Mengenalkan Tokoh Pahlawan Nasional Dan Meningkatkan Pengetahuan Sejarah Dikananda, Fatihanursari; Rinaldi Dikananda, Arif; Ash Shiddiqi, Jimly
BULLET : Jurnal Multidisiplin Ilmu Vol. 3 No. 1 (2024): BULLET : Jurnal Multidisiplin Ilmu
Publisher : CV. Multi Kreasi Media

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

Abstract

History education is an important aspect in education because this field is something that happened in the past and shaped the state of the world so that it can be like today. There are many ways to do history education, ranging from learning through conventional methods, namely by conducting history education learning in the classroom to through methods that are quite popular with elementary school students. the purpose of this paper is to design a history-based educational game that has been made in the storyline used in previous studies and how the results of the study. The stages in this research are the ADDIE model, namely Analysis, Design, Development, Implementation, and Evaluation. The results of this research are educational games on the history of national figures as a means of easy and interesting games and learning for children and based on the results of hypothesis testing after calculating using spss obtained t-count of 27.528, and t-table of 2.0484 where Ha is accepted and H0 is rejected.
IMPLEMENTASI CNN RESNET50 UNTUK MENDETEKSI KUALITAS BUAH DAN SAYURAN DI PASAR TRADISIONAL Salsabila Ainal Wasilah, Qonita; Martanto, Martanto; Rinaldi Dikananda, Arif; Rohman, Dede
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13349

Abstract

Kualitas dan kesegaran produk merupakan faktor penting dalam industri ritel yang mempengaruhi kepuasan pelanggan dan potensi kerugian akibat produk yang tidak layak. Pendekatan manual sering kali tidak efisien dan subyektif, sehingga diperlukan solusi otomatis yang lebih akurat dan konsisten. Dalam konteks ini, Convolutional Neural Network (CNN) ResNet50 terbukti efektif dalam mengenali pola visual pada gambar, termasuk mendeteksi perubahan visual seperti warna dan tekstur yang berkaitan dengan kualitas produk. Penelitian ini bertujuan mengoptimalkan deteksi kesegaran produk menggunakan model CNN ResNet50. Dataset yang digunakan terdiri dari gambar produk segar, yang dibagi menjadi data pelatihan, validasi, dan pengujian. Proses penelitian mencakup pra-pemrosesan data, pelatihan model, dan pengujian untuk mengevaluasi kinerja model. Hasil menunjukkan bahwa model CNN ResNet50 mencapai akurasi 84,43% dalam mendeteksi kualitas produk pada data uji. Akurasi ini menunjukkan kemampuan model untuk menggeneralisasi data baru dan mengurangi potensi kesalahan manusia. Temuan ini menunjukkan bahwa CNN ResNet50 memiliki potensi besar untuk diterapkan dalam manajemen produk segar di industri ritel, meningkatkan efisiensi operasional, dan meminimalkan kerugian akibat produk yang rusak atau tidak layak.
Co-Authors Ainnur Rahman, Rizal Amalia, Bella Ash Shiddiqi, Jimly Aziz Rafi, Muhamad Danar Dana, Raditya Dikananda, Fatihanursari Fauzi Fauzi Hamdan Mubarok, Nabil Irma Purnama sari, Ade Irma Purnamasari, Ade Martanto . Mustofa, Kafit Nurdiana, Faisal Nuriska, Dwi Odi Nurdiawan Ramadhan, Ryan Rohman, Dede Saeful Anwar, Saeful Salsabila Ainal Wasilah, Qonita Sidik, Rahmat Suarna, Nana Tengku Riza Zarzani N Triawan, Eri