Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Dinamika Teknik Teknotan: Jurnal Industri Teknologi Pertanian Agrointek Journal of Innovation and Applied Technology Jurnal Teknologi Pertanian Jurnal Sosioteknologi Jurnal Sains dan Teknologi Pangan Industria: Jurnal Teknologi dan Manajemen Agroindustri Jurnal Teknologi & Industri Hasil Pertanian Advances in Food Science, Sustainable Agriculture and Agroindustrial Engineering (AFSSAAE) Agroindustrial Journal Jurnal Ilmiah Teknologi Pertanian Agrotechno Jurnal Agroindustri Halal
Effendi, Mas'ud
Universitas Brawijaya
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Determination of Work Schedule Based on Employee Data Classification Using the Decision Tree Algorithm C4.5 Method Effendi, Mas'ud; Ariani, Risna Dyah; Astuti, Retno
Industria: Jurnal Teknologi dan Manajemen Agroindustri Vol 10, No 3 (2021)
Publisher : Department of Agro-industrial Technology, University of Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.industria.2021.010.03.6

Abstract

AbstractThis study aims to create a work shift scheduling system based on data classification, as well as to determine its level of accuracy and provide schedule recommendations. The method used was the Decision Tree Algorithm C4.5 which functions as a classification system to form a work shift schedule. The study included 128 employees, and a total of 43 training data were obtained from a 1/3 split of the dataset, then processed using RapidMiner 5.3 data mining software. Furthermore, the rule of decision tree calculation results was used to classify employee and shift formation on the web system based on PHP and MySQL. The attributes of the decision-maker consist of gender, health records, age, and work unit. The classification found 96 employees who occupy the afternoon shift and 32 for the night shift. System testing was carried out using K-fold cross-validation, which produced an average accuracy of 93.39%, with the highest found in the six-fold cross-validation of 95.35%. Two-shift scheduling was proposed on the web system with a work shift rotation in the form of a metropolitan plan (2-2-2 rota).Keywords: scheduling, Decision Tree C4.5, employee AbstrakPenelitian ini bertujuan untuk membuat sistem penjadwalan shift kerja berdasarkan klasifikasi data, mengetahui tingkat akurasi sistem penjadwalan shift kerja berdasarkan hasil klasifikasi, serta memberikan usulan jadwal shift kerja berdasarkan klasifikasi dari sistem penjadwalan kerja berbasis web. Metode yang digunakan adalah Decision Tree Algorithm C4.5 yang berfungsi sebagai pengklasifikasi untuk pembentukan penjadwalan shift kerja. Kebutuhan data dalam penelitian ini berjumlah 128 data tenaga kerja. Data training diperoleh melalui split 1/3 data tenaga kerja (43 data). Data training diolah menggunakan software data mining RapidMiner 5.3. Rule hasil perhitungan decision tree digunakan sebagai dasar klasifikasi tenaga kerja dan pembentukan shift pada sistem web berbasis PHP dan MySQL. Atribut pengambil keputusan terdiri dari atribut jenis kelamin, catatan kesehatan, usia, dan unit kerja. Hasil klasifikasi diperoleh 96 tenaga kerja yang menempati shift siang dan 32 tenaga kerja yang menempati shift malam. Pengujian sistem menggunakan K-fold cross validation menghasilkan rata-rata akurasi sebesar 93.39% dengan akurasi tertinggi pada six-fold cross validation sebesar 95.35%. Usulan rekayasa pada sistem web terdiri dari 2 shift kerja. Rotasi shift kerja mengadopsi tipe rotasi metropolitan plan (2-2-2 rota).Kata kunci: penjadwalan, Decision Tree C4.5, tenaga kerja
Image-based Quality Identification of Black Soybean (Glycine soja) Using Convolutional Neural Network Effendi, Mas'ud; Ramadhan, Naufal Hilmi; Hidayat, Arif
Industria: Jurnal Teknologi dan Manajemen Agroindustri Vol 12, No 1 (2023)
Publisher : Department of Agro-industrial Technology, University of Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.industria.2023.012.01.7

