Claim Missing Document
Check
Articles

Found 29 Documents
Search

ANALISIS KEBUTUHAN MASYARAKAT TERHADAP PENERAPAN AEROPONIK DAN IOT UNTUK PEMBIBITAN KENTANG MELALUI METODE WAWANCARA Al Ashar, Ilham Ariawan
Jurnal Penelitian dan Pengabdian Kepada Masyarakat UNSIQ Vol 12 No 3 (2025): September
Publisher : Lembaga Penelitian, Penerbitan dan Pengabdian Masyarakat (LP3M) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/ppkm.v12i3.10248

Abstract

Desa Surengede yang terletak di Kecamatan Kejajar, Kabupaten Wonosobo, memiliki potensi yang besar dalam sektor hortikultura dengan fokus utama pada produksi kentang. Meskipun demikian, cara bertani yang umum masih menggunakan metode tradisional yang rentan terhadap penyakit, penurunan mutu bibit, serta ketidakstabilan cuaca. Tujuan penelitian ini adalah untuk menganalisis kebutuhan akan teknologi aeroponik dan Internet of Things (IoT) sebagai solusi strategis dalam proses pembibitan kentang. Metode yang digunakan adalah survei deskriptif yang melibatkan 30 petani aktif, dilengkapi dengan pengamatan langsung untuk memverifikasi kondisi teknis dan sosial. Hasil studi menunjukkan bahwa 83% responden berpendapat bahwa biaya investasi untuk sistem aeroponik berbasis IoT adalah tinggi, 83% merasa operasi sistem tersebut sulit, dan 80% menganggap perawatannya rumit. Namun, 69% petani menyatakan siap untuk memanfaatkan teknologi, yang menunjukkan adanya kemungkinan untuk beralih ke pertanian cerdas. Temuan ini menegaskan perlunya dukungan keuangan, pelatihan teknis, serta desain sistem yang fleksibel agar penerapan teknologi aeroponik berbasis IoT dapat meningkatkan produktivitas serta keberlanjutan pertanian kentang di wilayah pegunungan,
INTEGRASI SENSOR KESUBURAN TANAH BERBASIS MODBUS RS485 PADA SISTEM MONITORING PERTANIAN PRESISI BERBASIS DATA Ilham, Ilham Ariawan Al Ashar; Hermawan; Muslim Hidayat; Jenny Febrina Andini; Muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6585

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji sistem monitoring kesuburan tanah berbasis Modbus RS485 yang mampu beroperasi secara mandiri tanpa koneksi internet, sebagai solusi offline smart farming di wilayah dengan keterbatasan jaringan. Sistem dirancang menggunakan sensor multiparameter 7-in-1 yang mendeteksi pH, EC, NPK, suhu, dan kelembapan tanah, terintegrasi dengan Human Machine Interface (HMI) untuk menampilkan data secara real-time. Proses akuisisi dan transmisi data dilakukan melalui komunikasi serial industri RS485, memungkinkan pengiriman data hingga 60 meter dengan tingkat stabilitas tinggi. Hasil pengujian menunjukkan sistem mampu mencapai akurasi pengukuran sebesar 96,8% dengan konsumsi daya hanya 1,8 W, sehingga efisien untuk aplikasi lapangan. Secara teknis, sistem ini menunjukkan potensi integrasi embedded system, edge computing, dan komunikasi data industri dalam mendukung digitalisasi pertanian presisi. Pendekatan ini relevan bagi penerapan smart agriculture di daerah rural tanpa infrastruktur jaringan, sekaligus mendukung arah kebijakan Transformasi Pertanian Digital Nasional. Hasil penelitian ini diharapkan menjadi dasar bagi pengembangan arsitektur offline digital agriculture yang efisien, reliabel, dan berkelanjutan untuk monitoring kesuburan tanah berbasis data lokal
Klasifikasi Jenis Kulit pada Citra Wajah untuk Rekomendasi Perawatan menggunakan Convolutional Neural Network (CNN) Chamada Sekar Cellya Lutvi; Erna Dwi Astuti; Muslim Hidayat
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Juli-Agustus
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.836

