Claim Missing Document
Check
Articles

Found 5 Documents
Search

Pendampingan Pemasaran Secara E-Commerce Pada UMKM ‘Keripik Mak Anum’ Di Jl. Bangun Melintang Dita Chirana; Irsyadiyah Al Marhindy; Arif Fikri Wicaksana; Sri Olimpia Silalahi; Risma Nurhaini Munte; Resna Napitu
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 3 No. 2.2 (2023): Jurnal Pengabdian kepada Masyarakat Nusantara
Publisher : Cv. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (850.401 KB)

Abstract

Di era sekarang ini, para pelaku UMKM hendaknya bisa memanfaatkan media digital sebagai salah satu upaya pemasaran produknya sehingga konsumen lebih mengenal produk yang dihasilkan oleh UMKM tersebut. UMKM yang memiliki akses online, terlibat di media sosial, dan mengembangkan kemampuan e-commerce-nya, biasanya akan menikmati keuntungan bisnis yang signifikan baik dari segi pendapatan, kesempatan kerja, inovasi, dan daya saing. Menggunakan metode ceramah tentang pentingnya peranan dan pemanfaatan e-commerce bagi perkembangan bisnis UMKM Memberikan praktek langsung disertai tutorial pembuatan akun bisnis di Instagram selain itu memberikan pemahaman tentang pengambilan poto produk yang nantinya akan di sebarkan di akun bisnis yang sudah ada agar lebih menarik Pemberian pelatihan mengenai pemanfaatan media sosial sebagai sarana pemasaran produk usaha. Pemberian tutorial pembuatan akun bisnis di Instagram yang berpotensi memperluas jangkauan pemasaran secara online serta target pasar. Hasil yang didapat dari kegiatan pengabdian ini yaitu pelaku UMKM yang tadinya belum mengenal dan paham tentang pemanfaatan digital marketing serta e-commerce kini sudah mulai mampu untuk memasarkan produk mereka secara online. Dengan diberikan pemahaman mengenai pentingnya pengambilan poto produk agar menarik sehingga para konsumen akan merasa terpanggil untuk membeli produk mereka melalui online maupun offline.
Bibliometric Analysis of IoT-Driven Smart Agriculture and Irrigation Management Research: Trends, Topics, and Publication Patterns (2019-2024) Hendrawati, Trisiani Dewi; Narputro, Panji; Wicaksana, Fikri Arif; Suryana, Anang
Fidelity : Jurnal Teknik Elektro Vol 7 No 2 (2025): Edition for May 2025
Publisher : Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/fidelity.v7i2.295

Abstract

This study explores the bibliometric analysis of research on smart agriculture and IoT-based irrigation management from 2019 to 2024, focusing on trends, topics, and publication patterns. Smart agriculture integrates advanced technologies such as IoT, artificial intelligence (AI), and big data analytics to enhance productivity and sustainability in farming systems. The analysis identifies a steady growth in publications, with a significant spike in 2023, reflecting the increasing global interest in utilizing IoT technologies to address challenges like water scarcity, climate change, and food security. Key topics include IoT-based sensor technologies for soil and water management, precision agriculture, and sustainable farming practices.The study also highlights the role of international collaboration, with countries like India, China, and the United States emerging as central hubs in fostering interdisciplinary research. Major sources such as Lecture Notes in Networks and Systems, AIP Conference Proceedings, and IEEE Access significantly contribute to the dissemination of research findings. Furthermore, the co-occurrence network analysis reveals the dominance of IoT as a central theme, with strong links to related topics like irrigation, soil moisture, and crop management.This research provides valuable insights for researchers, policymakers, and practitioners by identifying critical trends and research gaps, emphasizing the importance of IoT in optimizing irrigation systems, improving efficiency, and promoting sustainable agricultural innovations. These findings support the development of smart agriculture systems that are adaptive to global challenges and resource constraints.
Analisis Tekno-Ekonomi Penerapan Co-Firing Biomassa Serbuk Kayu pada PLTU 3 × 350 MW Narputro, Panji; Marina Artiyasa; Cahya Laxa Eka Putra; Trisiani Dewi Hendrawati; Fikri Arif Wicaksana
Scientific Exploration: Journal of Indonesian Academic Research Vol. 3 No. 1 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Kuningan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/jiar.v3i1.58

