Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Vocational Education and Information Technology (JVEIT)
Muhammad Rafi Alexander Prayoga
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Mechanical Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENGEMBANGAN APLIKASI MANAJEMEN TAMBAK IKAN KONSUMSI BERBASIS WEB DAN MOBILE FISHEERLOG Rio Ferddinansya; Muhammad Naufal Sutardi; Rheynesta Hannover; Fauzi Ikhsan Suswanto; Muhammad Rafi Alexander Prayoga; Wicaksono, Aditya; Mindara, Gema Parasti; Inna Novianty; Lathifunnisa Fathonah; Endang Purnama Giri
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9843

Abstract

Manajemen pakan ikan, stok ikan, serta pemantauan karyawan adalah parameter krusial dalam kesuksesan pengelolaan tambak ikan. Dalam skala besar, pengelolaan tambak ikan akan cederung menjadi lebih rumit dan kompleks. Memastikan setiap sumber daya manusia yang mengelola tambak ikan teredukasi dan memahami metode teknis dalam membudi daya ikan menjadi langkah krusial yang dapat dilakukan pengelola tambak ikan. Dengan aplikasi ini, manajer tambak ikan dapat dengan mudah mengelola logistik ikan mulai dari pakan dan stok, hingga monitoring perawatan tambak ikan oleh karyawan. Sarana pembelajaran melalui aplikasi akan menjadi solusi praktis sekaligus berdampak besar bagi karyawan untuk lebih memahami praktik pengelolaan tambak ikan. Aplikasi ini dikembangkan menggunakan metode Agile yang memudahkan pengembangan dan fleksibel sehingga memungkinkan pengembangan berkelanjutan. Website Fisheerlog dibangun menggunakan framework Laravel 11, sedangkan aplikasi mobile dikembangkan menggunakan Java. Aplikasi ini diharapkan bisa mempermudah pengelolaan tambak ikan baik dari segi logistik maupun sumber daya manusia yang tersedia. Selain itu, aplikasi ini diharapkan dapat mendorong minat masyarakat untuk memulai bisnis budidaya ikan konsumsi.
Comparison of CNN-PERCLOS and SVM-HOG Models for Drowsiness Detection in University Students: Perbandingan Model CNN-PERCLOS dan SVM-HOG untuk Deteksi Kantuk Mahasiswa Dodik Ariyanto; Raden Muhammad Raditya Rahman; Muhammad Rafi Alexander Prayoga; Rafii Khairan Saragih; Faldiena Marcelita
Journal of Vocational Education and Information Technology (JVEIT) Vol. 7 No. 1 (2026): Jurnal JVEIT : Vol 7 No 1 2026
Publisher : Lembaga Pengembangan dan Inovasi Universitas Dharmas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56667/jveit.v7i1.2234

Abstract

Pembelajaran daring menuntut mahasiswa untuk mempertahankan perhatian visual dalam durasi yang panjang, sedangkan pola tidur yang kurang baik dan kelelahan dapat menurunkan konsentrasi serta meningkatkan risiko kantuk. Penelitian ini membandingkan metode CNN-PERCLOS dan SVM-HOG untuk mendeteksi kantuk mahasiswa menggunakan data citra wajah. Dataset yang digunakan diperoleh dari Kaggle Drowsiness Dataset dan terdiri atas empat kelas, yaitu Closed_Eyes, Open_Eyes, Yawn, dan No_yawn. Tahapan penelitian meliputi akuisisi dataset, pra-pemrosesan, klasifikasi visual berbasis CNN, perhitungan PERCLOS, ekstraksi fitur HOG, klasifikasi SVM, dan evaluasi model. Evaluasi dilakukan menggunakan akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa CNN-PERCLOS memperoleh performa lebih baik dibandingkan SVM-HOG, dengan akurasi 92.5%, presisi 92.9%, recall 92.5%, dan F1-score 92.5%. Sementara itu, SVM-HOG memperoleh akurasi 82.7%, presisi 83.2%, recall 82.7%, dan F1-score 82.6%. Hasil tersebut menunjukkan bahwa CNN-PERCLOS lebih efektif dalam mengenali pola visual kantuk dibandingkan fitur manual HOG dengan SVM.
Co-Authors Aditya Wicaksono DODIK ARIYANTO Endang Purnama Giri Fathonah, Lathifunnisa Fauzi Ikhsan Suswanto Inna Novianty Marcelita, Faldiena Mindara, Gema Parasti Muhammad Naufal Sutardi Raden Muhammad Raditya Rahman Rafii Khairan Saragih Rheynesta Hannover Rio Ferddinansya