Abstract

Perawatan kulit wajah merupakan bagian penting dari kesehatan dan penampilan, namun banyak orang masih kesulitan menentukan jenis kulit dan produk skincare yang sesuai, sehingga berisiko menimbulkan iritasi maupun efek samping lain, ditambah keterbatasan jumlah ahli kecantikan atau dokter kulit yang membuat proses konsultasi memakan waktu lama. Penelitian ini bertujuan mengembangkan sistem klasifikasi jenis kulit wajah secara otomatis untuk mendukung pemberian rekomendasi perawatan yang tepat. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, memanfaatkan dataset citra wajah dari kaggle dan data lapangan yang terbagi ke dalam empat kategori jenis kulit, yaitu berjerawat, berminyak, kering, dan normal, dengan rasio pembagian data 80:10:10 untuk data latih, validasi, dan uji, serta dilengkapi proses augmentasi dan class weighting untuk mengatasi ketidakseimbangan kelas. Model kemudian diintegrasikan ke dalam aplikasi berbasis website menggunakan react.js dan python sebagai antarmuka klasifikasi bagi pengguna. Hasil pelatihan menunjukkan model mencapai training accuracy sebesar 82,57% dan validation accuracy sebesar 82,17%, sedangkan hasil evaluasi berdasarkan confusion matrix menghasilkan akurasi keseluruhan sebesar 89,40%. Pengujian lanjutan melalui antarmuka website menggunakan 60 citra wajah baru yang belum pernah digunakan dalam proses pelatihan menunjukkan bahwa sistem mampu mengenali dan mengklasifikasikan jenis kulit wajah dengan baik pada seluruh kategori yang diuji. Hasil ini menunjukkan bahwa metode CNN dengan arsitektur MobileNetV2 cukup efektif diterapkan untuk klasifikasi jenis kulit wajah dan dapat menjadi dasar sistem rekomendasi perawatan kulit yang lebih cepat, objektif, dan mudah diakses oleh masyarakat.
Smart Aquarium berbasis Internet of Things menggunakan Metode Fuzzy Logic untuk Otomatisasi Pemeliharaan dan Monitoring Kondisi Aquarium Ahmad Fatnan Ali; Muslim Hidayat; Nahar Mardiyantoro
Jurnal Teknologi dan Sains Modern Vol. 3 No. 4 (2026): Juli-Agustus
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v3i4.884

Abstract

Pemeliharaan ikan hias memerlukan pengawasan yang berkelanjutan terhadap kualitas air dan ketepatan pemberian pakan agar kondisi lingkungan tetap optimal. Namun, proses pemeliharaan yang masih dilakukan secara manual sering menyebabkan keterlambatan dalam mendeteksi perubahan kualitas air sehingga dapat berdampak pada kesehatan dan pertumbuhan ikan. Penelitian ini bertujuan untuk merancang dan membangun sistem Smart Aquarium berbasis Internet of Things (IoT) menggunakan metode Fuzzy Logic guna melakukan monitoring kondisi akuarium serta mendukung otomatisasi pemeliharaan secara real-time. Sistem dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor suhu DS18B20, sensor kekeruhan (turbidity sensor), motor servo sebagai pemberi pakan otomatis, modul relay sebagai pengendali perangkat, serta platform IoT untuk menampilkan data hasil monitoring. Metode Fuzzy Logic digunakan untuk mengolah data sensor sehingga sistem mampu menentukan kondisi akuarium dan menghasilkan keputusan otomatis berdasarkan aturan (rule base) yang telah ditentukan. Pengujian dilakukan terhadap setiap komponen perangkat keras, komunikasi IoT, serta implementasi metode Fuzzy Logic untuk mengevaluasi kinerja sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan monitoring suhu dan tingkat kekeruhan air secara real-time, mengirimkan data ke platform IoT, memberikan notifikasi ketika kondisi berada di luar batas normal, serta menjalankan fungsi otomatisasi sesuai hasil inferensi Fuzzy Logic. Dengan demikian, sistem yang dikembangkan dapat meningkatkan efektivitas dan efisiensi pemeliharaan akuarium serta membantu pengguna menjaga kualitas lingkungan akuarium secara berkelanjutan.
SISTEM KLASIFIKASI MUTU BUAH SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Zaid Husni Abdillah; Nahar Mardiyantoro; Muslim Hidayat; Saifu Rohman; Nur Hasanah
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.269

Abstract

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidakkonsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur MobileNetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, dan C), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian pada perangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B. Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas.
CHATBOT ASSISTANT DENGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) SEBAGAI LAYANAN TANYA JAWAB MENTEE DI INFINITE LEARNING Rahmad Noor Ikhsan; Adi Suwondo; Muslim Hidayat; Dian Asmarajati; Sukowiyono
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.272

Abstract

Mentor pada program Studi Independen di Infinite Learning sering menghabiskan waktu menjawab pertanyaan umum yang berulang dari mahasiswa, sehingga mengurangi efisiensi pendampingan. Penelitian ini bertujuan membuat chatbot sebagai layanan tanya jawab mentee dengan metode eksperimental. Pengembangan chatbot menggunakan Long Short-Term Memory (LSTM), arsitektur deep learning yang efektif untuk Natural Language Processing (NLP). Data berupa pertanyaan dan jawaban dibagi menjadi 3 bagian: pre-register, running program, dan end program. Model dilatih selama 39 epoch dengan nilai loss 0.0279, accuracy 99.71%, validation loss 0.0237, dan validation accuracy 99.72%. Evaluasi menggunakan confusion matrix menunjukkan accuracy 99%, precision 97%, recall 98%, dan f1-score 97%. Model kemudian diimplementasikan ke Telegram bot untuk layanan tanya jawab otomatis bagi mentee.
APLIKASI INVENTARIS BARANG BERBASIS WEB PADA LABORATORIUM KOMPUTER FASTIKOM Akhmad Abdul Khalim; Muhamad Fuat Asnawi; Muslim Hidayat; Nahar Mardiyantoro
Device Vol. 10 No. 2 (2020): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v10i2.1562

