Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Electrices : Jurnal Otomasi Kelistrikan dan Energi Terbarukan Buletin Poltanesa
Ama Muzni Mahmudi
Pradita University
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy

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

Found 2 Documents
Search

 1 
User-Centric Waste Management Through Reward-Based Digital Systems Ama Muzni Mahmudi; Teddy Mantoro
Poltanesa Vol 26 No 1 (2025): June 2025
Publisher : P3KM Politeknik Pertanian Negeri Samarinda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51967/tanesa.v26i1.3380

Abstract

The effective management of household and urban waste is a critical challenge in achieving sustainability within the fields of waste management and circular economy practices. Traditional waste sorting systems face inefficiencies due to low user participation, limited accountability, and inadequate transparency in tracking and reporting waste contributions. This research addresses these challenges by introducing a reward-based digital platform that incentivizes users to sort and deposit waste at designated collection points. The platform assigns points based on the type and quantity of waste submitted, tracks contributions, and provides detailed reports to users, fostering transparency and trust. The proposed solution demonstrates potential to increase user engagement, improve waste sorting accuracy, and enhance reporting capabilities, supporting the transition toward sustainable and circular waste management systems.
Model CNN Ringan (Lightweight CNN) untuk Klasifikasi Sampah Sungai pada Raspberry Pi Handri Santoso; Ama Muzni Mahmudi
Electrices Vol 8 No 1 (2026): Volume 8 Nomor 1 Tahun 2026
Publisher : Jurusan Teknik Elektro, Politeknik Negeri Jakarta

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

Abstract

Pencemaran sungai akibat sampah terapung menjadi permasalahan serius yang berdampak pada lingkungan, drainase, dan kesehatan masyarakat. Pemantauan konvensional masih bergantung pada inspeksi manual yang mahal, lambat, dan tidak berkelanjutan. Penelitian ini mengusulkan sistem Artificial Intelligence of Things (AIoT) untuk klasifikasi sampah terapung secara real-time menggunakan perangkat edge berbiaya rendah. Dataset dikumpulkan dari November 2024 - Juli 2025 dari sungai dan kanal di daerah Tangerang dan sekitarnya, yang terdiri dari 22.333 anotasi yang diproses menjadi 7.000 citra objek seimbang dalam tujuh kelas sampah: e-waste, fiber/paper, kaca berwarna, kaca bening, organik, plastik keras, dan plastik lunak. Tiga model lightweight CNN dibandingkan, yaitu MobileNetV2, EfficientNetB0, dan MobileNetV3Small. Hasil pelatihan menunjukkan MobileNetV2 memberikan performa terbaik dengan akurasi validasi 94,1% dan konvergensi stabil. Model terbaik kemudian diimplementasikan pada Raspberry Pi menggunakan TensorFlow Lite serta Coral Edge TPU. Pengujian pada 1.400 citra menunjukkan inferensi CPU mencapai akurasi 94,36% dengan latensi 102,59 ms/gambar, sedangkan Coral Edge TPU mencapai akurasi 93,93% dengan latensi 5,93 ms/gambar atau 168,69 gambar/detik. Hasil ini membuktikan bahwa sistem AIoT berbasis lightweight CNN efektif untuk pemantauan sampah sungai secara real-time.
Co-Authors Handri Santoso Teddy Mantoro