Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Jurnal Ilmiah Multidisiplin (JUKIM)
Mohammad Faizul Irsyad
Universitas Gunadarma
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

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

Found 2 Documents
Search

 1 
PENERAPAN SENSOR CAPACITIVE PROXIMITY DAN SENSOR INFRARED PROXIMITY PADA PERANCANGAN PEMILAH SAMPAHH ORGANIK DAN ANORGANIK Tri Sulistyorini; Nelly Sofi; Erma Sova; Mohammad Faizul Irsyad
Jurnal Ilmiah Multidisiplin Vol. 3 No. 06 (2024): November: Jurnal Ilmiah Multidisiplin
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jukim.v3i06.1834

Abstract

Sampah merupakan sesuatu yang sudah tidak terpakai lagi atau sesuatu yang tidak disukai lagi dan dibuang dari sisa kegiatan manusia atau proses alam yang berbentuk zat organik anorganik, terurai tidak terurai. Sampah dapat dikelompokkan menjadi dua jenis yaitu sampah organik dan sampah anorganik. Membuang sampah berdasarkan jenisnya dapat menimbulkan dampak positif bagi lingkungan. Pemilahan sampah berdasarkan jenisnya sebelum dibuang memiliki peran penting dikarenakan pembusukan dari sampah menjadi sempurna. Tujuan penelitian ini adalah menerapkan sensor capacitive dan infrared proximity terhadap pembuatan tempat sampah yang dapat memilah jenis sampah organik dan anorganik. Selain itu Motor servo akan melakukan buka tutup tempat sampah setelah sensor capacitive proximity dan sensor infrared proximity mendeteksi sampah. Tempat sampah akan dideteksi penuh dengan menggunakan sensor ultrasonik dan buzzer akan mengeluarkan suara dengan tujuan agar tempat sampah dikosongkan. Semua komponen dihubungkan dengan kabel jumper ke Arduino Uno yang telah diprogram menggunakan Arduino IDE. Pengujian alat ini dilakukan dengan cara menghubungkan power bank ke Arduino Uno menggunakan kabel USB, menekan power on pada power bank dan semua komponen, yakni sensor capacitive proximity, sensor infrared proximity, motor servo, sensor ultrasonik, serta buzzer akan aktif berfungsi sesuai dengan tujuannya.
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI 30 JENIS REMPAH BERBASIS WEBSITE Mohammad Faizul Irsyad; Syamsi Ruhama; Winda Widya Ariestya; Diny Wahyuni; Ida Astuti
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab Vol 11 No 1 (2026): Januari
Publisher : LPPM Universitas Abdurrab

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36341/rabit.v11i1.7043

Abstract

Indonesia is rich in natural resources, including spices that are widely used as flavor enhancers in food and as traditional herbal medicine. This study aims to develop a web-based spice classification system using a Convolutional Neural Network with the DenseNet121 architecture. The dataset is multi-class and consists of 3,600 images representing 30 types of spices, including fennel, andaliman, tamarind, onion, shallot, garlic, coriander seed, star anise, clove, kaffir lime leaf, basil leaf, coriander leaf, bay leaf, ginger, cumin, cardamom, cinnamon, sappan wood, candlenut, cubeb, aromatic ginger, kluwek, turmeric, pepper, galangal, nutmeg, saffron, lemongrass, vanilla and sesame. The system was developed using the Cross-Industry Standard Process for Data Mining (CRISP-DM) which consists of six stages namely business understanding, data understanding, data preparation, modeling, evaluation and deployment. The dataset was divided into training and testing sets with four proportions 90:10, 80:20, 70:30 and 60:40 to compare model performance. The experimental results show that the 80:20 proportion achieved the best performance with 99% training accuracy, 95% validation accuracy and 95% accuracy as the main performance metric, and this model successfully classified all spice categories. The trained model was then deployed into a website using the flask framework which enables practical use for spice image classification.  
Co-Authors Diny Wahyuni Erma Sova Ida Astuti Nelly Sofi Syamsi Ruhama Tri Sulistyorini Winda Widya Ariestya