Garuda - Garba Rujukan Digital

Monitoring Posisi Kucing Menggunakan Teknologi Internet of Things (IoT) Khansa Danendra, Raissandi; Zakiyah, Maudina; Wardani Supardi, Dila; Pardomuan Siregar, Santo; Zetta Maulana, Yulian; Kurnianto, Danny
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Penelitian ini mengembangkan sistem pelacakanhewan peliharaan berbasis IoT yang dirancang dalam bentukrompi khusus agar nyaman digunakan. Sistem inimenggabungkan perangkat ringan dengan aplikasi pemantauposisi real-time melalui peta digital. Hasil pengujianmenunjukkan bahwa kucing dapat beradaptasi dengan rompidalam waktu sekitar empat hari. Kinerja jaringan diuji dalamberbagai kondisi, dengan rata-rata throughput tertinggi sebesar703,565 kbps saat perangkat berada di dalam ruangan danjaringan tetap di dalam, serta nilai terendah 545,937 kbps saatperangkat berada di luar ruangan dan jaringan tetap di dalam.Nilai RSSI juga menurun tajam saat di dalam ruangan akibathambatan fisik, namun membaik saat di luar ruangan. Sistemgeofencing menunjukkan notifikasi berhasil dikirim pada jarakdi atas 10 meter dengan respons di bawah 5 detik. Akurasipelacakan rata-rata 0,92 meter dan daya tahan bateraimencapai 8 jam 45 menit per pengisian.Kata Kunci: Internet of Things (IoT), pelacakan hewan, geofencing,throughput jaringan, akurasi GPS, daya tahan baterai

Monitoring Posisi Kucing Menggunakan Teknologi Internet of Things (IoT) Wardani Supardi, Dila; Zetta Maulana, Yulian; Kurnianto, Danny
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Penelitian ini mengembangkan sistem pelacakanhewan peliharaan berbasis IoT yang dirancang dalam bentukrompi khusus agar nyaman digunakan. Sistem inimenggabungkan perangkat ringan dengan aplikasi pemantauposisi real-time melalui peta digital. Hasil pengujianmenunjukkan bahwa kucing dapat beradaptasi dengan rompidalam waktu sekitar empat hari. Kinerja jaringan diuji dalamberbagai kondisi, dengan rata-rata throughput tertinggi sebesar703,565 kbps saat perangkat berada di dalam ruangan danjaringan tetap di dalam, serta nilai terendah 545,937 kbps saatperangkat berada di luar ruangan dan jaringan tetap di dalam.Nilai RSSI juga menurun tajam saat di dalam ruangan akibathambatan fisik, namun membaik saat di luar ruangan. Sistemgeofencing menunjukkan notifikasi berhasil dikirim pada jarakdi atas 10 meter dengan respons di bawah 5 detik. Akurasipelacakan rata-rata 0,92 meter dan daya tahan bateraimencapai 8 jam 45 menit per pengisian.Kata Kunci:Internet of Things (IoT), pelacakan hewan, geofencing,throughput jaringan, akurasi GPS, daya tahan baterai

Monitoring Posisi Kucing Menggunakan Teknologi Internet of Things (IoT) Pardomuan Siregar, Santo; Zetta Maulana, Yulian; Kurnianto, Danny
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Penelitian ini mengembangkan sistem pelacakanhewan peliharaan berbasis IoT yang dirancang dalam bentukrompi khusus agar nyaman digunakan. Sistem inimenggabungkan perangkat ringan dengan aplikasi pemantauposisi real-time melalui peta digital. Hasil pengujianmenunjukkan bahwa kucing dapat beradaptasi dengan rompidalam waktu sekitar empat hari. Kinerja jaringan diuji dalamberbagai kondisi, dengan rata-rata throughput tertinggi sebesar703,565 kbps saat perangkat berada di dalam ruangan danjaringan tetap di dalam, serta nilai terendah 545,937 kbps saatperangkat berada di luar ruangan dan jaringan tetap di dalam.Nilai RSSI juga menurun tajam saat di dalam ruangan akibathambatan fisik, namun membaik saat di luar ruangan. Sistemgeofencing menunjukkan notifikasi berhasil dikirim pada jarakdi atas 10 meter dengan respons di bawah 5 detik. Akurasipelacakan rata-rata 0,92 meter dan daya tahan bateraimencapai 8 jam 45 menit per pengisian.Kata Kunci:Internet of Things (IoT), pelacakan hewan, geofencing,throughput jaringan, akurasi GPS, daya tahan baterai

