Claim Missing Document
Check
Articles

Found 4 Documents
Search

Konsep Pemanfaatan Teknologi IoT Berbasis ESP32 untuk Sakelar Cerdas pada Sistem PLTS Rakit Rumah Apung Leony Ariesta Wenno; Billy Josef Waworuntu; Stieven Netanel Rumokoy; Hosea Gian Kaunang; Stanley B. Dodie
Jurnal Elektrik Vol. 4 No. 2 (2025): Vol.4 No.2 1 Desember 2025
Publisher : Jurusan Teknik Elektro - Politeknik Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65485/elektrik.v4i2.1171

Abstract

Penerapan sistem Pembangkit Listrik Tenaga Surya (PLTS) pada rakit rumah apung menjadi solusi alternatif yang ramah lingkungan dan mandiri. Namun, sistem PLTS konvensional masih memiliki keterbatasan dalam hal efisiensi pengelolaan beban listrik dan monitoring penggunaan energi. Penelitian ini mengusulkan konsep pemanfaatan teknologi Internet of Things (IoT) berbasis mikrokontroler ESP32 sebagai sakelar cerdas untuk mengotomatiskan pengendalian beban listrik pada sistem PLTS di rakit rumah apung. ESP32 digunakan untuk mengontrol nyala-mati perangkat listrik secara otomatis berdasarkan kondisi tertentu seperti kapasitas baterai, waktu operasional, dan intensitas cahaya matahari. Sistem ini juga memungkinkan pemantauan jarak jauh melalui jaringan Wi-Fi dan antarmuka berbasis android. Hasil rancangan konseptual menunjukkan bahwa integrasi ESP32 dalam sistem PLTS dapat meningkatkan efisiensi energi, mengurangi beban kerja pengguna, serta memperpanjang umur penyimpanan daya. Konsep ini diharapkan menjadi langkah awal dalam pengembangan rumah apung mandiri energi berbasis teknologi cerdas.  
Implementation of a Quality Management System Framework for Optimizing Energy Efficiency of on-Device AI Inference on Android Devices Billy Josef Waworuntu; Gerald Imanuel Palar; Marvein Christo Atu Sasikome; Yoan Virginia Kaesang; Cindra Caesaria Hamzah
Cerdika: Jurnal Ilmiah Indonesia Vol. 6 No. 8 (2026): Cerdika: Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v6i8.3491

Abstract

The rapid development of on-device artificial intelligence (AI) has increased the demand for efficient AI inference on mobile devices, particularly Android devices with limited computational resources, battery capacity, and thermal constraints. Although various optimization techniques, such as quantization, pruning, and adaptive inference, have been proposed, inconsistent evaluation procedures remain a significant challenge to achieving reproducible and comparable measurements of energy efficiency. This study aims to implement a Quality Management System (QMS) framework based on the Plan-Do-Check-Act (PDCA) cycle to systematically optimize and evaluate the energy efficiency of on-device AI inference while maintaining inference performance and model quality. The research employed a design study and experimental approach by deploying lightweight AI models for human presence detection and keyword spotting. The models were optimized using 8-bit post-training quantization, structured channel pruning, and early-exit mechanisms, followed by standardized measurements of energy consumption, inference latency, accuracy, model size, memory usage, and the energy-delay product (EDP) on Android devices. The results indicate that QMS-guided optimization provides a structured framework for improving energy efficiency by reducing computational workload and memory traffic while preserving inference reliability. In particular, post-training quantization combined with hardware acceleration reduced energy consumption, whereas adaptive inference mechanisms improved responsiveness under varying battery and thermal conditions. In conclusion, integrating QMS principles with on-device AI optimization establishes a reproducible, traceable, and continually improvable framework for developing energy-efficient AI applications on Android devices.
Evaluasi Usability Aplikasi Laundry Keeper Menggunakan Metode System Usability Scale (SUS) Billy Josef Waworuntu; Hosea Gian Kaunang; Franky Manoppo; Misael Walangitan; Clayton Berhitu; Mackenzie Gregory Repi
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol. 10 No. 2 (2025): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Desember
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/itbi.v10i2.3729