Abstract

AbstractThe problem faced in identifying the quality of black soybeans is that the quality of the assessment is inconsistent and it takes a relatively long time. This study aims to determine the best convolutional neural network architecture by comparing the performance of Custom CNN, MobileNetV2, and ResNet-34 architectures in identifying the quality level (grade) of black soybeans. The quality of black soybean is split into 4 different classes based on physical characteristics (split, damaged, other colors, wrinkles, dirt) and moisture content test. The number of images used is 1300 images, with the ratio of training data, validation data, and testing data are 50:25:25, 60:25:15, and 70:20:10. The best model for identifying the quality based on the physical characteristics is the MobileNetV2 architecture with a ratio of 50:25:25 which produces an accuracy of 90.18%. Morover, the best model for identifying the quality based on the moisture content is the ResNet-34 architecture with a ratio of 70:20:10, which produces an accuracy of 78.12%. The best overall accuracy in identifying the quality based on both physical characteristics and moisture content is the ResNet-34 architecture, with a ratio of 70:20:10, with an average accuracy of testing data of 79.21%.Keywords: black soybean, Convolutional Neural Network, image, MobileNetV2, ResNet-34 AbstrakPermasalahan yang dihadapi dalam identifikasi mutu kedelai hitam adalah kualitas penilaian yang tidak konsisten dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk menentukan arsitektur jaringan saraf konvolusional terbaik dengan membandingkan kinerja antara arsitektur Custom CNN, MobileNetV2, dan ResNet-34 dalam identifikasi tingkat mutu kedelai hitam. Mutu kedelai hitam terdiri dari 4 kelas dengan parameter uji fisik (belah, rusak, warna lain, keriput, kotoran) dan uji kadar air. Peneliti ini menggunakan1300 citra dengan rasio data latih, data validasi, dan data uji yang digunakan adalah 50:25:25, 60:25:15, dan 70:20:10. Hasil terbaik untuk identifikasi mutu parameter uji fisik adalah pada arsitektur MobileNetV2 dengan rasio 50:25:25 dan akurasi 90,18%. Hasil terbaik untuk identifikasi mutu parameter uji kadar air adalah arsitektur ResNet-34 dengan rasio 70:20:10 dan akurasi 78,12%. Hasil akurasi terbaik secara keseluruhan dengan identifikasi parameter fisik dan kadar air adalah arsitektur ResNet-34 dengan rasio 70:20:10 yang memiliki rata-rata akurasi data uji 79,21%.Kata kunci: citra, Jaringan Saraf Konvolusional, kedelai hitam, MobileNetV2, ResNet-34 
Analysis of the efficiency level of the mozzarella cheese distribution channel (case study of CV Narendra Food Malang) Kurniawan, Miftakhurrizal; Laksono, Tri Kurniawan; Effendi, Mas'ud
AGROINTEK Vol 19, No 3 (2025)
Publisher : Agroindustrial Technology, University of Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/agrointek.v19i3.18473

Abstract

The distribution process has an essential role in the sustainability of an industry. The company's distribution process must be carried out effectively and efficiently, especially in terms of using human resources, capital, and others, to increase profits. Many companies need help with distribution efficiency, especially regarding CV Narendra Food. CV Narendra Food is a company that produces mozzarella cheese products with a short shelf life. The problem of short product shelf life requires companies to carry out effective and efficient distribution. The distribution process is currently experiencing issues related to efficiency. This study aims to measure the efficiency level of the distribution process carried out by CV Narendra Food and provide suggestions for improvement. This study uses the External Two-Stage Data Envelopment Analysis (DEA) model. The results showed that only two areas were efficient out of 8 distribution areas. Companies can make improvements by reducing distribution costs by using the services of delivery parties, increasing distribution in the regions that are considered inefficient, maximizing delivery to areas that are considered efficient, and setting a minimum number of orders so that deliveries can be made at optimal capacity.
Identifikasi Jenis dan Mutu Kopi Menggunakan Pengolahan Citra Digital dengan Metode Jaringan Syaraf Tiruan Mas’ud Effendi; Ullivia Fatasya; Usman Effendi
Jurnal Ilmiah Teknologi Pertanian Agrotechno Vol. 2 No. 1 (2017): April
Publisher : Fakultas Teknologi Pertanian, Universitas Udayana Gedung GA, Fakultas Teknologi Pertanian, Universitas Udayana Jl. Raya Bukit Jimbaran, Jimbaran, Kuta Selatan, Bali Telp/Fax: (0361) 701801

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24843/JITPA/2017.v02.i01.p02