Monitoring Posisi Kucing Menggunakan Teknologi Internet of Things (IoT) Khansa Danendra, Raissandi; Zakiyah, Maudina; Zetta Maulana, Yulian
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Penelitian ini mengembangkan sistem pelacakanhewan peliharaan berbasis IoT yang dirancang dalam bentukrompi khusus agar nyaman digunakan. Sistem inimenggabungkan perangkat ringan dengan aplikasi pemantauposisi real-time melalui peta digital. Hasil pengujianmenunjukkan bahwa kucing dapat beradaptasi dengan rompidalam waktu sekitar empat hari. Kinerja jaringan diuji dalamberbagai kondisi, dengan rata-rata throughput tertinggi sebesar703,565 kbps saat perangkat berada di dalam ruangan danjaringan tetap di dalam, serta nilai terendah 545,937 kbps saatperangkat berada di luar ruangan dan jaringan tetap di dalam.Nilai RSSI juga menurun tajam saat di dalam ruangan akibathambatan fisik, namun membaik saat di luar ruangan. Sistemgeofencing menunjukkan notifikasi berhasil dikirim pada jarakdi atas 10 meter dengan respons di bawah 5 detik. Akurasipelacakan rata-rata 0,92 meter dan daya tahan bateraimencapai 8 jam 45 menit per pengisian.Kata Kunci:Internet of Things (IoT), pelacakan hewan, geofencing,throughput jaringan, akurasi GPS, daya tahan baterai

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Real-Time Nada Fitri, Refia; Yulian Zetta Maulana; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things (IoT)dan Artificial Intelligence (AI) mendorong terciptanya sistemotomatisasi cerdas dan responsif. Penelitian ini mengusulkansistem pakan kucing otomatis berbasis IoT dan AI yangdirancang untuk mengatasi permasalahan keterbatasan waktupemilik hewan dalam memberi pakan secara teratur. Sistemmenggunakan YOLOv11 untuk mendeteksi kucing secara realtime melalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatih menggunakanplatform Roboflow dan dikonversi ke format TensorFlow agarkompatibel dengan perangkat edge. Raspberry Pi 4 digunakansebagai pengendali utama untuk sensor dan aktuator, sertaterhubung ke server lokal melalui integrasi Cloudflare Tunnelguna menyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakan danketersediaan pakan, sedangkan motor stepper mengatur prosesdistribusi pakan baik secara otomatis maupun manual. Sistemdapat dikendalikan dan dipantau dari jarak jauh melaluiantarmuka web dan notifikasi Telegram. Hasil pengujianmenunjukkan akurasi loadcell sebesar 97,16%, sensorultrasonik 98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms, notifikasiTelegram 3,4 ms, dan latency akses ke server lokal sebesar 373,6ms. Sistem ini menunjukkan performa yang andal dalampengelolaan pakan kucing secara selektif dan efisien melaluiintegrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi 4,YOLOv11

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Realtime Surya, Caca
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things (IoT)dan Artificial Intelligence (AI) mendorong terciptanya sistemotomatisasi cerdas dan responsif. Penelitian ini mengusulkansistem pakan kucing otomatis berbasis IoT dan AI yangdirancang untuk mengatasi permasalahan keterbatasan waktupemilik hewan dalam memberi pakan secara teratur. Sistemmenggunakan YOLOv11 untuk mendeteksi kucing secara realtime melalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatih menggunakanplatform Roboflow dan dikonversi ke format TensorFlow agarkompatibel dengan perangkat edge. Raspberry Pi 4 digunakansebagai pengendali utama untuk sensor dan aktuator, sertaterhubung ke server lokal melalui integrasi Cloudflare Tunnelguna menyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakan danketersediaan pakan, sedangkan motor stepper mengatur prosesdistribusi pakan baik secara otomatis maupun manual. Sistemdapat dikendalikan dan dipantau dari jarak jauh melaluiantarmuka web dan notifikasi Telegram. Hasil pengujianmenunjukkan akurasi loadcell sebesar 97,16%, sensorultrasonik 98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms, notifikasiTelegram 3,4 ms, dan latency akses ke server lokal sebesar 373,6ms. Sistem ini menunjukkan performa yang andal dalampengelolaan pakan kucing secara selektif dan efisien melaluiintegrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi 4,YOLOv11

