Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal SEMAR Jurnal Teknik Informatika dan Teknologi Informasi
Zufar Faiil Haq
Universitas Muhammadiyah Lamongan
Humanities Computer Science & IT Education Environmental Science Languange, Linguistic, Communication & Media Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Irigasi Tetes Bertenaga Surya dengan Sistem Otomatis Mikrokontroler Pada Kelompok Tani Kabupaten Lamongan Heri Ardiansyah; Muhammad Shodiq; M Ainul Mahbubillah; Rohmatin Agustina; Abdullah Hakim Gymnastiar; Muhammad Rizky Rahmadani; Fatahillah Akrom; Ahmad Faris Rachmad Putra; Hanif Azhar Ramadhan; Zufar Faiil Haq
SEMAR (Jurnal Ilmu Pengetahuan, Teknologi, dan Seni bagi Masyarakat) Vol 14, No 1 (2025): Mei
Publisher : LPPM UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/semar.v14i1.93488

Abstract

Keterbatasan sumber daya air di lahan tadah hujan menjadi tantangan utama bagi petani, terutama selama musim kemarau, yang membatasi aktivitas budidaya dan berdampak pada pendapatan rumah tangga. Program pengabdian masyarakat ini bertujuan untuk mengatasi masalah tersebut melalui penerapan teknologi irigasi tetes bertenaga surya dengan sistem kecerdasan buatan menggunakan sensor kelembaban dan suhu tanah di Kelompok Tani Kabupaten Lamongan. Metode pelaksanaan meliputi perancangan dan instalasi sistem irigasi otomatis, pelatihan penggunaan teknologi kepada petani, serta pendampingan budidaya cabai selama musim kemarau. Hasil program menunjukkan bahwa lebih dari 90% petani mengakui manfaat dari irigasi otomatis ini dan berencana untuk menerapkannya, baik secara mandiri (25%) maupun melalui kelompok tani (32,5%). Selain itu, 35% petani memilih untuk mengombinasikan sistem irigasi otomatis dengan metode konvensional untuk menyesuaikan kebutuhan air sesuai musim. Penerapan teknologi ini tidak hanya memungkinkan petani untuk tetap menanam di musim kemarau, tetapi juga meningkatkan pendapatan mereka secara signifikan. Kesimpulannya, teknologi irigasi tetes bertenaga surya yang dilengkapi kecerdasan buatan terbukti efektif dalam meningkatkan efisiensi penggunaan air dan kesejahteraan petani, serta dapat direplikasi untuk mendukung ketahanan pangan dan produktivitas pertanian di wilayah lain.
Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Citra Batik Nusantara Zufar Faiil Haq; Mufti Ari Bianto; Afifah Agustin; Moch. Ryan Nurfebrianto
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 1 (2025): April: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i1.5421

Abstract

Batik is a cultural heritage of the nation, with each batik having a unique and diverse pattern motif. The batik culture is very strong in Indonesia, so batik can be found in all regions of the archipelago. Each batik has its own characteristics and traits to distinguish itself in each area. However, many people find it difficult to differentiate the types of batik motif patterns, one of which is the Nusantara Megamendung batik. Therefore, this research aims to introduce the classification process of Nusantara batik motif patterns using one of the Deep Learning methods, namely Convolutional Neural Network (CNN), to differentiate the types of batik motif patterns in each region. The dataset is taken from the numeric representations of Red, Green, and Blue (RGB) values of each pixel, which are used as model learning features to study color patterns and textures. From the results of the experiments conducted, the batik image classification using the CNN method has a high level of accuracy The batik classification model achieved an accuracy of 85%, demonstrating a fairly good ability to identify batik images, one of which is the Mega Mendung batik. The Mega Mendung and Keraton classes showed perfect performance, with precision, recall, and F1-score close to 1.00. However, the Bali class was the main weak point, with a recall of only 60%, indicating that 40% of Bali Batik samples were misclassified, primarily as Keraton.
Co-Authors Abdullah Hakim Gymnastiar Afifah Agustin Ahmad Faris Rachmad Putra Fatahillah Akrom Hanif Azhar Ramadhan Heri Ardiansyah M Ainul Mahbubillah Moch. Ryan Nurfebrianto Mufti Ari Bianto Muhammad Rizky Rahmadani Muhammad Shodiq Rohmatin Agustina