Claim Missing Document
Check
Articles

Found 2 Documents
Search

PELATIHAN PEMASANGAN PANEL SURYA DAN IOT UNTUK MONITORING LISTRIK BUDIDAYA LELE Junaidi, Junaidi; Ramadhani, Andrew; Larasati, Mustika Fitri; Abimanyu, Yogi
Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Vol 5, No 1 (2025): April 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jpstm.v5i1.3981

Abstract

Abstract: The POKDAKAN Tani Makmur group, a freshwater fish farming group in Gerak Tani Village, has problems related to high electricity costs due to dependence on PLN which is used 24 hours a day for operational uses such as aerators, water pumps, lighting, and automatic feeding. To overcome this, this group plans to install a Solar Power Plant (PLTS) and develop an Internet of Things (IoT) application to monitor electricity consumption. PLTS will provide 24-hour electricity from solar energy, expected to reduce operational costs and save electricity costs. The IoT monitoring system will monitor voltage, current, power, energy (kWh), frequency, and power factor, and provide an estimate of electricity costs. This program involves lecturers and students in community service activities, including field surveys, observations, workshop training on PLTS technology and the creation of IoT applications. The goal is to increase harvest yields, provide technological understanding, and broaden the horizons of the POKDAKAN Tani Makmur group in the use of electricity and monitoring electrical loads through IoT. This solution aims to reduce operational costs and increase energy efficiency in catfish farming.            Keywords: POKDAKAN prosperous farmers; PLTS; internet of things; pzem sensor; solar charge controller. Abstrak: Kelompok POKDAKAN Tani Makmur, kelompok budidaya ikan air tawar di Desa gerak tani, masalah yang terjadi terkait dengan biaya listrik tinggi karena ketergantungan pada PLN yang digunakan selama 24 jam dalam sehari untuk penggunaaan operasional seperti aerator, pompa air, penerangan, dan pemberian pakan otomatis. Untuk mengatasi hal ini, kelompok ini berencana memasang Pembangkit Listrik Tenaga Surya (PLTS) dan mengembangkan aplikasi Internet of Things (IoT) untuk memantau konsumsi listrik. PLTS akan menyediakan listrik 24 jam dari energi surya, diharapkan dapat mengurangi biaya operasional dan menghemat pengeluaran listrik. Sistem monitoring IoT akan memantau tegangan, arus, daya, energi (kWh), frekuensi, dan faktor daya, serta memberikan estimasi biaya listrik. Program ini melibatkan dosen dan mahasiswa dalam kegiatan pengabdian kepada masyarakat, mencakup survei lapangan, observasi, pelatihan workshop tentang teknologi PLTS dan pembuatan aplikasi IoT. Tujuannya adalah meningkatkan hasil panen, memberikan pemahaman teknologi, dan memperluas wawasan kelompok POKDAKAN Tani Makmur dalam pemanfaatan listrik dan pemantauan beban listrik melalui IoT. Solusi ini bertujuan untuk mengurangi biaya operasional dan meningkatkan efisiensi energi dalam budidaya ikan lele. Kata kunci: internet of things; POKDAKAN tani makmur; PLTS; sensor pzem; solar charge controller. 
PEMBELAJARAN MENDALAM DETEKSI KELELAHAN WAJAH MENGEMUDI BERDASARKAN ALGORITMA YOLOV5 UNTUK MENGHINDARI KECELAKAAN DALAM SISTEM TRANSPORTASI CERDAS Junaidi, Junaidi; Ramadhani, Andrew; Abimanyu, Yogi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4093

Abstract

Abstract: Traffic accidents due to driver fatigue are a serious problem in transportation systems, especially in Indonesia. This research aims to develop a computer vision-based early warning system capable of detecting driver fatigue in real-time through facial expressions. This system integrates the YOLOv5 algorithm for face detection, EAR (Eye Aspect Ratio) and MAR (Mouth Aspect Ratio) for eye blink and mouth movement analysis, CNN (Convolutional Neural Network) for fatigue expression classification, and LSTM (Long Short-Term Memory) for analyzing the time-varying patterns of facial expressions. Data were obtained from public Kaggle datasets and facial data taken directly from cameras, which were then trained with augmentation techniques to improve model generalization. Test results show that the system is able to achieve validation accuracy of up to 90.5% and a confidence score of 97.9% for sleepy face detection. This system successfully recognizes sleepiness through EAR and MAR patterns and expression classification with real-time performance, and can be implemented efficiently on minicomputer devices. This research contributes to improving driving safety through early detection of driver fatigue in intelligent transportation systems.Keyword: drowsiness detection; YOLOv5; CNN; LSTM; EAR & MAR; facial expression; intelligent transportationAbstrak: Kecelakaan lalu lintas akibat kelelahan pengemudi menjadi permasalahan serius dalam sistem transportasi, khususnya di Indonesia. Penelitian ini bertujuan untuk mengembangkan sistem peringatan dini berbasis visi komputer yang mampu mendeteksi kondisi kelelahan pengemudi secara real-time melalui ekspresi wajah. Sistem ini mengintegrasikan algoritma YOLOv5 untuk deteksi wajah, EAR (Eye Aspect Ratio) dan MAR (Mouth Aspect Ratio) untuk analisis kedipan mata dan gerakan mulut, CNN (Convolutional Neural Network) untuk klasifikasi ekspresi lelah, serta LSTM (Long Short-Term Memory) untuk menganalisis pola perubahan waktu dari ekspresi wajah. Data diperoleh dari dataset public kaggle dan data wajah yang di ambil langsung dari kamera, yang kemudian dilatih dengan teknik augmentasi untuk meningkatkan generalisasi model. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi validasi hingga 90,5% dan confidence score deteksi wajah mengantuk sebesar 97,9%. Sistem ini berhasil mengenali kondisi kantuk melalui pola EAR dan MAR serta klasifikasi ekspresi dengan performa real-time, dan dapat diimplementasikan secara efisien di perangkat mini-komputer. Penelitian ini berkontribusi dalam meningkatkan keselamatan berkendara melalui deteksi dini kelelahan pengemudi dalam sistem transportasi cerdas.Kata kunci: deteksi kantuk; YOLOv5; CNN; LSTM; EAR & MAR; ekspresi wajah; transportasi cerdas