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Realtime Cornelius, Yuwan; Zetta Maulana, Yulian; Hanni Pradana, Zein
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things(IoT) dan Artificial Intelligence (AI) mendorongterciptanya sistem otomatisasi cerdas dan responsif.Penelitian ini mengusulkan sistem pakan kucing otomatisberbasis IoT dan AI yang dirancang untuk mengatasipermasalahan keterbatasan waktu pemilik hewan dalammemberi pakan secara teratur. Sistem menggunakanYOLOv11 untuk mendeteksi kucing secara real-timemelalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatihmenggunakan platform Roboflow dan dikonversi keformat TensorFlow agar kompatibel dengan perangkatedge. Raspberry Pi 4 digunakan sebagai pengendali utamauntuk sensor dan aktuator, serta terhubung ke serverlokal melalui integrasi Cloudflare Tunnel gunamenyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakandan ketersediaan pakan, sedangkan motor steppermengatur proses distribusi pakan baik secara otomatismaupun manual. Sistem dapat dikendalikan dandipantau dari jarak jauh melalui antarmuka web dannotifikasi Telegram. Hasil pengujian menunjukkanakurasi loadcell sebesar 97,16%, sensor ultrasonik98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms,notifikasi Telegram 3,4 ms, dan latency akses ke serverlokal sebesar 373,6 ms. Sistem ini menunjukkan performayang andal dalam pengelolaan pakan kucing secaraselektif dan efisien melalui integrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi4, YOLOv11

Otomatisasi Sistem Pakan Kucing Berbasis Iot Untuk Pengaturan Porsi Pakan Dan Monitoring Secara Real-Time Zetta Maulana, Yulian; Farhan Nulhakim, Irsad
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Perkembangan teknologi Internet of Things (IoT)dan Artificial Intelligence (AI) mendorong terciptanya sistemotomatisasi cerdas dan responsif. Penelitian ini mengusulkansistem pakan kucing otomatis berbasis IoT dan AI yangdirancang untuk mengatasi permasalahan keterbatasan waktupemilik hewan dalam memberi pakan secara teratur. Sistemmenggunakan YOLOv11 untuk mendeteksi kucing secara realtime melalui webcam, sehingga hanya kucing teridentifikasiyang dapat menerima pakan. Model AI dilatih menggunakanplatform Roboflow dan dikonversi ke format TensorFlow agarkompatibel dengan perangkat edge. Raspberry Pi 4 digunakansebagai pengendali utama untuk sensor dan aktuator, sertaterhubung ke server lokal melalui integrasi Cloudflare Tunnelguna menyediakan akses website secara aman. Sensor loadcelldan ultrasonik digunakan untuk mendeteksi berat pakan danketersediaan pakan, sedangkan motor stepper mengatur prosesdistribusi pakan baik secara otomatis maupun manual. Sistemdapat dikendalikan dan dipantau dari jarak jauh melaluiantarmuka web dan notifikasi Telegram. Hasil pengujianmenunjukkan akurasi loadcell sebesar 97,16%, sensorultrasonik 98,28%, akurasi pemberian pakan otomatis 91,92%,manual 89,13%, dan akurasi deteksi kucing 95%. Websitememiliki waktu connect time rata-rata 109,2 ms, notifikasiTelegram 3,4 ms, dan latency akses ke server lokal sebesar 373,6ms. Sistem ini menunjukkan performa yang andal dalampengelolaan pakan kucing secara selektif dan efisien melaluiintegrasi teknologi IoT dan AI.Kata kunci — AI, Cloudflare Tunnel, IoT, Raspberry Pi 4,YOLOv11

