Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Decode: Jurnal Pendidikan Teknologi Informasi Digital Transformation Technology (Digitech)
Latief, Maulana Fakih
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Languange, Linguistic, Communication & Media Library & Information Science Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Pemantauan Ruang Kelas berbasis Internet of Things (IoT) untuk Proses Pendidikan yang Efektif Latief, Maulana Fakih; Irmansyah, Isep; Rosyidi, Lukman
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5485

Abstract

Kemajuan teknologi Internet of Things (IoT) memberikan peluang besar untuk meningkatkan efisiensi dalam berbagai bidang, termasuk pengelolaan fasilitas pendidikan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantuan ruang kelas berbasis IoT guna memantau kondisi ruang kelas secara realtime. Sistem ini menggunakan berbagai sensor untuk mengukur parameter lingkungan, seperti suhu, kelembapan, pencahayaan, dan tingkat kehadiran. Data yang dikumpulkan dikirimkan ke server melalui jaringan internet untuk diolah dan ditampilkan dalam antarmuka berbasis web atau aplikasi seluler. Hasil pengujian menunjukkan bahwa sistem ini mampu memberikan data secara akurat dan real-time, serta mengirimkan notifikasi jika terdapat kondisi yang melebihi batas yang telah ditentukan, seperti suhu yang terlalu tinggi atau rendah. Sistem ini juga dapat mengoptimalkan penggunaan energi melalui pengendalian otomatis perangkat listrik, seperti pendingin udara atau lampu. Dengan demikian, penelitian ini menawarkan solusi yang inovatif untuk meningkatkan efisiensi pengelolaan ruang kelas, mendukung penghematan energi, serta menciptakan lingkungan belajar yang lebih nyaman dan produktif.
Estimasi Serapan CO2 Melalui Selisih Konsentrasi di Udara dan Tanah: Studi Kasus Pertanian Urban di Depok Latief, Maulana Fakih; Hakim, Muhammad Irfan; Rusmanto, Rusmanto; Rahma, Rika
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 5 No. 2: JULI 2025
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v5i2.1163

Abstract

Perubahan iklim akibat emisi karbon dioksida (CO2) menjadi isu global. Pertanian urban berpotensi menyerap CO2 melalui fotosintesis, namun pemantauannya masih terbatas. Penelitian ini mengembangkan sistem pemantauan CO2 berbasis Internet of Things (IoT) menggunakan sensor MQ-135 dan mikrokontroler ESP32. Pengukuran dilakukan secara tidak langsung melalui selisih konsentrasi CO2 antara udara dan tanah. Sistem juga dilengkapi sensor DHT22 dan YL-69 untuk memantau suhu, kelembapan udara, dan kelembapan tanah. Penelitian ini menggunakan metode eksperimen kuantitatif dengan implementasi sistem di lahan pertanian urban Depok selama tiga hari. Data dikumpulkan setiap jam pada pagi, siang, dan sore, lalu dikirim otomatis ke platform pemantauan.com. Hasil menunjukkan penurunan selisih CO2 pada sore hari, mengindikasikan peningkatan fotosintesis. Sistem ini efektif untuk pemantauan karbon berkelanjutan dan potensial untuk skema kredit karbon.
Multisensor IoT and Deep Learning Integration for Estimating Grapevine Vigor Index under Tropical Conditions Latief, Maulana Fakih; Saptono, Henry; Waluyo, Sapto; Rahmani, Zahra Aulia
Decode: Jurnal Pendidikan Teknologi Informasi Vol. 6 No. 2: JULI 2026
Publisher : Program Studi Pendidikan Teknologi Infromasi UMK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51454/decode.v6i2.1629

Abstract

Grapevine cultivation under tropical conditions is highly susceptible to abiotic stress, making reliable assessment of plant vigor important for precision management. This study presents an integrated multisensor Artificial Intelligence of Things (AIoT) framework combined with deep learning for estimating a relative grapevine vigor index using RGB canopy imagery. Environmental sensors provide contextual measurements of microclimatic and soil conditions, while image data are processed using a convolutional neural network–based model to estimate vigor levels derived from fractional green canopy cover. Approximately 1,600 RGB canopy images and 4,320 environmental telemetry records were used to train and evaluate the model. The results demonstrate that the proposed approach achieved a mean absolute error (MAE) of 8.73, a root mean square error (RMSE) of 11.74, and a coefficient of determination (R²) of 0.57 in predicting the relative vigor index. The integration of environmental sensing and image-based analysis provides an initial contribution to tropical grapevine vigor monitoring, although the model remains limited by single-site data and moderate predictive performance. Overall, the proposed framework provides a practical foundation for image-based vigor estimation and integrated data acquisition in tropical precision viticulture.
Co-Authors Hakim, Muhammad Irfan Irmansyah, Isep Lukman Rosyidi Rahma, Rika Rahmani, Zahra Aulia Rusmanto, Rusmanto Saptono, Henry Waluyo, Sapto