Article Per Year (5 Year)
p-Index From 2021 - 2026
8.589
P-Index
This Author published in this journals
All Journal POSITRON Jupiter Coding: Jurnal Komputer dan Aplikasi Techno.Com: Jurnal Teknologi Informasi Jurnal Edukasi dan Penelitian Informatika (JEPIN) Infotech Journal CESS (Journal of Computer Engineering, System and Science) ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Journal of Electrical Technology SMARTICS Journal JITK (Jurnal Ilmu Pengetahuan dan Komputer) CYBERNETICS JURIKOM (Jurnal Riset Komputer) Indonesian Journal of Applied Informatics Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) Jurnal Teknologi Informasi dan Komunikasi Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga) Arus Jurnal Psikologi dan Pendidikan CONSEN: Indonesian Journal of Community Services and Engagement Journal of Fuzzy Systems and Control (JFSC) The Indonesian Journal of Computer Science Mekongga: Jurnal Pengabdian Masyarakat Journal of Renewable Energy and Smart Device
Irma Nirmala
Universitas Tanjungpura
Religion Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 79 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 79 Documents
Search

 4   5   6   7   8 
Rancang Bangun Sistem Kendali Kondisi Air Nutrisi Hidroponik Menggunakan Metode Forward Chaining Cani Cani; Irma Nirmala; Suhardi Suhardi
JET (Journal of Electrical Technology) Vol 11, No 1 (2026): EDISI FEBRUARI
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/jet.v11i1.13244

Abstract

Pertanian hidroponik membutuhkan pemantauan dan pengendalian kondisi air nutrisi secara konsisten agar tanaman dapat tumbuh dengan optimal. Penelitian ini merancang dan mengimplementasikan sistem kendali otomatis kondisi air nutrisi pada instalasi hidroponik menggunakan metode forward chaining berbasis sistem pakar. Sistem memantau tiga parameter kondisi air secara serentak: kadar nutrisi (Total Dissolved Solids/TDS dalam satuan ppm), tingkat keasaman (pH), dan suhu air. Pengendalian dilakukan melalui tujuh aktuator yang diaktifkan berdasarkan 27 aturan forward chaining yang disusun melalui konsultasi dengan dua pakar hidroponik dan satu pakar pertanian. Arsitektur sistem menggunakan dua mikrokontroler dengan tugas terpisah: Arduino Uno menangani pembacaan sensor secara analog, sementara NodeMCU ESP32 menjalankan mesin inferensi forward chaining dan mengendalikan aktuator. Kontribusi utama penelitian ini adalah integrasi regulasi suhu aktif menggunakan modul peltier dan pemanas yang dikendalikan sepenuhnya oleh basis pengetahuan forward chaining—aspek yang belum ditangani pada sistem kendali hidroponik berbasis forward chaining sebelumnya. Pengujian akurasi sensor menghasilkan rata-rata 99,47% untuk sensor TDS, 96,85% untuk sensor pH, dan 97,35% untuk sensor suhu DS18B20. Validasi metode forward chaining terhadap seluruh 27 rule menghasilkan akurasi 100%.
IMPLEMENTASI FUSI DATA SENSOR IMU DENGAN COMPLEMENTARY FILTER PADA SISTEM PELACAKAN KENDARAAN BERBASIS IOT Romi Ardiansyah; Kartika Sari; Irma Nirmala
JET (Journal of Electrical Technology) Vol 11, No 1 (2026): EDISI FEBRUARI
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/jet.v11i1.13281

