Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal eProceedings of Engineering Journal of Applied Engineering and Social Science
Muhammad Imam Fernandi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 3 Documents
Search

 1 
Pembangunan Sistem Pendeteksi Kebocoran Gas LPG Berbasis IOT Dimas Ario Tri Kusumo; Muhammad Imam Fernandi; Mia Rosmiati∗
Journal of Applied Engineering and Social Science (JAESS) Vol. 2 No. 2 (2024): November 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jaess.v2i2.8378

Abstract

Proyek akhir ini bertujuan untuk mengembangkan sebuah perangkat pendeteksi kebocoran gas LPG berbasis IoT (Internetof Things). Perangkat ini menggunakan Sensor Gas MQ-2 untuk mendeteksi keberadaan gas, dilengkapi dengan alarmbuzzer sebagai notifikasi, dan NodeMCU sebagai mikrokontroler yang terhubung dengan jaringan Wi-Fi rumah. Selainitu, perangkat juga terhubung dengan aplikasi Android melalui API data dari server Blynk yang juga terhubung denganNodeMCU. Pengujian dilakukan dengan menyemprotkan gas LPG dari tabung portabel pada jarak tertentu. Hasil pengujianmenunjukkan jarak efektif maksimum sensor dalam mendeteksi kebocoran gas adalah 100 cm , dengan waktu responsperangkat antara 1 hingga 3 detik. Nilai tingkat gas dalam satuan ppm (part per million) yang diukur pada jarak 10 cmhingga 100 cm berkisar antara 400 hingga 1024 (jumlah maksimum sensor). Dari hasil ini, dapat disimpulkan bahwa tingkatbahaya kebocoran gas berada pada 400 ppm. Aplikasi memberikan respons waktu sekitar 1 detik untuk setiap perubahantingkat gas yang diterima. Proyek akhir ini diharapkan dapat memberikan rasa aman bagi pengguna gas LPG dengan aksesnotifikasi dan pemantauan terhadap potensi kebocoran gas di rumah.
Pembangunan Sistem Pendeteksi Kebocoran Gas LPG Berbasis IOT Dimas Ario Tri Kusumo; Muhammad Imam Fernandi; Mia Rosmiati
Journal of Applied Engineering and Social Science (JAESS) Vol. 2 No. 2 (2024): November 2024
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/jaess.v2i2.8383

Abstract

Proyek akhir ini bertujuan untuk mengembangkan sebuah perangkat pendeteksi kebocoran gas LPG berbasis IoT (Internetof Things). Perangkat ini menggunakan Sensor Gas MQ-2 untuk mendeteksi keberadaan gas, dilengkapi dengan alarmbuzzer sebagai notifikasi, dan NodeMCU sebagai mikrokontroler yang terhubung dengan jaringan Wi-Fi rumah. Selainitu, perangkat juga terhubung dengan aplikasi Android melalui API data dari server Blynk yang juga terhubung denganNodeMCU. Pengujian dilakukan dengan menyemprotkan gas LPG dari tabung portabel pada jarak tertentu. Hasil pengujianmenunjukkan jarak efektif maksimum sensor dalam mendeteksi kebocoran gas adalah 100 cm , dengan waktu responsperangkat antara 1 hingga 3 detik. Nilai tingkat gas dalam satuan ppm (part per million) yang diukur pada jarak 10 cmhingga 100 cm berkisar antara 400 hingga 1024 (jumlah maksimum sensor). Dari hasil ini, dapat disimpulkan bahwa tingkatbahaya kebocoran gas berada pada 400 ppm. Aplikasi memberikan respons waktu sekitar 1 detik untuk setiap perubahantingkat gas yang diterima. Proyek akhir ini diharapkan dapat memberikan rasa aman bagi pengguna gas LPG dengan aksesnotifikasi dan pemantauan terhadap potensi kebocoran gas di rumah.
Klasifikasi Penyakit Kulit Menggunakan Model Deep Learning EfficientNet pada Citra Dermastokopi Muhammad Imam Fernandi; Untari Novia Wisesty
eProceedings of Engineering Vol. 13 No. 1 (2026): Februari 2026
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyakit kulit merupakan salah satu masalahkesehatan yang umum terjadi dan dapat berkembang menjadikondisi serius seperti melanoma, salah satu jenis kanker kulityang berbahaya. Proses diagnosis manual sering kali memakanwaktu, bergantung pada keahlian subjektif, serta berpotensimenghasilkan hasil yang tidak konsisten. Penelitian inibertujuan mengembangkan model klasifikasi penyakit kulitberbasis Convolutional Neural Network (CNN) denganarsitektur EfficientNet pada citra dermatoskopi. Dataset yangdigunakan adalah HAM10000, yang berisi 10.015 citradermatoskopi dari tujuh kategori lesi kulit. Tahapan penelitianmeliputi preprocessing data, augmentasi untukmenyeimbangkan kelas, serta pelatihan model denganpendekatan dua tahap, yaitu feature extraction dan fine-tuning.Tiga varian model diuji, yaitu EfficientNetB0,EfficientNetV2B0, dan EfficientNetV2B3. Hasil pengujianmenunjukkan bahwa EfficientNetV2B3 memberikan performaterbaik dengan akurasi 90,53% dan F1-score 85,56%,mengungguli dua model lainnya. Temuan ini menunjukkanbahwa arsitektur EfficientNetV2B3 memiliki potensi besardalam mendukung sistem diagnosis berbasis citra dermatoskopisecara lebih akurat dan efisien.Kata kunci — CNN, EfficientNet, dermatoskopi,HAM10000, klasifikasi penyakit kulit, akurasi
Co-Authors Dimas Ario Tri Kusumo Mia Rosmiati Mia Rosmiati∗ Untari Novia Wisesty