Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis LOGIC : Jurnal Ilmu Komputer dan Pendidikan
Maulana Akbar, Reza
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prototype Monitoring Level Ketinggian Air Pada Bendungan Menggunakan Sensor Ultrasonik Berbasis Internet of Things (IoT) Syarif, Muhammad; Ardiyanto, Kevin; Maulana Akbar, Reza; Pramono
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 2 No. 3 (2024): Logic : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Bencana banjir sudah sering sekali trjadi di indonesia, banjir sudah mnenjadi hal yang menakutkan bagi seluruh warga massyarakat. Dampak banjir sangat mengganggu aktifitas keseharian dan perekonomian masyarakat dampak banjir dapat di kurangi dengan membangun bendungan dan memberikan infomasi secara otomatis kepada masyarakat sekitar, sehingga dapat menanggulangi bencana terdebur lebih awal. Oleh karena itu dibuatlah alat prototype monitoring level ketinggian air pada bendungan menggunakan sensor ultrasonik berbasis Internet of Things (IoT) yang menggunakan metode studi literatur, perancangan program, dan pengujian alat yang digunakan dalam penelitian adalah Node MCUEsp32,sensor Ultrasonik,buzzer,relay dan led. Kesimpulan dari pengujian yang telah dilakukan adalah ketika sensor ultrasonik mendeteksi Jika air yang terdapat pada bendungan di bawah dari 2 meter atau 200cm maka lampu hijau akan menyala sebagai indikator aman. Jika air yang terdapat Pada bendungan melebihi 2 meter atau 200cm maka lampu kuning akan menyala sebagai indikator waspada. Jika air lebih atau sama dengan 4 meter atau 400cm maka lampu merah akan menyala dan buzzer akan bersuara sebagai tanda indikator bahaya, kemudian hasil akan dikirimkan ke website secara realtime dan memberikan informasi ketinggian debit air sehingga masyarakat dapat mengetetahui dan menghindari bahaya banjir.
Sistem Rekomendasi Dalam Pertanian: Mengoptimalkan Pemanfaatan Sawah Untuk Peningkatan Produktivitas Dan Keberlanjutan Imanuel Munaiseche, Christian; Alam, Gentar; Akbar Pratama, Hamzah; Abdul Harits, Muhammad; Rafiq Satria, Muhammad; Maulana Akbar, Reza; Ihza Yuzar Vianda, Rizqi
LOGIC : Jurnal Ilmu Komputer dan Pendidikan Vol. 2 No. 5 (2024): Logic : Jurnal Ilmu Komputer dan Pendidikan
Publisher : Shofanah Media Berkah

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

Abstract

Sistem rekomendasi (RS) menawarkan solusi inovatif untuk mengoptimalkan pemanfaatan sawah dan meningkatkan produktivitas pertanian secara berkelanjutan. Makalah ini membahas bagaimana RS dapat diterapkan dalam berbagai aspek pengelolaan sawah, mulai dari pemilihan varietas tanaman, pemupukan, irigasi, hingga pengendalian hama dan penyakit. RS memanfaatkan data historis, kondisi lingkungan terkini, dan karakteristik tanah untuk memberikan rekomendasi yang tepat dan kontekstual kepada petani. Rekomendasi ini dapat membantu petani dalam membuat keputusan yang lebih informed dan efisien, sehingga meningkatkan hasil panen dan meminimalisir dampak negatif terhadap lingkungan.
Klasifikasi Citra Bunga Multikelas Menggunakan Convolutional Neural Network (CNN) Ihza Yuzar Vianda, Rizqi; Anjarwati, Pipin; Akbar Pratama, Hamzah; Maulana Akbar, Reza; Dwi Irawan, Ridwan
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/0d10j421

Abstract

Penelitian ini bertujuan mengembangkan model klasifikasi citra bunga multikelas menggunakan algoritma Convolutional Neural Network (CNN) untuk mengatasi keterbatasan identifikasi manual yang kurang efisien dan rawan kesalahan. Dataset yang digunakan berjumlah 994 gambar dari sepuluh jenis bunga, diunduh dari platform Kaggle dan diproses melalui tahapan augmentasi serta normalisasi. Model CNN dibangun dengan empat lapisan konvolusi beraktivasi ReLU, dilanjutkan dengan pooling dan lapisan dense, serta dilatih menggunakan optimizer Adam dan fungsi loss categorical crossentropy. Evaluasi dilakukan dengan metrik akurasi, Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil pelatihan menunjukkan akurasi validasi sebesar 72,48% dan nilai MAE yang rendah, yang mengindikasikan kemampuan generalisasi model terhadap data baru. Model juga menunjukkan performa yang baik dalam mengklasifikasikan citra yang belum pernah dilatih sebelumnya. Dengan demikian, CNN terbukti efektif untuk klasifikasi otomatis citra bunga dan memiliki potensi untuk dikembangkan lebih lanjut dalam aplikasi berbasis teknologi visual serta peningkatan performa melalui tuning arsitektur.
Co-Authors Abdul Harits, Muhammad Akbar Pratama, Hamzah Alam, Gentar Anjarwati, Pipin Ardiyanto, Kevin Ihza Yuzar Vianda, Rizqi Imanuel Munaiseche, Christian Irawan, Ridwan Dwi Muhammad Syarif, Muhammad Pramono Rafiq Satria, Muhammad