Article Per Year (5 Year)
p-Index From 2021 - 2026
4.694
P-Index
This Author published in this journals
All Journal Jurnal Ners Indonesia Komunikasi Fisika Indonesia Jurnal Online Mahasiswa (JOM) Bidang Teknik dan Sains Sinergi Jurnal Informatika dan Teknik Elektro Terapan Jurnal Pengabdian UntukMu NegeRI JURNAL MEDIA INFORMATIKA BUDIDARMA IT JOURNAL RESEARCH AND DEVELOPMENT Prosiding Seminar Nasional Teknoka INOVTEK Polbeng - Seri Informatika JPPM (Jurnal Pengabdian dan Pemberdayaan Masyarakat) International Journal of Electrical, Energy and Power System Engineering (IJEEPSE) Jurnal Teknologi Informatika dan Komputer JINAV: Journal of Information and Visualization Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Applied Computer Science and Technology (JACOST) Jurnal PkM (Pengabdian kepada Masyarakat) Journal of Ocean, Mechanical and Aerospace -science and engineering- (JOMAse) Malcom: Indonesian Journal of Machine Learning and Computer Science SATIN - Sains dan Teknologi Informasi CSRID INOVTEK Polbeng - Seri Informatika Journal of System and Technology
Feri Candra
Universitas Riau
Religion Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Veterinary

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 3   4   5   6   7 
Klasifikasi Jenis Rempah-Rempah Menggunakan Algoritma Convolutional Neural Network: Classification of Spice Types Using the Convolutional Neural Network Algorithm Nisa, Chairun; Candra, Feri
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 1 (2024): MALCOM January 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i1.1018

Abstract

Rempah-rempah merupakan kekayaan alam Indonesia yang harus dilestarikan. Membedakan berbagai jenis rempah khususnya rimpang merupakan tantangan yang cukup besar bagi sebagian orang karena kemiripan visualnya. Pengolahan rempah dalam kemasan, minimnya keterlibatan langsung dalam pengolahannya, serta gaya hidup yang cenderung mengonsumsi makanan cepat saji menjadi faktor penyebab kurangnya pengetahuan mengenai wujud asli rempah. Meskipun terdapat pengenalan rempah secara tradisional dengan petunjuk dari buku, internet, atau seorang ahli, kurangnya pengetahuan luas mengenai karakteristik masing-masing rempah mengakibatkan kesulitan bagi masyarakat dalam mengidentifikasinya. Untuk mengatasi permasalahan tersebut diperlukan suatu sistem yang dapat membantu dalam mengidentifikasi jenis rimpang, salah satunya menggunakan metode Convolutional Neural Network melalui teknologi pengolahan citra. Metode ini merupakan teknik pembelajaran mendalam yang terbukti efektif dalam mengklasifikasikan jenis rimpang berdasarkan fitur visualnya, sehingga menawarkan solusi pengenalan rempah yang modern dan mudah diakses. Dataset citra dikategorikan menjadi empat kelas, dengan masing-masing kelas terdiri dari 250 citra dengan total 1000 citra. Arsitektur jaringan yang digunakan pada model terdiri dari empat lapisan konvolusi. Hasil pengujian menunjukkan bahwa model berhasil dalam melakukan klasifikasi citra dan memperoleh nilai akurasi tes terbaik sebesar 90%.
DESAIN SISTEM DATA POTENSI DESA BERBASIS ANDROID UNTUK PEMBANGUNAN WILAYAH Andhi, Rahmat Rizal; Susilo, Edi; Candra, Feri
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4944

Abstract

Percepatan pembangunan desa berkelanjutan di Provinsi Riau membutuhkan data potensi desa sesuai karakteristik desa dan indikator capaian SDGs yang akurat dan komprehensif. Upaya pendataan potensi desa telah dilakukan dengan monografi desa namun memiliki permasalahan berupa: (1) terbatasnya kapasitas sumber daya manusia; (2) terbatasnya pendanaan; (3) sistem pendataan dilakukan secara manual (pencatatan); (4) Data usang (Outdate); (5) Akses data terbatas (Offline); dan (6) Waktu pencarian data saat dibutuh lama. Untuk itu diperlukan penyediaan data potensi desa yang bersifat komputerisasi dan dalam jaringan (online). Berdasarkan kondisi tersebut maka dilakukan penelitian Desain Sistem Data Potensi Desa Berbasis Android untuk mendukung SDGs Riau. Penelitian ini bertujuan untuk merancang sistem data potensi desa berbasis android yang memuat data sesuai indikator Potensi Desa (BPS) dan SDGs terpilih sesuai kebutuhan masyarakat dalam perencanaan pembangunan desa yang berkelanjutan. Pengembangan sistem data potensi desa berbasis android dilakukan dengan metode System Development Life Cycle (SDLC). Hasil penelitian diperoleh 673 indikator kebutuhan data potensi desa yang perlu dikembangkan. Penelitian ini telah menghasilkan produk aplikasi Sistem Data Potensi Desa (SidaPodes) yang dapat diakses di Google Play Store. Aplikasi SidaPodes tersebut telah digunakan oleh 600 pengguna dan menerima 1.300 data. Penilaian pengguna terhadap aplikasi tergolong sangat baik.
Development of a Geographic Information System for Archiving Flood Prevention Recommendation Letters Using The Prototype Method Giovan Alshary; Feri Candra
INOVTEK Polbeng - Seri Informatika Vol. 9 No. 2 (2024): November
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/m3p33e51