Abstract

Penelitian ini bertujuan untuk mengevaluasi tingkat kegunaan (usability) dari aplikasi Laundry Keeper, yaitu layanan digital yang dirancang untuk membantu pengguna dalam mengelola pesanan dan jadwal laundry secara efisien. Evaluasi dilakukan menggunakan metode System Usability Scale (SUS), yang memberikan pengukuran kuantitatif terhadap kepuasan dan kemudahan penggunaan sistem. Penelitian melibatkan 18 responden yang terdiri dari mahasiswa aktif dan pengguna layanan laundry di Politeknik Negeri Manado, yang diminta untuk menggunakan fitur utama aplikasi dan mengisi kuesioner SUS. Hasil analisis berdasarkan rumus standar SUS menunjukkan nilai rata-rata sebesar 68,33, yang termasuk dalam kategori “OK” atau kegunaan yang dapat diterima. Nilai ini menunjukkan bahwa aplikasi mudah dioperasikan, efektif dalam membantu aktivitas pengguna, serta memberikan pengalaman pengguna yang positif. Namun, beberapa aspek seperti konsistensi visual dan navigasi antarmuka masih perlu ditingkatkan agar interaksi pengguna lebih optimal. Secara keseluruhan, aplikasi Laundry Keeper menunjukkan performa kegunaan yang baik dan berpotensi mencapai kategori sangat baik dengan peningkatan pada tampilan antarmuka dan optimalisasi pengalaman pengguna.
CHALLENGES OF MLOPS ADOPTION IN SMALL-SCALE ORGANIZATIONS:      A SYSTEMATIC LITERATURE REVIEW AND IMPLICATIONS FOR INDONESIA Franky Gerald Cliford Manoppo; Hosea Gian Kaunang; Billy Josef Waworuntu
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 5 (2026): October (2026)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/rkskc803

Abstract

Abstract: MLOps is the practice of deploying and managing machine learning models within organizations. Most research assumes access to substantial resources. This study maps adoption challenges in small organizations and teams with limited resources and develops a research agenda for Indonesian MSMEs and startups. A systematic literature review followed Kitchenham and Charters’ guidelines and PRISMA 2020 reporting standards. Searches across nine sources, supplemented by snowballing, identified 28 studies that met the selection and quality criteria. Eight challenge categories emerged. The most frequently reported concerned data readiness and management, skills shortages, and complex processes and tools. These challenges were mapped to the Technology-Organization-Environment (TOE) framework. Technology and organizational issues dominated, while external factors received less attention. Proposed strategies include gradual adoption guided by simple maturity models, open-source software, and step-by-step automation. For Indonesian MSMEs, practical priorities concern AI expertise, cloud computing costs, and data readiness. The study provides a classification of challenges for resource-constrained organizations and a research agenda that can guide further work. Keyword: MLOps; small organizations; MSMEs; TOE framework; systematic literature review   Abstrak: MLOps merupakan praktik untuk menerapkan dan mengelola model pembelajaran mesin dalam kegiatan organisasi. Sebagian besar penelitian tentang praktik ini mengasumsikan organisasi memiliki sumber daya besar. Penelitian ini memetakan tantangan penerapannya pada organisasi kecil dan tim dengan sumber daya terbatas, lalu menyusun agenda penelitian bagi UMKM dan startup Indonesia. Penelitian menggunakan tinjauan pustaka sistematis berdasarkan panduan Kitchenham dan Charters serta pelaporan PRISMA 2020. Pencarian pada sembilan sumber dilengkapi penelusuran artikel yang saling merujuk (snowballing), menghasilkan 28 studi yang memenuhi kriteria pemilihan dan penilaian kualitas. Masalah yang sering dilaporkan ialah kesiapan dan pengelolaan data, kekurangan tenaga ahli, serta kerumitan proses dan perangkat yang digunakan. Tantangan tersebut dipetakan melalui kerangka Technology Organization Environment (TOE), yang mencakup teknologi, organisasi, dan faktor di luar organisasi. Pembahasan lebih banyak berfokus pada teknologi dan organisasi; faktor luar masih kurang dikaji. Strategi yang diusulkan mencakup penerapan bertahap berdasarkan model kematangan sederhana sebagai panduan pengembangan kemampuan organisasi, penggunaan perangkat lunak dengan kode sumber terbuka, dan otomatisasi sedikit demi sedikit. Bagi UMKM Indonesia, perhatian diarahkan pada ketersediaan tenaga ahli AI, biaya layanan komputasi awan (cloud), dan kesiapan data. Hasil penelitian berupa pengelompokan tantangan bagi organisasi dengan sumber daya terbatas serta agenda penelitian yang dapat dilaksanakan. Kata kunci: MLOps; organisasi kecil; UMKM; kerangka TOE; systematic literature review