Pendeteksi Sudut Kemiringan Tulang Pada Penderita Skoliosis Menggunakan Image Processing Dwika Pangestu, Septiana; Indah Purnama, Sevia; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Skoliosis adalah kelainan pada tulangbelakang yang ditandai dengan kelengkungan ke sampingberbentuk huruf S atau C, dengan derajat keparahanbervariasi. Pengukuran kelengkungan secara manualmemerlukan waktu lama dan berisiko tidak konsisten.Penelitian ini bertujuan untuk mengembangkan metodeotomatis berbasis citra sinar-X menggunakan deep learninguntuk mengklasifikasikan derajat kelengkungan tulangbelakang secara efisien dan akurat. Model yang digunakanadalah DenseNet karena kemampuannya dalammempertahankan fitur melalui koneksi antar lapisan yangpadat. Sistem dikembangkan melalui tahapan pemrosesancitra dan pelatihan model dengan parameter seperti ukurancitra, jumlah epoch, batch size, learning rate, dan jenisoptimizer. Hasil terbaik diperoleh dengan ukuran citra224x224, batch size 32, learning rate 0,001, dan optimizerRMSprop, yang menghasilkan akurasi hingga 88,78%, presisi84,18%, recall 87,54%, dan skor F1 84,65%. Dengan hasiltersebut, sistem ini terbukti mampu meningkatkan akurasidan efisiensi dalam pengukuran skoliosis serta berpotensimendukung proses diagnosis dan pengobatan secara lebihkonsisten dan objektif di lingkungan klinis.Kata kunci— Skolosis, Pemrosesan Citra, DeepLearning, DenseNet, Detekssi Otomatis, Klasifikasi TulangBelakang, Optimasi Model

Pengembangan Prototipe Infus Berbasis Internet Of Things Untuk Monitoring Pasien Secara Real Time Rachel Dwi Laura Br Sigalingging, Sonia; Hikmah, Irmayatul; Indah Purnama, Sevia
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Prototipe infus yang dilengkapi IoT ini dirancang untuk membangun sistem pemantauan real-time terhadap cairan infus pasien, meningkatkan efisiensi dan keamanan dalam pelayanan kesehatan. Dengan menggunakan sensor sel beban untuk mengukur berat kantong infus, sistem ini mentransmisikan data secara nirkabel melalui WiFi ke aplikasi Blynk. Peringatan otomatis akan dikirimkan kepada staf perawat ketika volume infus mendekati ambang batas minimum yang telah ditentukan. Penilaian kinerja mencakup empat area utama: fungsiperingatan, presisi sensor, perhitungan tetes per menit (DPM), dan kualitas jaringan. Uji peringatan memastikan sistem secara andal menyalakan indikator LED dan menghasilkan notifikasi saat tingkat cairan mencapai atau turun di bawah 50 ml. Evaluasi presisi membandingkan output sensor beban dengan timbangan digital yang dikalibrasi. Sensor 1 menunjukkan MAE sebesar 0.4166666667 (0.14970%) dan RMSE sebesar 0.6454972244(0.232%). Sensor 2 menunjukkan $MAE $sebesar $0,3846153846 $ (0,12837%) dan RMSE sebesar $0,6201736729 (0,207%). Pengujian akurasi DPM menunjukkan Sensor 1 mencapaiMAE sebesar 3,91011236 (19,55%) dan RMSE sebesar 4,546884351 (22,73%). Sensor 2, bagaimanapun, menunjukkan kesalahan yang lebih tinggi: MAE sebesar 5,714285714 (28,57%) dan RMSE sebesar 7,55928946 (37,80%). Akhirnya, metrik Kualitas Layanan (QoS)menunjukkan latensi rata-rata 1,502 ms (Sangat Baik), throughput 57,45 Kbps (Moderat), tingkat kehilangan paket yang signifikan sebesar 41,08% (Sangat Buruk), dan nilaijitter 3,296 ms (Baik). Kata kunci—Infus, Load Cell, Platform Blynk, QoS, ESP32,Monitoring Real-time

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Yudhi Nugroho Adi

Contact Email
library@tekomuniversity.ac.id

Phone
+628128000110

Journal Mail Official
library@telkomuniversity.ac.id

Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia

Location
Kota bandung,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Yudhi Nugroho Adi

Contact Email library@tekomuniversity.ac.id

Phone +628128000110

Journal Mail Official library@telkomuniversity.ac.id

Editorial Address Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia

Location Kota bandung, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Yudhi Nugroho Adi

Contact Email
library@tekomuniversity.ac.id

Phone
+628128000110

Journal Mail Official
library@telkomuniversity.ac.id

Editorial Address
Jl. Telekomunikasi - Ters. Buah Batu Bandung 40257 Indonesia

Location
Kota bandung,

Jawa barat

INDONESIA