Abstract

The Public Works and Spatial Planning Office (PUPR) of Pekanbaru City, particularly the Water Resources Division (SDA), faces challenges in flood management due to a lack of effective data management systems related to housing, flood points, and river basins. The absence of adequate Geographic Information Systems (GIS) and digital archiving makes flood management suboptimal, potentially worsening its impacts on the ground. This study aims to develop a GIS and digital archiving system to support the SDA Division in mitigating flood risk in Pekanbaru City. The development method used is a prototype, employing MySQL database technology, PHP programming language, Laravel framework to facilitate code writing, Bootstrap for visual layout, and Leaflet JavaScript Library for mapping features. The results of testing using BlackBox Testing indicate a 100% success rate in the functional implementation of the system. Meanwhile, the results of the User Experience Questionnaire (UEQ) show positive evaluations in all aspects, with average scores of attractiveness (2.067), clarity (2.250), efficiency (2.200), accuracy (2.150), stimulation (2.050), and novelty (1.800), which overall received an "Excellent" rating.
Evaluasi Kinerja YOLOv8 dalam Klasifikasi Kualitas Telur Berbasis Warna dan Tekstur Cangkang Khairy, Khafizh; Candra, Feri
CSRID (Computer Science Research and Its Development Journal) Vol. 17 No. 3 (2025): Oktober 2025
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.17.3.2025.326-339

Abstract

Egg quality plays a vital role in the food industry, directly affecting shelf life, food safety, and consumer health. Conventional quality assessment methods, such as manual inspection and laboratory testing, are often time-consuming, labor-intensive, and prone to subjectivity, leading to inconsistent classification results. To address these challenges, this research proposes the development of an automated egg quality classification system based on computer vision and artificial intelligence. The system focuses on evaluating external egg characteristics—specifically shell color and texture—using a combination of Convolutional Neural Network (CNN) for feature extraction and the YOLO (You Only Look Once) algorithm for real-time object detection and classification. The development stages include dataset collection, image preprocessing (such as augmentation and segmentation), model training, and performance evaluation using accuracy, precision, recall, and F1-score. The goal is to achieve an accuracy rate above 90% in classifying eggs into quality categories. This study evaluates the performance of YOLOv8 for automatic egg quality classification based on shell color and texture. A dataset consisting of 1,200 egg images was collected from both production facilities and online sources, and labeled into three categories: Good, Fair, and Poor quality. The model was trained on Google Colab with GPU acceleration using a batch size of 16, learning rate of 0.001, and 50 epochs. Performance was assessed using mean Average Precision (mAP), precision, and recall, where the results achieved mAP of 0.87, average precision of 0.91, and recall of 0.89. The “Fair” class obtained lower accuracy (72%) due to high visual similarity with the “Good” class and dataset imbalance (250 images vs. 450 images for “Good”). Compared to previous studies that reported mAP ≈ 0.80 using YOLOv5, this research demonstrates improved performance and highlights YOLOv8 as a more competitive solution for industrial egg quality control. This work contributes a practical implementation pipeline and an analysis of visual factors influencing misclassification. Future developments include dataset expansion, advanced balancing techniques, and real-time industrial deployment testing.
RANCANG BANGUN ROBOT 4WD KENDALI SUARA BERBASIS KEYWORD SPOTTING MENGGUNAKAN EDGE AI PADA MIKROKONTROLER ESP32-S3 Rehandra; Feri Candra
Journal of System & Technology (SYSTEC) Vol. 2 No. 1 (2026): Journal of System & Technology (June Edition)
Publisher : Jurusan Teknik Elektro, Fakultas Teknik, Universitas Riau