Abstract

Sistem pelacakan kendaraan berbasis Internet of Things (IoT) umumnya memanfaatkan Global Positioning System (GPS) untuk pemantauan posisi kendaraan, namun akurasinya dapat menurun pada kondisi lingkungan tertentu. Penelitian ini bertujuan untuk merancang sistem pelacakan kendaraan berbasis IoT dengan mengintegrasikan sensor GPS Neo-6M dan sensor IMU MPU6050. Pada sistem ini, metode Complementary Filter diterapkan pada sensor IMU MPU6050 untuk menggabungkan data accelerometer dan gyroscope sehingga diperoleh estimasi arah pergerakan kendaraan yang lebih stabil. Sistem dibangun menggunakan mikrokontroler ESP32 dan dihubungkan dengan chatbot Telegram sebagai media penyampaian informasi posisi dan arah pergerakan kendaraan. Pengujian dilakukan pada berbagai kondisi lingkungan, meliputi area terbuka, antar gedung, di dalam gedung parkir, serta area menanjak dan menurun. Hasil pengujian menunjukkan bahwa penerapan Complementary Filter mampu mengurangi rata-rata selisih pengukuran sudut, dari 16,57° menjadi 3,18° di area terbuka, dari 19,36° menjadi 5,22° di area antar gedung, dari 9,19° menjadi 3,65° di gedung parkir, dan dari 21,72° menjadi 9,38° di area menanjak dan menurun. Sistem juga berhasil mengirimkan notifikasi otomatis maupun berdasarkan permintaan pengguna melalui chatbot Telegram. Hasil penelitian menunjukkan bahwa Complementary Filter efektif dalam meningkatkan akurasi arah pergerakan kendaraan dan mendukung pelacakan yang andal diberbagai kondisi lingkungan.
Deteksi Anomali Data Sensor Kelembaban Tanah Menggunakan Kalman Filter dan Aturan 3-Sigma Yunita Erniajan; Irma Nirmala; Rahmi Hidayati
Journal of Renewable Energy and Smart Device Vol. 3 No. 2 April 2026
Publisher : PT. Global Research Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66314/joresd.v3i2.426

Abstract

Monitoring kelembaban tanah berbasis Internet of Things (IoT) merupakan komponen penting dalam sistem pertanian presisi. Namun, sensor kelembaban tanah resistif seperti YL-69 kerap menghasilkan pembacaan yang tidak stabil akibat gangguan noise dan fluktuasi lingkungan, sehingga berpotensi menyebabkan kesalahan pada sistem pengambilan keputusan otomatis. Penelitian ini mengusulkan sistem deteksi anomali data sensor kelembaban tanah dengan mengintegrasikan algoritma Kalman Filter adaptif dan metode statistik aturan 3-sigma. Kalman Filter dengan nilai kovariansi noise proses (Q) yang bersifat dinamis diterapkan untuk mereduksi noise dan meningkatkan stabilitas pembacaan sensor, sementara deteksi anomali dilakukan berdasarkan rentang normal yang dihitung menggunakan standar deviasi kumulatif. Implementasi sistem menggunakan mikrokontroler NodeMCU ESP32 yang terhubung ke basis data MySQL dengan antarmuka berbasis website sebagai media visualisasi dan notifikasi. Pengujian dilakukan pada tiga kondisi kelembaban tanah, yaitu kering, lembab, dan basah, menggunakan total 101 sampel data yang di antaranya mencakup 23 injeksi data spike sebagai simulasi kegagalan sensor. Hasil pengujian menunjukkan bahwa Kalman Filter berhasil menurunkan koefisien variasi secara signifikan: dari 26,01% menjadi 6,00% pada kondisi kering, dari 36,31% menjadi 2,37% pada kondisi lembab, dan dari 57,82% menjadi 4,00% pada kondisi basah. Sistem juga berhasil mendeteksi seluruh data anomali yang diinjeksikan dengan akurasi 100%, disertai notifikasi pop-up secara real-time pada antarmuka website.
Introduction and Implementation of the Internet of Things for Students Vocational High School 1 Punggur Besar Hirzen Hasfani; Uray Ristian; Hafiz Muhardi; Kasliono; Cucu Suhey; Tedy Rismawan; Ikhwan Ruslianto; Rahmi Hidayati; Syamsul Bahri; Dwi Marisa Midyanti; Irma Nirmala; Suhardi; Kartika Sari
MEKONGGA: Jurnal Pengabdian Masyarakat Vol. 3 No. 1 (2026): April 2026
Publisher : Digital Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69616/mekongga.v3i1.265

