Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Prosiding Konferensi Nasional PKM-CSR Jurnal Minfo Polgan (JMP) International Journal of Applied Mathematics and Computing.
Fadhilah, Muhammad Raihan
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Environmental Science Library & Information Science Mathematics Nursing Public Health Social Sciences

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

Found 3 Documents
Search

 1 
Komparasi Kinerja dan Toleransi Kesalahan antara Cloud dan Fog Computing dalam Aplikasi IoT Terdistribusi Achmad, Refi Riduan; Abil, Muhammad; Fadhilah, Muhammad Raihan; Sandi, Sandi
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15576

Abstract

Perkembangan Internet of Things (IoT) menuntut sistem komputasi yang mampu memproses data secara cepat dan andal. Komputasi awan (Cloud Computing) selama ini menjadi solusi utama dalam pengelolaan data IoT, namun arsitekturnya yang terpusat menyebabkan latensi tinggi dan ketergantungan pada jaringan. Untuk mengatasi hal tersebut, komputasi kabut (Fog Computing) dikembangkan dengan mendistribusikan proses lebih dekat ke sumber data. Penelitian ini bertujuan untuk membandingkan kinerja dan toleransi kesalahan antara arsitektur Cloud Computing dan Fog Computing dalam lingkungan IoT terdistribusi. Pengujian dilakukan dengan mensimulasikan sistem publisher–broker–consumer menggunakan protokol MQTT di lingkungan Docker. Parameter yang diuji meliputi rata-rata latency, maksimum, minimum, jitter, serta toleransi kesalahan saat terjadi gangguan broker. Hasil pengujian menunjukkan bahwa Fog Computing memiliki rata-rata latency sebesar 0.0019 detik, lebih rendah dibandingkan Cloud Computing sebesar 0.0022 detik. Namun, pada uji toleransi kesalahan, Cloud Computing menunjukkan stabilitas yang sedikit lebih tinggi dengan tingkat kehilangan pesan 55% dibanding Fog sebesar 56.67%. Temuan ini mengindikasikan bahwa Fog Computing lebih unggul untuk aplikasi IoT real-time karena latensi rendah dan pemulihan cepat, sedangkan Cloud lebih sesuai untuk pengolahan data berskala besar dan berkelanjutan. Penelitian selanjutnya dapat memperluas pengujian terhadap parameter bandwidth dan konsumsi energi untuk mendapatkan gambaran performa sistem yang lebih komprehensif.
EDUKASI PERTANIAN TERPADU PADA KWT DESA SALAM BABARIS MELALUI PROGRAM KERJA KWT LEVEL UP Kasthalani, M. Abral; fadhilah, muhammad raihan; Abdillah Hakim, Muhamad Karim; Nadia, Nadia; Sari, Putri Permata; Mulyawan, Ronny
Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 8 (2025): Penguatan Ekonomi Masyarakat Berbasis Ekologis untuk Mencapai Keberlanjutan Menuju Ind
Publisher : Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37695/pkmcsr.v8i0.2742

Abstract

Program kerja KWT Level Up bertujuan untuk mengatasi kendala pertanian yang dihadapi KWT meliputi keterbatasan teknologi penyiraman, serangan organisme pengganggu tanaman (OPT) penyebab menurunnya kualitas maupun kuantitas hasil panen, serta risiko gagal panen yang berdampak pada rendahnya produktivitas. Permasalahan ini dapat terjadi dikarenakan keterbatasan akses dan informasi teknis yang dimiliki. Tujuan kegiatan adalah meningkatkan kapasitas teknis dan keterampilan anggota KWT melalui program KWT Level Up yang berfokus pada penerapan inovasi sederhana, murah, dan ramah lingkungan yang berbasis pada edukasi pertanian terpadu. Metode pelaksanaan meliputi tiga tahap, yaitu identifikasi masalah melalui survei dan diskusi, edukasi serta demonstrasi langsung di lahan, dan tahap evaluasi serta keberlanjutan program. Kegiatan inti mencakup pembuatan springkler sederhana untuk efisiensi penyiraman, pembuatan perangkap hama lalat buah (Petrogenol Trap) berbasis Integrated Pest Management (IPM), dan penanaman refugia berupa bunga pukul sembilan (Portulaca grandiflora). Hasil kegiatan menunjukkan bahwa penggunaan Sprinkler dapat mempercepat waktu penyiraman hingga setengah dari cara manual dengan kebutuhan tenaga kerja dan air yang lebih efisien. Penerapan Petrogenol Trap terbukti mampu menarik dan menjebak lalat buah, sehingga kondisi buah hortikultura lebih terjaga. Penanaman refugia tidak sempat telaksana hingga tanaman tumbuh, namun secara teoritis diharapkan dapat mendukung keberlanjutan ekosistem pertanian. Program ini tidak hanya memberikan solusi teknis, tetapi juga meningkatkan pengetahuan dan kemandirian anggota KWT dalam mengelola lahan hortikultura yang terpadu dan berkelanjutan.
Comparative Evaluation of YOLOv5, YOLOv7, and YOLOv8 for Outdoor Traffic Object Detection Achmad, Refi Riduan; Abil, Muhammad; Fadhilah, Muhammad Raihan; Sandi
International Journal of Applied Mathematics and Computing Vol. 3 No. 2 (2026): April: International Journal of Applied Mathematics and Computing
Publisher : Asosiasi Riset Ilmu Matematika dan Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/ijamc.v3i2.291

Abstract

Object detection plays a crucial role in intelligent transportation systems, particularly for outdoor traffic monitoring applications that require accurate and real-time performance under limited computational resources. Recent developments in YOLO-based architectures have introduced multiple model variants; however, their practical performance under constrained training conditions remains insufficiently explored. This study presents a comparative evaluation of YOLOv5, YOLOv7, and YOLOv8 for outdoor traffic object detection using a real-world dataset and identical experimental settings. The main objective of this research is to analyze the robustness and detection quality of different YOLO variants when trained with a limited number of epochs, reflecting practical deployment scenarios. All models were trained and evaluated using the same dataset, preprocessing pipeline, and hardware configuration to ensure a fair comparison. Performance evaluation was conducted using multiple metrics, including precision, recall, mAP@50, Precision–Recall curves, area under the curve (AUC), and peak F1-score. Experimental results indicate that YOLOv5 outperformed YOLOv7 and YOLOv8 in terms of overall detection stability and robustness. The merged Precision–Recall analysis shows that YOLOv5 achieved a higher effective AUC and superior mAP@50, reflecting better global detection performance. In addition, YOLOv5 exhibited a higher peak F1-score, indicating a more balanced trade-off between precision and recall. In contrast, YOLOv7 and YOLOv8 showed performance degradation under limited training conditions despite their more advanced architectures. These findings suggest that YOLOv5 remains a reliable and efficient solution for outdoor traffic object detection, particularly in resource-constrained environments. The study highlights the importance of comprehensive evaluation metrics and practical experimental settings when selecting object detection models for real-world applications.
Co-Authors Abdillah Hakim, Muhamad Karim Abil, Muhammad Achmad, Refi Riduan Kasthalani, M. Abral Mulyawan, Ronny Nadia Nadia Sandi Sandi Sandi Sari, Putri Permata