Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal JIKO (Jurnal Informatika dan Komputer) Jurnal Mnemonic Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan
Ursaputra, Lionardi
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Environmental Science Social Sciences Other

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

Found 4 Documents
Search

 1 
PENERAPAN CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KUALITAS TELUR AYAM RAS BERDASARKAN WARNA CANGKANG Nurdiyansyah, Firman; Fatriana Kadir, Shaifany; Akbar, Ismail; Ursaputra, Lionardi
Jurnal Mnemonic Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v7i1.8767

Abstract

Sebelum dijual atau dikonsumsi, telur ayam harus dievaluasi untuk kualitasnya, terutama dari segi warna dan kondisi cangkangnya. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan warna cangkang telur ayam. Dengan penggunaan CNN diharapkan dapat mengembangkan model Convolutional Neural Network (CNN) yang dapat mengklasifikasikan kualitas telur ayam secara akurat dengan memberikan rekomendasi parameter yang optimal untuk mencapai performa terbaik. Dataset terdiri dari 120 butir telur yang dibagi menjadi tiga kategori: coklat, krem, dan putih. Pengolahan data melibatkan preprocessing image dengan teknik enhancement data untuk memperluas variasi data tanpa kehilangan informasi penting. Selama pengujian, tiga parameter utama dievaluasi: optimizer (Adam, SGD, RMSprop), learning rate (0.01, 0.001, 0.0001), dan epoch (20, 50, 100). Hasil penelitian menunjukkan bahwa kombinasi terbaik untuk performa optimal adalah dengan menggunakan Adam optimizer, learning rate 0,01, dan 100 epoch. Rasio data 80:20 memberikan hasil terbaik, menekankan pentingnya proporsi data yang baik dalam pembentukan model yang akurat. Analisis parameter learning rate menunjukkan bahwa nilai 0.01 memberikan performa terbaik untuk semua proporsi data, sementara hasil terbaik pada nilai epoch diperoleh dengan 100 epoch untuk semua proporsi data. Dengan demikian, penelitian ini menegaskan bahwa CNN efektif dalam mengklasifikasikan kualitas telur berdasarkan warna cangkang, yang dapat memberikan kemudahan bagi pedagang dan peternak telur dalam memilih telur berkualitas.
IoT Innovation System and Environmental Classification of Hermetia Illucens Larvae in Malang City Afrianto, Eko; Ursaputra, Lionardi
PANGRIPTA Vol. 7 No. 2 (2024): Pangripta Jurnal Ilmiah Kajian Perencanaan Pembangunan
Publisher : Badan Perencanaan Pembangunan Kota Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58411/pk62y985

Abstract

This study presents an innovative intelligent system based on the Internet of Things (IoT) designed to monitor and classify the environmental conditions of Hermetia illucens larvae in real-time. This system integrates several sensors to measure important parameters such as temperature, humidity, and media height, which are then processed using the K-Nearest Neighbor (K-NN) algorithm. The K-NN algorithm groups environmental data into three categories: optimal, moderate, and poor, which will help identify the best conditions for larval growth. Data obtained from the system is automatically sent to a mobile application via an IoT network, allowing users to monitor the development of larval conditions anytime and anywhere. Testing showed a classification accuracy of 87.7%, making this system a potential tool in supporting the biodegradation process of organic waste more efficiently.
Segmentasi Berbasis Warna Untuk Pengelompokan Kualitas Cacing Anc Menggunakan Yolov8 Nurdiyansyah, Firman; Akbar, Ismail; Ursaputra, Lionardi
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 1 (2025): Februari 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i1.1779