Abstract

The training program “Introduction and Implementation of IoT” at Vocational High School(VHS) 1 Punggur Besar aims to enhance students’ understanding and practical skills in developing IoT-based systems. The training introduces key IoT concepts, components such as sensors, actuators, and microcontrollers, and how devices communicate via the internet. Through hands-on sessions, students create simple projects like temperature and humidity monitoring systems, smart lighting, and sensor-based notifications. This program helps students build technical competence in hardware assembly and IoT programming while fostering creativity and problem-solving abilities. As a result, students gain better readiness to face industrial demands that rely on digital technologies and are encouraged to innovate in applying IoT to real-world challenges.
Local Weather Monitoring using WSN and IoT as an Early Warning for Extreme Weather RAHMI HIDAYATI; KARTIKA SARI; IRMA NIRMALA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 14, No 2: Published April 2026
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v14i2.154

Abstract

This research develops a local weather-monitoring system based on the Internet of Things (IoT) and a Wireless Sensor Network (WSN), employing four nodes to collect real-time data on temperature, humidity, air pressure, wind speed, and rainfall. Each node transmits its data to Firebase, where it is displayed on a web dashboard and used to trigger early-warning notifications via Telegram. Testing results show that the anemometer recorded an average deviation of 0.33 km/h, while the BME280 demonstrated high accuracy across three parameters: a 0.21°C (0.74%) deviation for temperature, 0.83% (1.31%) for humidity, and 0.28 hPa (0.02%) for air pressure. The system also exhibited stable data synchronization and rapid alert response times. The testing results demonstrate the potential of a multi-node approach to capture local microclimate variability and indicate its suitability for further development in machine learning–based predictive models.
Implikasi Proses Pembelajaran secara Luring dan Daring terhadap IPK Mahasiswa FMIPA Universitas Tanjungpura Sukal Minsas; Elvi Rusmiyanto P.W.; Reny Puspita Sari; Endah Sayekti; Hasanuddin; Muhardi; Nurfitri Imroah; Yudhi; Puji Ardiningsih; Irma Nirmala
Arus Jurnal Psikologi dan Pendidikan Vol 5 No 1: Februari (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajpp.v5i1.2355

Abstract

Studi ini bertujuan untuk menganalisis dampak proses pembelajaran daring dan luring terhadap kepuasan mahasiswa dan korelasinya dengan peningkatan Indeks Prestasi Kumulatif (IPK) di Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Tanjungpura. Metode survei diterapkan dengan menggunakan pengambilan sampel acak bert stratified, melibatkan 437 responden dari berbagai program studi. Instrumen penelitian diuji validitas dan reliabilitasnya, menghasilkan nilai alpha Cronbach sebesar 0,917, menunjukkan reliabilitas yang tinggi. Data dianalisis menggunakan skala Likert untuk mengukur kepuasan mahasiswa di berbagai aspek pelayanan akademik. Hasil penelitian menunjukkan bahwa kualitas pelayanan akademik termasuk dalam kategori baik–sangat baik, dengan skor interval rata-rata berkisar antara 3,01 hingga 3,43. Analisis IPK menunjukkan peningkatan yang signifikan pada pembelajaran daring (3,12–3,48) dan hibrida (3,37–3,42) dibandingkan dengan pembelajaran luring (3,09–3,18). Hasil ini menegaskan bahwa variasi metode pembelajaran memengaruhi prestasi akademik mahasiswa, sementara survei kepuasan memberikan dasar empiris untuk pembuatan kebijakan guna meningkatkan kualitas akademik di Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Tanjungpura.
Sistem Identifikasi Jenis Tumbuhan Mangrove Menggunakan Metode Convolutional Neural Network (CNN) Imam Samudra; Tedy Rismawan; Irma Nirmala
IJAI (Indonesian Journal of Applied Informatics) Vol 10, No 1 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v10i1.109260