Abstract

Aplikasi Inventaris Barang Berbasis Web Pada Laboratorium Komputer Fastikom adalah suatu sistem informasi untuk memberikan informasi yang berkaitan dengan data inventaris barang. Dalam hal ini, Laboratorium Komputer Fastikom menjadi tempat untuk penelitian, karena laboratorium tersebut sangat membutukan aplikasi ini. Metode yang digunakan dalam pengembangan aplikasi ini adalah Metode waterfall. Alat bantu untuk analisis yang digunakan adalah UML yang meliputi Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram. Dengan perancangan database menggunakan relasi tabel dan ERD. Tujuan dari pembuatan Aplikasi Inventaris Barang ini adalah agar segala permasalahan yang ada di laboratoium computer fastikom dapat terselesaikan.
SISTEM INFORMASI INVENTARIS BARANG DI FAKULTAS TEKNIK DAN ILMU KOMPUTER Yanti Yanti; Muslim Hidayat
Device Vol. 11 No. 1 (2021): Mei
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v11i1.1780

Abstract

Sistem informasi inventaris barang di Fakultas Teknik dan Ilmu Komputer Berbasis Website merupakan suatu sistem yang memberikan serta menyajikan infomasi mengenai barang-barang atau asset yang dimiliki oleh pihak Fakultas Teknik dan Ilmu Komputer. Selain itu, sistem informasi inventaris barang ini dapat membantu memudahkan petugas inventaris dalam pendataan barang yang dimiliki pihak fakultas. Pembuatan Sistem Informasi Inventaris Barang di Fakultas Teknik dan ilmu Komputer Berbasis Website ini menggunakan cara pengumpulan data dengan mengambil data-data yang ada di Fakultas Teknik dan Ilmu Komputer, wawancara dengan pembimbing lapangan, studi literatur yang mendukung dalam penyelesaian masalah serta (UML) Unified Modelling System yang digunakan untuk perancangan perangkat lunaknya disertai juga dengan pengujian perangkat lunaknya.
RANCANG BANGUN APLIKASI INVESTASI BUDIDAYA IKAN LELE BERBASIS FINITE STATE AUTOMATA (FSA) Rozikin Rozikin; Nahar Mardiyantoro; Muslim Hidayat
Journal of Economic, Business and Engineering (JEBE) Vol. 3 No. 1 (2021): October
Publisher : Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v3i1.2153

Abstract

Budidaya ikan lele merupakan salah satu peluang bisnis yang menarik bagi calon pengusaha mengingat semakin meningkatnya permintaan pasar terhadap ikan lele. Beberapa hal yang harus diperhatikan ketika akan memulai usaha budidaya ikan lele adalah pengetahuan teknis mengenai cara merawat ikan lele dan permodalan. Setiap pengusahan yang menjalankan usahanya pasti mengharapkan keuntungan, sehingga perlu dilakukan perhitungan yang matang sebelum mulai usaha agar diperoleh gambaran modal awal yang harus dipersiapkan, biaya operasional, sampai pada hasil penjualan ikan lele pada satu kali masa panen sehingga dapat dihitung return on investment (ROI) dari usaha yang akan dijalankan. Hinga saat ini, perhitungan ROI jarang dilakukan oleh calon pengusaha, terutama untuk usaha yang berskala kecil sehingga calon pengusaha belum mempunyai gambaran atas prospek usaha yang akan dijalankan, utamanya dari sisi pemanfaatan aset secara maksimal. Metode Fanite State Automa (FSA) adalah model matematika yang dapat menerima input dan mengeluarkan output yang memiliki state yang berhingga banyaknya dan dapat berpindah dari satu state ke state lainnya berdasarkan input dan fungsi transisi Aplikasi prediksi investasi budidaya ikan lele telah berhasil dibangun dengan menerapkan metode FSA sebagai penghitung ROI (return on investment) dengan mengunakan variable, luas kolam, jumlah bibit, dan hasil penen yang di jadikan 4 state yang di implementasikan pada fitur prediksi, dengan cara kerja kita menginputkan variable luas kolam, jumlah bibit dan hasil panen lalu sistem melakukan proses perhitungan dan diperoleh output hasil prospek budidaya ikan lele sehingga petani budidaya ikan lele dapat mengetahui hasil prospek dengan mudah.