Abstract

Mengembangkan metode otomatisasi dalam pengelompokan kualitas cacing African Night Crawler (ANC) menggunakan model YOLOv8 yang didukung oleh segmentasi berbasis warna. Metode manual yang selama ini digunakan dalam menilai kualitas cacing sering kali memakan waktu dan cenderung tidak konsisten, sehingga pendekatan berbasis teknologi diperlukan untuk meningkatkan efisiensi dan akurasi. Penelitian ini dimulai dengan pengumpulan dataset gambar cacing ANC, yang kemudian dianotasi berdasarkan tiga kelas utama, yaitu merah, putih, dan putih-biru. Dataset ini diproses melalui langkah-langkah preprocessing untuk memastikan kualitas data yang konsisten, kemudian dibagi menjadi training set (80%), validation set (15%), dan test set (5%). Model YOLOv8 diterapkan untuk mendeteksi dan mengklasifikasikan objek, dengan arsitektur yang terdiri dari Backbone, Neck, dan Head yang dirancang untuk mengoptimalkan deteksi multi-skala. Hasil penelitian menunjukkan bahwa model YOLOv8 memiliki performa yang sangat baik, dengan mean Average Precision (mAP) rata-rata sebesar 93.8% pada training set, 94.0% pada validation set, dan 95.0% pada test set. Nilai precision mencapai 95.6% pada training set, sementara recall mencatat 85.4%, menghasilkan F1-Score sebesar 90.3%. Hasil ini menunjukkan bahwa model tidak hanya akurat dalam mendeteksi objek yang relevan tetapi juga memiliki sensitivitas yang baik terhadap variasi data. Kesimpulannya, penggunaan YOLOv8 untuk segmentasi berbasis warna pada cacing ANC memberikan solusi yang efisien dan akurat dalam mengklasifikasikan kualitas cacing. Selain mendukung otomatisasi dalam industri peternakan, penelitian ini juga membuka peluang penerapan lebih lanjut dalam sektor agrikultur lainnya, dengan rekomendasi untuk meningkatkan generalisasi model pada variasi data yang lebih kompleks di kondisi dunia nyata.
PEMBERDAYAAN BUDIDAYA CACING ANC MELALUI WEBSITE SISTEM INFORMASI DAN DIGITAL MARKETING Nurdiyansyah, Firman; Suksmawati, Affi Nizar; Ursaputra, Lionardi
Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia. Vol 4, No 1 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jpm.v4i1.1782

Abstract

Mendigitalisasi manajemen operasional dan meningkatkan kapasitas pemasaran digital di CV. Messi Putra Jaya, sebuah UMKM di Kecamatan Wagir, Kabupaten Malang yang bergerak dalam budidaya cacing African Nightcrawler (ANC), menjadi fokus utama program ini. Mitra menghadapi tantangan berupa pengelolaan data secara manual yang rentan terhadap kesalahan serta strategi pemasaran konvensional yang kurang efektif. Untuk mengatasi tantangan tersebut, program ini dirancang untuk meningkatkan efisiensi manajemen, memperluas jangkauan pemasaran, dan mendukung pengambilan keputusan berbasis data. Metode pelaksanaan dilakukan dalam empat tahapan, yaitu analisis kebutuhan, pengembangan sistem informasi berbasis web, pelatihan pemasaran digital, serta monitoring dan evaluasi. Hasil kegiatan menunjukkan dampak positif yang signifikan. Sistem informasi berbasis web yang dikembangkan memungkinkan pencatatan produksi dan transaksi keuangan dengan lebih efisien dan akurat. Selain itu, pelatihan pemasaran digital mendorong mitra untuk memanfaatkan media sosial dan e-commerce sebagai sarana pemasaran yang efektif, meningkatkan jangkauan pasar secara signifikan. Dalam waktu tiga bulan, program ini berhasil meningkatkan penjualan hingga 25% dan menciptakan budaya kerja yang lebih modern dan berbasis teknologi. Kendala utama yang ditemukan berupa keterbatasan waktu pendampingan dan adaptasi terhadap teknologi menjadi pembelajaran penting untuk perbaikan di masa mendatang. Dengan keberhasilan ini, program pengabdian memiliki potensi besar untuk direplikasi di wilayah lain dengan dukungan dari platform teknologi, pemerintah daerah, serta pelatihan lanjutan dalam pemasaran berbasis data dan sistem pembayaran digital.
Co-Authors Afrianto, Eko Akbar, Ismail Fatriana Kadir, Shaifany Firman Nurdiyansyah, Firman Suksmawati, Affi Nizar