Abstract

Abstrak : Mangrove merupakan tumbuhan pesisir yang berperan penting dalam menjaga keseimbangan ekosistem. Penelitian ini bertujuan membangun sistem identifikasi jenis tumbuhan mangrove berbasis citra daun dengan metode Convolutional Neural Network (CNN) untuk memudahkan dalam mengidentifikasi jenis mangrove. Dataset yang digunakan terdiri dari 810 citra daun mangrove, masing-masing 270 citra untuk tiga kelas: Acanthus Ilicifolius, Rhizophora Apiculata, dan Sonneratia Alba. Proses pelatihan model CNN dilakukan untuk mengenali pola dan karakteristik visual daun. Pengujian dilakukan menggunakan 81 data uji dengan dua skenario pengujian, yaitu tanpa menggunakan kamera Raspberry Pi dan dengan integrasi kamera Raspberry Pi. Hasil pengujian tanpa kamera Raspberry Pi mendapatkan akurasi 88%, sedangkan menggunakan kamera Raspberry Pi mencapai 96%. Peningkatan akurasi sebesar 8% membuktikan bahwa penerapan sistem pada perangkat keras Raspberry Pi mampu meningkatkan kinerja identifikasi. Selain itu, sistem dapat beroperasi secara portabel tanpa memerlukan koneksi internet, sehingga berpotensi untuk mengidentifikasi mangrove secara mudah di lapangan.=================================================Abstract : Mangroves are coastal plants that play an important role in maintaining ecosystem balance. This study aims to build a mangrove plant species identification system based on leaf images using the Convolutional Neural Network (CNN) method to facilitate the identification of mangrove species. The dataset used consists of 810 mangrove leaf images, 270 images each for three classes: Acanthus Ilicifolius, Rhizophora Apiculata, and Sonneratia Alba. The CNN model training process was carried out to recognize leaf patterns and visual characteristics. Testing was carried out using 81 test data with two test scenarios, namely without using a Raspberry Pi camera and with Raspberry Pi camera integration. The test results without a Raspberry Pi camera achieved 88% accuracy, while using a Raspberry Pi camera reached 96%. The 8% increase in accuracy proves that the implementation of the system on Raspberry Pi hardware is able to improve identification performance. In addition, the system can operate portable without requiring an internet connection, thus having the potential to easily identify mangroves in the field.
Algoritma Kalman Filter Penerapan Algoritma Kalman Filter Untuk Mengurangi Noise Pada Sistem Pembuka Kunci Pintu Dengan Pengenalan Suara Carlos Aprillio Angger Gindaong; Irma Nirmala; Cucu Suhery
SMARTICS Journal Vol 12 No 1 (2026): Journal SMARTICS (April 2026)
Publisher : Universitas PGRI Kanjuruhan Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/smartics.v12i1.13931

Abstract

Acoustic noise refers to unwanted sound disturbances occurring during data recording and collection. This interference often mixes with desired signals, creating challenges in accurately detecting intended voice commands. This study focuses on the implementation of the Kalman Filter Algorithm to mitigate acoustic noise in a voice recognition-based door lock system. The system utilizes an INMP441 microphone module interfaced with an ESP32 microcontroller, which transmits audio data to an edge server. The Kalman Filter Algorithm is deployed on the ESP32 to denoise audio signals from environmental interference. Keyword detection is performed using six comprehensive analysis algorithms, which examine syllable structure, energy patterns, consonant-vowel differentiation, temporal patterns, spectral analysis, and voice characteristics. Experiments were conducted under various noise intensity levels and pronunciation volume variations, comparing performance both with and without the Kalman Filter. The results indicate that the Kalman Filter improved system accuracy from 69.6% to 83.2%, while effectively mitigating false positives—instances where incorrect inputs are erroneously validated as correct. The system successfully recognized the keyword "buka" (open), achieving an average response time of 6.54 seconds to unlock the door following keyword confirmation by the edge server. However, high-intensity noise, such as that produced by grinding machinery, presents significant detection challenges. Recommendations for future research include enhancing microphone sensitivity and developing adaptive keyword detection methods to manage diverse acoustic environments and noise conditions more effectively.
Implementasi Algoritma Prophet dengan Grid Search Hyperparameter Tuning untuk Prediksi Konsumsi Energi Listrik Berbasis IoT Suhardi Suhardi; Tedy Rismawan; Cucu Suhery; Irma Nirmala
Bulletin of Computer Science Research Vol. 6 No. 5 (2026): August 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v6i5.1182