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

Abstract

Meningkatnya adopsi Kecerdasan Buatan (AI) dalam dunia pendidikan telah menciptakan kesenjangan yang signifikan antara alat pembelajaran robotika konvensional dengan kebutuhan industri saat ini. Platform yang ada, seperti robot Edubit berbasis BBC Micro:bit yang digunakan di Educourse.id, belum memiliki kemampuan pemrosesan AI secara asli (native) dan memiliki biaya yang relatif tinggi, sehingga kurang memadai untuk mengajarkan konsep embedded AI modern. Penelitian ini menyajikan desain dan implementasi purwarupa robot 4WD yang dikendalikan suara menggunakan teknologi Keyword Spotting yang diimplementasikan sepenuhnya pada perangkat melalui Edge AI. Sistem ini dibangun menggunakan mikrokontroler ESP32-S3 dengan memanfaatkan arsitektur dual-core Xtensa LX7 yang mendukung instruksi vektor untuk akselerasi jaringan saraf. Input audio ditangkap melalui mikrofon MEMS INMP441 melalui protokol I2S dan diproses oleh framework ESP-SR, yang mengintegrasikan WakeNet untuk deteksi wake word ("Hi ESP") dan MultiNet7 untuk klasifikasi perintah navigasi. Lima perintah arah didukung dalam sistem ini: maju, mundur, kiri, kanan, dan berhenti. Arsitektur FreeRTOS dual-core dengan penempatan tugas (task pinning) secara eksplisit memisahkan inferensi AI pada Core 1 dari logika Finite State Machine dan transmisi nirkabel pada Core 0 untuk memastikan performa real-time yang deterministik. Perintah navigasi yang telah divalidasi dikirimkan secara nirkabel ke unit robot menggunakan protokol ESP-NOW melalui struktur paket 7-byte yang ringkas dengan verifikasi integritas XOR checksum. Evaluasi sistem dilakukan menggunakan Black Box Testing melalui 50 percobaan yang melibatkan lima penutur berbeda di lingkungan dalam ruangan dengan tingkat kebisingan sedang. Hasil penelitian menunjukkan akurasi pengenalan perintah sebesar 100% di seluruh lima perintah navigasi, dengan skor kepercayaan rata-rata 17,62%. Temuan ini mengonfirmasi bahwa sistem yang diusulkan sangat andal dan layak digunakan sebagai platform pembelajaran Edge AI yang terjangkau dan interaktif untuk pendidikan robotika.
Co-Authors Adiya, M. Hasmil Afdi Rizal Ahmad Syahfrizal Akbar, Nurhadi Aminuyati Anand, Barri Andhi, Rahmat Rizal Angriawan, Sherkhing Anhar Anhar Antonius Rajagukguk Bayu Fharadila Chairun Nisa Chi-chi Salsa Amaza Dani, Febry Rachma Darwin Manurung Delsavonita, Delsavonita Desnelita, Yenny Dewi Nasien Dina Lovita Sari Dina Veranita Edi Susilo Efendi, Mas Esa Prakasa Esa Prakasa, Esa Faisal Karim Fathra Annis Nauli Febiola, Dwi Suci Giovan Alshary Gressiva, Gressiva Hadiwandra, T Yudi Hamdani, Eddy Hana Bernika Sabila Herman Herman Hidayat, Ilham I. Yasri Indra Yasri JR Lessy Eka Putri Khairy, Khafizh Kurniawan Kurniawan Lukmannil Hakim Luthfi Afif M. Yogi Riyantama Isjoni Mailestari Wina Yance Mega Fatimah Rosana Minarni Minarni Minarni Shiddiq, Minarni Misrawati Misrawati Mohammad Fisal Rabin Monica Oktavianti Muhamad Zahara Anugrah Putra Muhammad Rizki Radhelan Muhammad Sandy Prastyo Muhammad Syafii Muhammad Syafii Nadira Alifia Ionendri Naufal Fikri Aulia Ningsih, Sri Purnama Noprizal Noprizal Noprizal, Noprizal Noveri Lysbetti M Novtarina, Dita Aulia Nurhalim Dani Ali Putra, Muhamad Zahara Anugrah Rabil Kurniawan RAHMAT WIBOWO Ramadhan Rani, Mutia Mustika Refli Erdinal Rehandra Restuyoda, Raka Rezkiana, Nisa Tri Roby Esta Sunara Roni Sanjaya Saktioto Saktioto Salhazan Nasution Salsabilla Azahra Putri Setiabudi, Muhamad Indra Siti Komariah Siti Komariah Soesilo, Eddy Sri Wahyuni Suryani Suryani Syafiqoh, Nidya Nur Warman Fatra, Warman Yanda Sepri Yanifal Yusnita Rahayu Zulharman Zulharman Zulharman Zulharman