Abstract

Peningkatan kebutuhan energi listrik di Indonesia masih didominasi oleh pembangkit berbasis batubara, yang memberikan kontribusi besar terhadap emisi gas rumah kaca. Salah satu solusi transisi energi yang berpotensi diterapkan tanpa investasi besar adalah teknologi co-firing biomassa, yakni pencampuran batubara dengan bahan bakar alternatif seperti serbuk kayu. Penelitian ini bertujuan untuk menganalisis aspek teknis, ekonomi, dan lingkungan dari penerapan co-firing biomassa serbuk kayu pada Pembangkit Listrik Tenaga Uap (PLTU) berkapasitas 3 × 350 MW. Metode yang digunakan adalah pendekatan kuantitatif melalui studi kasus operasional nyata di unit PLTU, dengan perbandingan data sebelum dan sesudah co-firing. Hasil penelitian menunjukkan bahwa co-firing dengan rasio 5% serbuk kayu dan 95% batubara menurunkan biaya produksi listrik dari Rp 631/kWh menjadi Rp 593/kWh, dan meningkatkan efisiensi pembangkit melalui penurunan heat rate dari 3.220 kCal/kWh menjadi 2.953 kCal/kWh. Namun, meskipun emisi NOx, debu, dan Hg mengalami penurunan, terjadi kenaikan emisi CO dan SO₂ yang perlu dikendalikan melalui optimasi proses pembakaran. Secara keseluruhan, penerapan co-firing biomassa memberikan manfaat signifikan dari sisi ekonomi dan efisiensi teknis, namun memerlukan pengawasan lingkungan yang ketat untuk memastikan keberlanjutan operasional
Sinergi Iman dan Inovasi: Pelatihan Internet of Things (IoT) sebagai Media Edukasi Teknologi di MAN 1 Sukabumi Trisiani Dewi; Panji Narputro; Fikri Arif Wicaksana; Dzikri Abdillah
Journal of Innovation and Sustainable Empowerment Vol. 4 No. 2 (2025)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Kuningan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/jise.v4i2.137

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memberikan pelatihan dasar teknologi Internet of Things (IoT) kepada siswa Madrasah Aliyah Negeri (MAN) 1 Sukabumi dalam rangka mendukung Projek Penguatan Profil Pelajar Pancasila Rahmatan Lil’alamin (P5RA). Literasi teknologi menjadi kompetensi penting di era revolusi industri 4.0, terutama bagi pelajar madrasah. Kegiatan ini dilaksanakan menggunakan pendekatan Participatory Action Research (PAR) melalui penyuluhan, demonstrasi, dan praktik langsung. Pelatihan mengintegrasikan konsep-konsep Islam seperti Rahmatan Lil’alamin dengan penerapan teknologi secara aplikatif dan kontekstual. Hasil menunjukkan adanya peningkatan pemahaman siswa terhadap konsep dan manfaat IoT serta kemampuan dasar dalam menerapkannya. Selain aspek teknis, kegiatan ini juga menumbuhkan karakter religius, kolaboratif, dan adaptif. Program ini diharapkan menjadi langkah awal dalam membentuk generasi madrasah yang kompeten secara digital tanpa meninggalkan nilai-nilai keislaman dan Pancasila.
Unsupervised Hybrid Deep Learning for Unknown Bearing Fault Diagnosis and Severity Assessment Edris Shamsulhaq; Fikri Arif Wicaksana
Jambura Journal of Electrical and Electronics Engineering Vol 8, No 2 (2026): Juli - Desember 2026
Publisher : Electrical Engineering Department Faculty of Engineering State University of Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjeee.v8i2.39120

Abstract

This paper presents an unsupervised hybrid deep learning framework for unknown bearing fault diagnosis and severity assessment using vibration signals. The proposed framework combines Continuous Wavelet Transform (CWT), Convolutional Neural Networks (CNN), and Long Short-Term Memory (LSTM) autoencoders. Trained exclusively on 3,779 healthy data segments, the model detects anomalies via reconstruction error analysis evaluated across a total of 7,585 test segments. Experiments on the CWRU dataset show that the proposed hybrid model achieves competitive performance (AUC 0.990, accuracy 90.42%, and F1-score 89.57%) compared to spectral baselines, while uniquely preserving temporal dynamics—a critical advantage for non-stationary industrial environments. However, outer race faults were not reliably detected under the global threshold, which we report as a key limitation. A severity assessment and Health Index are also introduced for interpretable predictive maintenance.