Abstract

?Real-time monitoring of household electricity consumption is not yet sufficient to support adaptive energy management. Therefore, an accurate yet easily interpretable prediction capability is required. This study implements the Prophet algorithm, an additive time series model based on trend and seasonal components, as the core method for predicting daily energy consumption in an Internet of Things (IoT)-based system with per-room granularity. Data were obtained from PZEM-004T sensors and NodeMCU ESP32 modules in three rooms over 30 days, processed through a two-stage grid search procedure for model hyperparameter optimization. The evaluation results show a testing MAPE of 1.05%–2.01% across the three rooms, all falling into the highly accurate category (<10%). Furthermore, the average MAPE difference between the training and testing data reached only 0.42 percentage points, indicating good model generalization without overfitting. Component decomposition analysis reveals that the consumption pattern is dominated by a stable linear trend with a low-amplitude weekly seasonal pattern (±0.06 kWh), thereby providing a higher level of interpretability compared to black-box models. The 30-day-ahead projection yields a total estimated consumption of approximately 384 kWh (~IDR 554,817) for the three rooms, which can be utilized as a basis for budget planning and adaptive electrical load management. The main contribution of this study is a transparent and reproducible Prophet tuning procedure for per-room electricity consumption data with limited historical volume, supported by metrological validation of the acquisition sensor as an input quality assurance step, a context that has not been widely explored in prior Prophet literature
Co-Authors Abdul Muid Abdul Muid Akbar, Rico Andre, Hendrikus Andreni, Gracella Arif Rahmawan Arif Setiawan Asep Hermawan Aulia Amin, Muhammad Azmi Azhar, Sahari Bayti Widya Rezky Cani Cani Carlos Aprillio Angger Gindaong Christian, Calvin Cucu Suhery Cucu Suhey Damiyanto, Edwan Dea Rizki Febrinamas Dedi Triyanto Dedi Triyanto DONI, OKTAVIANUS Dwi Marisa Midyanti Dwi Pura, Destra Elegant, Gustavo Dipo Elvi Rusmiyanto P.W. Endah Sayekti Faizal Cahyo Handoko Firdaus, Akmal Hafiz Muhardi Hansen Alexander Rustan Hasanuddin Hasanuddin Herawati, Yunita Herlian, Wildan Hirzen Hasfani Ikhsan, Afif Muhammad Ikhwan Ruslianto Imam Samudra Karmila, Mira Kartika Sari Kartika Sari Kasliono Kasliono Kevin William Kurniasari Safitri Marettania, Felisitas Marisa Midyanti, Dwi Muhammad Fahrizal, Muhammad Muhammad Luthfi Muhardi Nanda Rizky Mahardika Nia Handayani Nur Fitriana Putri Nurazura Alfahira Nurfitri Imroah PERMADANI, CHANDRA MONICA Prastika, Ranny Puji Ardiningsih Putra, Bima Putri, Nabila Adinda Dwi Rahmi Hidayati Rahmi Rahmi Reny Puspita Sari Rizka Amalia Ananda Rizky, Sri Romi Ardiansyah Salma Salsabilla Sampe Hotlan Sitorus Sampe Hotlan Sitorus, Sampe Hotlan Sibarani, Yohana Oktavia Suhardi Suhardi Suhardi Suhardi Suhardi Suhardi Sukal Minsas Sy Kamal Baraqbah Syamsul Bahri Syamsul Bahri Syamsul Bahri Tedy Rismawan Uray Ristian Wahiddatun Nisa Yasa Khalqiah Yoastha, Qano Triez Youla Gessel Yudhi Yunita Erniajan Zettia, Zhara