Abstract

Kopi merupakan salah satu komoditas pertanian di sub sektor perkebunan yang memiliki peluang bagi perekonomian Indonesia. Harga kopi di Indonesia tergantung pada mutu yang ada pada produk, oleh karena itu mutu kopi sangat penting untuk diketahui. Salah satu identifikasi mutu kopi yang paling mudah ialah dengan melihat sifat fisik kopi. Identifikasi jenis kopi secara kasat mata sangat sulit untuk dibedakan bagi masyarakat pada umumnya sehingga diperlukan sebuah keahlian khusus. Salah satu metode untuk identifikasi jenis dan mutu kopi adalah pengolahan citra digital yang dikombinasikan dengan metode Jaringan Syaraf Tiruan (JST) dan algoritma Learning Vector Quantization (LVQ). Metode pengolahan citra digital ini tidak membutuhkan biaya yang tinggi serta waktu yang dibutuhkan untuk mengidentifikasi juga singkat. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mengidentifikasi biji kopi sesuai dengan jenis dan mutunya. Mutu kopi terdiri atas mutu I-VI untuk masing-masing jenis Robusta dan Arabika. Data citra yang digunakan sebanyak 570 gambar dengan jumlah 30 gambar untuk masing-masing mutunya. Perbandingan data yang digunakan untuk training dan testing yaitu 70% dan 30%. Hasil penelitian menunjukkan bahwa akurasi sistem terbaik sebesar 73.7% dengan menggunakan hidden neuron 19, learning rate 0.001, epoch 1000, dan error goal 0.001. Hasil pengenalan sistem menunjukkan bahwa dari 19 mutu kopi terdapat 12 diantaranya yang teridentifikasi dengan benar 100%.
Analisis Risiko Produksi Daging Sapi di Rumah Potong Hewan Menggunakan Metode Fuzzy FMEA (Studi Kasus di RPH X) Sucipto Sucipto; Dimas Reditya Laksmana Putra; Mas'ud Effendi
JURNAL AGROINDUSTRI HALAL Vol. 4 No. 2 (2018): Jurnal Agroindustri Halal
Publisher : Universitas Djuanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30997/jah.v4i2.1248

Abstract

Penyembelihan penting dikontrol untuk memproduksi daging sapi yang halal, aman, dan berkualitas. Risiko produksi daging sapi perlu diidentifikasi dan diantisipasi. Penelitian ini bertujuan mengidentifikasi risiko dan memberi usul perbaikan untuk pencegahan dini. Risiko diananlisis menggunakan metode Fuzzy Failure Mode and Effect Analysis (F-FMEA) dengan pembobotan tiap faktor dan kompetensi setiap pakar. Setiap risiko dibuat prioritas dengan Fuzzy Risk Priority Numbers (F-RPN). Hasil penelitian menunjukkan dari 10 risiko terdapat 3 risiko dengan nilai F-RPN tertinggi yaitu pekerja tidak taat aturan, pekerja kurang terampil, dan kondisi fisik daging buruk. Risiko tersebut diberi usul perbaikan berupa penyuluhan dan pelatihan berkala mengenai kehalalan, higienitas, dan mutu daging sapi pada pekerja, pembenahan fasilitas, dan pemberian poster standard operational procedure (SOP) di setiap ruang proses produksi. Selain itu, reward and punishment yang jelas dan tegas penting diterapkan.
Co-Authors A.A. Ketut Agung Cahyawan W Aditya Danang Pratama Ahmad Rizal Affandi Aprilliya Putri R Ariani, Risna Dyah Arief, Archam Arif Hidayat Arifianto Hidayat Aryo Pinandito Aulia Bayu Yushila, Aulia Bayu Azimmatul Ihwah Azzimatul Ihwah, Azzimatul Dian Setyawati Dimas Reditya Laksmana Putra Endra Cahyono Fatwatul Amalia Febrina Grace Tri Anti Fitri Alwi Azizah Fitriyah Fitriyah Fivien Wijayanti Hanny Hafiar Hany Setyorini Helmi Musyaffak Herman Tolle Imam Santoso Imam Santoso IMAM SANTOSO Irnia Nurika Jamhari Jamhari Lailia Zulfa Laksono, Tri Kurniawan Luluk Mei Arifa Maknunah, Lu'lu Ul Marita Rahmawati Ma’ruf Pambudi Nurwantara Miftakhurrizal Kurniawan, Miftakhurrizal Nur Hidayat Nurul Qomariyah Panji Deoranto Putra, Dimas Reditya Laksmana Putra, Dimas Reditya Laksmana Ramadhan, Naufal Hilmi Retno Astuti Riska Septifani Safira Aziz Mahdami Selvi Putri Simdora Siti Asmaul Mustaniroh Siti Asmaul Mustaniroh Siti Asmaul Mustaniroh Siti Asmaul Mustaniroh Sri Kumalaningsih Sucipto Sucipto Sucipto Sucipto Sucipto, Sucipto Susinggih Wijana Tri Candra Natalia Ullivia Fatasya Usman Effendi Usman Effendi Usman Effendi Wendra G. Rohmah, Wendra G. Wendra Gandhatyasri Rohmah Yoga Nariswara Yosephine Fanisa Dhani