Article Per Year (5 Year)
p-Index From 2021 - 2026
7.953
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) JET (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 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 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 Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 74 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.
Imbalance Handling Strategies for Predictive Maintenance Under Leakage-Free Factorial Evaluation Tedy Rismawan; Irma Nirmala
Journal of Fuzzy Systems and Control Vol. 4 No. 1 (2026): Vol. 4 No. 1 (2026)
Publisher : Peneliti Teknologi Teknik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59247/jfsc.v4i1.399

Abstract

Predictive maintenance (PdM) in industrial manufacturing relies on machine learning classifiers trained on severely imbalanced sensor data, where failure events represent a small minority of observations. This study presents a controlled factorial experiment evaluating five algorithms (Decision Tree, Random Forest, SVM, XGBoost, and Logistic Regression) against four imbalance handling strategies (no handling, SMOTE, ADASYN, and class weighting) across binary and six-class failure mode identification tasks on the AI4I 2020 dataset (10,000 observations, 3.39% failure rate), yielding 40 experimental conditions. All oversampling steps were integrated within an ImbPipeline to prevent data leakage across cross-validation folds. Statistical comparisons were conducted via the Friedman test, post-hoc Nemenyi analysis, and one-tailed Wilcoxon signed-rank tests. XGBoost with no handling achieved the highest performance in both tasks (binary F1 = 0.8952; multiclass F1 = 0.6084). Contrary to common practice, no handling method outperformed SMOTE or ADASYN across four of five algorithms in the binary task (Wilcoxon, p = 0.0312), while class weighting improved macro recall from 0.8448 to 0.8908 without significant F1 degradation. Per-class analysis showed that heat dissipation, power, and overstrain failures were reliably detected (F1 > 0.82), while tool wear and random failures remained undetectable. In the multiclass task, ADASYN and XGBoost class weighting were replaced by SMOTE due to instability with extreme minority classes. These findings demonstrate that synthetic oversampling is not universally beneficial for imbalanced PdM data, and that leakage-free experimental design is essential for reliable performance estimation. Practitioners are advised to benchmark no handling and class weighting before applying synthetic oversampling in PdM deployments.
Sistem Identifikasi Jenis Tumbuhan Mangrove Menggunakan Metode Convolutional Neural Network (CNN) Samudra, Imam; Rismawan, Tedy; Nirmala, Irma
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.
Co-Authors Abdul Muid Abdul Muid Akbar, Rico Andre, Hendrikus Andreni, Gracella Angger Gindaong, Carlos Aprillio Arif Rahmawan Arif Setiawan Asep Hermawan Aulia Amin, Muhammad Azmi Azhar, Sahari Bayti Widya Rezky Cani Cani Christian, Calvin Cucu Suhery Damiyanto, Edwan Dea Rizki Febrinamas Dedi Triyanto Dedi Triyanto DONI, OKTAVIANUS Dwi Marisa Midyanti Dwi Pura, Destra Elegant, Gustavo Dipo Endah Sayekti Erniajan, Yunita Faizal Cahyo Handoko Firdaus, Akmal Hafiz Muhardi Hansen Alexander Rustan Hasanuddin Herawati, Yunita Herlian, Wildan Hirzen Hasfani Ikhsan, Afif Muhammad Ikhwan Ruslianto Imroah, Nurfitri Karmila, Mira Kartika Sari Kartika Sari Kasliono Kasliono Kevin William Kurniasari Safitri Mahardika, Nanda Rizky Marettania, Felisitas Marisa Midyanti, Dwi Minsas, Sukal Muhammad Fahrizal, Muhammad Muhammad Luthfi Muhardi Nia Handayani Nur Fitriana Putri Nurazura Alfahira P.W., Elvi Rusmiyanto PERMADANI, CHANDRA MONICA Prastika, Ranny Puji Ardiningsih Putri, Nabila Adinda Dwi Rahmi Hidayati Rahmi Rahmi Rizka Amalia Ananda Rizky, Sri Romi Ardiansyah Salma Salsabilla Sampe Hotlan Sitorus Sampe Hotlan Sitorus, Sampe Hotlan Samudra, Imam Sari, Reny Puspita Sibarani, Yohana Oktavia Suhardi Suhardi Suhardi Suhardi Suhardi Suhardi Sy Kamal Baraqbah Syamsul Bahri Syamsul Bahri Syamsul Bahri Tedy Rismawan Uray Ristian Wahiddatun Nisa Yasa Khalqiah Yoastha, Qano Triez Youla Gessel Yudhi Zettia, Zhara