Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Journal of Engineering and Technology Innovation
Ismaun Rusman
Universitas Sulawesi Barat
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Transportation

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

Found 2 Documents
Search

 1 
Perancangan Sistem Aplikasi Berbasis Android untuk Pengecekan Alat Pemadam Api Ringan melalui E-APAR Rini Yunita; Ismaun Rusman; Ahmad Jurnaidi Wahidin; Muh Imam Quraisy; Niko Akbar
Journal Of Engineering And Technology Innovation ( JETI ) Vol. 2 No. 03 (2025): Journal Of Engineering And Technology Innovation ( JETI )
Publisher : Rey Media Grafika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66084/jeti.v2i03.123

Abstract

Penelitian ini bertujuan untuk mengembangkan perangkat lunak inspeksi APAR (Alat Pemadam Api Ringan) berbasis Android menggunakan metode waterfall. APAR adalah alat yang ringan dan mudah digunakan untuk memadamkan api pada mula terjadi kebakaran. Namun, inspeksi yang dilakukan pada APAR saat ini menggunakan formulir kertas dengan hasil inspeksi direkap dalam aplikasi pengolah angka, menyebabkan tingkat akurasi data yang diinputkan tidak sesuai dan inspeksi tidak valid.Metode waterfall digunakan untuk membangun perangkat lunak inspeksi APAR yang efektif. Tahap analisis kebutuhan dilakukan untuk mengumpulkan persyaratan dan kebutuhan pengguna. Selanjutnya, tahap perancangan dilakukan untuk merancang antarmuka pengguna, fitur-fitur, dan arsitektur aplikasi. Setelah perancangan selesai, tahap implementasi dilakukan dengan mengodekan aplikasi berbasis Android yang dapat memudahkan inspeksi APAR.Fitur-fitur yang diperhatikan dalam pengembangan perangkat lunak ini meliputi inspeksi secara real-time, pencatatan lokasi APAR, dan pengelolaan dokumen hasil inspeksi. Selain itu, fitur QR-code digunakan sebagai alat bantu dalam melakukan inspeksi, memudahkan identifikasi dan pengumpulan data.Penelitian ini diharapkan dapat memberikan solusi yang efisien dan akurat dalam melakukan inspeksi APAR. Dengan penggunaan perangkat lunak inspeksi APAR berbasis Android, inspeksi dapat dilakukan dengan mudah dan sesuai dengan titik area APAR yang ditempatkan. Data hasil inspeksi dapat direkap dalam aplikasi, memungkinkan tinjauan ulang dan pemantauan perkembangan inspeksi APAR. Dengan demikian, keamanan dan penggunaan APAR akan meningkat secara signifikan dalam menghadapi kebakaran.
Klasifikasi Jenis Rempah-Rempah Menggunakan Metode Algoritma Convolutional Neural Network (CNN) Lukman; Farid Wajidi; Ismaun Rusman
BETRIK Vol. 16 No. 03 (2025): Jurnal Ilmiah BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : PPPM Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/kczxhd54

Abstract

Spices play a crucial role in the lives of Indonesian people, where these ingredients are utilized as flavor enhancers, natural dyes, preservatives, and primary components in traditional medicine. Nevertheless, a significant portion of the population still encounters difficulties in distinguishing various types of spices due to morphological similarities between groups, as observed in ginger, turmeric, galangal, lesser galangal, Java ginger, and red ginger. This research is designed to classify these six types of spices using the Convolutional Neural Network (CNN) method. The dataset employed consists of 600 spice images, with each class comprising 100 images, subsequently divided into training data (80%) and testing data (20%). The research process encompasses dataset collection, the pre-processing stage involving resizing images to 46x46 pixels, data division, CNN model training, and performance evaluation through the confusion matrix. The results indicate that the CNN model successfully recognizes the ginger and red ginger classes with high accuracy, whereas in the classes of lesser galangal, turmeric, and Java ginger, classification errors persist due to visual similarities between spices. Overall, the CNN approach proves effective for spice classification, although further enhancements are required in specific classes to achieve more optimal and accurate outcomes.
Co-Authors Ahmad Jurnaidi Wahidin Farid Wajidi Lukman Muh Imam Quraisy Niko Akbar Rini Yunita