Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
David Maria Veronika, Nuri
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
SISTEM PEMANTAUAN BANJIR MENGGUNAKAN ARDUINO BERBASIS IOT Redo Ilahi, Wahyu; Hendri Wibowo, Sastya; Muntahana, Muntahana; David Maria Veronika, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13476

Abstract

Permasalahan yang terjadi pada ketika musim hujan adalah banjir, dimana masyarakat yang terdampak banjir karena tidak dapat mengetahui kondisi pada lingkungannya secara real time, karena ada yang tidak di lokasi seperti kerja atau diluar kota. Dengan adanya alat yang dapat memonitoring ketinggian banjir dengan informasi ketinggian air di lingkungan yang dapat di lihat secara real time dapat menggurangi dampak banjir pada masyarakat. Alat deteksi banjir menggunakan Arduino berbasis IOT dirancang dan dibuat agar dapat melakukan deteksi banjir terutama ketinggian air pada pemungkiman warga dengan menggunakan sensor ultrasonic. Dimana ketinggian kecil dari 10 cm masuk kedalam kategori aman, ketinggian kecil 10 cm sampai dengan 20 cm masuk kedalam kategori siaga dan ketinggian besar dari 25 cm masuk kedalam kategori darurat. Dimana ketinggian ini ditentukan pada tempat sensor alat terpasang.
KLASIFIKASI UKURAN TELUR AYAM MENGGUNAKAN CANNY, EKSTRAKSI FITUR, DAN CNN Muntahanah, Muntahanah; Nur'aini, Shandra; Darnita, Yulia; David Maria Veronika, Nuri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13751

Abstract

Klasifikasi ukuran telur ayam merupakan aspek penting dalam industri peternakan untuk meningkatkan efisiensi dalam penanganan dan distribusi. Saat ini, proses klasifikasi masih banyak dilakukan secara manual, yang rentan terhadap kesalahan dan kurang efisien. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis menggunakan metode deteksi tepi Canny, ekstraksi fitur citra, dan Convolutional Neural Network (CNN). Metode ini dipilih karena kemampuannya mengidentifikasi objek secara akurat dengan pemrosesan yang lebih cepat dibandingkan metode konvensional. Penelitian dilakukan dengan tahap pengolahan citra, ekstraksi fitur seperti luas, perimeter, eccentricity, dan solidity, serta pelatihan model CNN menggunakan dataset telur berbagai ukuran. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mencapai akurasi 100%, presisi 100%, dan recall 100%, membuktikan efektivitas metode yang diterapkan. Pendekatan ini menawarkan solusi yang lebih efisien dalam klasifikasi ukuran telur, mendukung otomatisasi di industri peternakan, serta meningkatkan konsistensi dan akurasi dalam distribusi telur.
Co-Authors Darnita, Yulia Hendri Wibowo, Sastya Muntahana, Muntahana Muntahanah, Muntahanah Nur'aini, Shandra Redo Ilahi, Wahyu