Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Elektro Jurnal Teknologi Journal of Ocean, Mechanical and Aerospace -science and engineering- (JOMAse) Jurnal Inkofar
Putri, Salsanabila Mariestiara
Unknown Affiliation
Aerospace Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Medicine & Pharmacology Public Health Transportation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
SISTEM OTOMASI AKUAPONIK PINTAR BERBASIS ARDUINO Putri, Salsanabila Mariestiara; Alpiani, Alpiani; Fadilah, Ade
Jurnal Inkofar Vol 9, No 1 (2025)
Publisher : Politeknik META Industri Cikarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46846/jurnalinkofar.v9i1.414

Abstract

Kementrian Kesehatan telah memperkirakan pada tahun 2035, sebesar 65% penduduk akan menghuni perkotaan, terutama di 16 kota besar di Indonesia. Meningkatnya jumlah penduduk menyebabkan kebutuhan pangan terus meningkat. Pada kondisi demikian, akuaponik menjadi salah satu jawaban untuk menekan angka permintaan pangan untuk penduduk kota. Melalui sistem akuaponik, akan menghasilkan dua komoditas sekaligus yaitu sayuran dan ikan. Namun, sistem akuaponik konvensional membutuhkan tenaga dan cukup menyita waktu karena harus selalu hadir ditempat untuk melakukan proses perawatan. Oleh sebab itu, dibutuhkan sistem otomasi cerdas dari segi monitoring maupun controlling berbasis Arduino. Metode penelitian yang dipakai adalah Research and Development program arduino. Variabel pada sistem otomasi akuaponik pintar berbasis Arduino ini adalah variabel monitoring dan controlling. Sistem monitoring terletak pada pemantauan kelembaban media tanam, suhu, TDS air, dan pH air yang ditampilkan dalam LCD, serta sistem controlling dengan pengontrolan yang terletak pada mengatur kadar kelembaban media tanam dengan pompa dan lampu. Hasil pengukuran pada sistem monitoring ini adalah 0.49% untuk nilai error pada sensor suhu, 0.95% untuk nilai error sensor kelembaban, 0.12% untuk nilai error pada sensor TDS, 1.64 % untuk nilai error sensor pH. Hasil pada sistem controlling ini adalah pompa dan lampu dapat berjalan secara otomatis dengan sistem kendali fuzzy.
Detection of Damage Motor and Coal Crusher in Power Plant Tanjung Enim 3 X 10 MW Using Vibration Analysis Septano, Gurruh Dwi; Ikbal, Ikbal; Fathoni, Fathoni; Sriwijaya, Sayid Bahri; Putri, Salsanabila Mariestiara
Journal of Ocean, Mechanical and Aerospace -science and engineering- Vol 68 No 3 (2024): Journal of Ocean, Mechanical and Aerospace -science and engineering- (JOMAse)
Publisher : International Society of Ocean, Mechanical and Aerospace -scientists and engineers- (ISOMAse)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36842/jomase.v68i3.378

Abstract

Motor and coal crushers are critical in coal size reduction for efficient energy production. Continuous operation often impacts their functionality, necessitating effective maintenance methods. This study employs vibration analysis to monitor the health and detect potential faults in the motor and coal crusher. Vibration values, measured under load and no-load conditions, were analyzed in vertical, horizontal, and axial directions using ISO 10816 standards. Results show that while vibration levels remained within safe limits, increased readings in specific areas, particularly at the Crusher NDE in axial direction under load conditions, suggest potential issues like misalignment or bearing wear. Prominent vibration peaks at lower frequencies in the spectrum further support these findings. This research underscores the importance of routine vibration monitoring to preemptively address machine faults, ensuring optimized operation and minimized downtime. Vibration analysis proves effective for predictive maintenance and operational reliability in coal processing systems.
Akuaponik Cerdas: Notifikasi Real-Time dengan Sensor pH, Soil Moisture, Suhu, dan TDS Putri, Salsanabila Mariestiara; Rahmat Hidayat, Tri Rahmat; Alpiani, Alpiani; Fadilah, Ade
Jurnal Teknologi Elektro Vol 16, No 3 (2025)
Publisher : Electrical Engineering, Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/jte.2025.v16i3.002

Abstract

Perkembangan pertanian saat ini menunjukkan kemajuan yang signifikan, salah satunya adalah penerapan sistem akuaponik yang mengintegrasikan budidaya tanaman dan ikan. Sistem ini sangat cocok untuk lahan dan sumber air yang terbatas, seperti di daerah perkotaan di mana ruang terbuka hijau semakin berkurang. Namun, sistem akuaponik konvensional memiliki beberapa kelemahan, terutama dalam hal perawatan yang masih dilakukan secara manual, seperti memberi makan ikan, menguji kadar pH, dan memantau suhu lingkungan. Proses ini tentu memerlukan banyak tenaga dan waktu, karena petani harus selalu berada di lokasi untuk melakukan perawatan.Teknologi Internet of Things (IoT) hadir sebagai solusi untuk mengatasi masalah tersebut, dengan mempermudah beberapa proses perawatan, seperti Monitoring kelembaban media tanam, suhu, pH air, dan TDS dalam sistem akuaponik berbasis IoT. Produk yang kami kembangkan ini dinamakan Internet of Things in Aquaponic (IONIC). Sistem IONIC dilengkapi dengan empat sensor yang dipasang pada media tanam dan kolam ikan, yaitu sensor kelembaban dan suhu untuk media tanam, serta sensor pH dan TDS untuk kolam ikan. Selain itu, terdapat dua pompa: satu pompa irigasi untuk mengalirkan air dari kolam ikan menuju filter dan aerator yang berfungsi untuk menyuplai oksigen ke dalam kolam, serta satu pompa lainnya untuk menyalurkan air dari filter ke media tanam.Sistem monitoring IONIC berfungsi untuk memantau pembacaan dari sensor-sensor tersebut, yang hasilnya ditampilkan pada LCD dan Thingspeak. Untuk Controlling, sensor kelembaban dan suhu membaca kondisi media tanam dan mengirimkan data ke Arduino & Esp8266, yang kemudian menginstruksikan lampu pemanas dan pompa untuk beroperasi sesuai kebutuhan dan dapat dioperasikan melalui Thingspeak.
Evaluasi Kinerja YOLOv11 pada Deteksi Penyakit Tanaman Cabai: Studi Komparatif dengan YOLOv8, YOLOv5, dan SSD Permatasari, Jelita; Armin, Edmund Ucok; Sunardi, Egi; Laili, Maria Bestarina; Putri, Salsanabila Mariestiara
Jurnal Teknologi Vol 25, No 3 (2025): Desember 2025
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/teknologi.v25i3.8400

Abstract

Early and accurate detection of chili plant diseases is essential to support precision agriculture and minimize crop losses. Conventional visual inspection performed by farmers is often subjective and inconsistent, particularly under varying lighting conditions and complex field environments. Recent developments in deep learning, especially object detection models, enable the automation of disease identification with higher reliability. This study evaluates the performance of the YOLOv11 architecture for detecting three classes related to chili plant conditions—anthracnose, fruit fly, and healthy fruit—using a primary dataset of 1,062 field images collected in Karawang, Indonesia. The model was trained using a standardized configuration and compared with three widely used object detection models: YOLOv8, YOLOv5, and SSD. The training process was conducted for 100 epochs, with evaluation metrics including precision, recall, mAP50, mAP50–95, and inference time. Experimental results show that YOLOv11 achieved the highest detection performance, with an mAP50 of 86.94%, outperforming YOLOv8 by 3.8%, YOLOv5 by 6.8%, and SSD by 12.7%. The model also demonstrated the fastest inference speed at 10.9 ms, making it suitable for real-time field applications. Training analysis indicated stable convergence at the 61st epoch, supported by balanced precision (0.82391) and recall (0.77967) values as well as consistent reductions in both training and validation losses. These findings demonstrate that YOLOv11 provides more accurate and efficient detection of chili plant diseases compared with previous YOLO variants and SSD, and it offers strong potential for implementation in practical agricultural environments.
Co-Authors Alpiani, Alpiani Armin, Edmund Ucok Fadilah, Ade Fathoni Fathoni Gurruh Dwi Septano Ikbal Ikbal Laili, Maria Bestarina Permatasari, Jelita Rahmat Hidayat, Tri Rahmat Sriwijaya, Sayid Bahri Sunardi, Egi