cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
M Syaryadhi
Contact Email
syaryadhi@gmail.com
Phone
-
Journal Mail Official
syaryadhi@gmail.com
Editorial Address
-
Location
Kab. aceh besar,
Aceh
INDONESIA
Jurnal Komputer, Informasi Teknologi, dan Elektro (KITEKTRO)
Published by Universitas Syiah Kuala
ISSN : -     EISSN : 22527036     DOI : -
Core Subject :
KITEKTRO (Karya Ilmiah Teknik Komputer, Ilmu Komputer, Teknologi Informasi, dan Teknik Elektro) merupakan jurnal ilmiah elektronik yang diterbitkan sebagai media diseminasi hasil penelitian dan kajian ilmiah kepada masyarakat akademik dan publik secara luas. Jurnal ini memfasilitasi publikasi karya ilmiah berkualitas dalam bidang Teknik Komputer, Ilmu Komputer, Informatika, Teknologi Informasi, dan Teknik Elektro.
Arjuna Subject : -
Articles 2 Documents
 1 
Perancangan Sistem Pendeteksi Gas Metana Menggunakan Sensor Gas MQ-4 pada Limbah Feses Sapi Aulia Rahman; Syahrial Syukur Harahap; Alfatirta Mufti
Jurnal Komputer, Informasi Teknologi, dan Elektro (Kitektro) Vol. 11 No. 1 (2026): April
Publisher : Departemen Teknik Elektro dan Komputer Universitas Syiah Kuala

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

Abstract

Gas metana memiliki potensi besar sebagai sumber energi alternatif atau biogas, khususnya yang dihasilkan dari limbah feses sapi. Penelitian ini mengembangkan sistem pengukuran kadar gas metana menggunakan sensor MQ-4 yang dilakukan pada limbah feses sapi dengan memvariasikan berat pada feses sapi, yang bertujuan untuk mengetahui akurasi dari sensor MQ-4 dengan membandingkan prototipe yang dibuat terhadap alat acuan SW-733A. Persentase galat yang dihasilkan pada penyimpanan feses sapi dengan konsentrasi feses sapi 1, 2, dan 3 kg sebesar 0,44% - 1,50%, 0,56% - 5,08%, dan 0,40% - 3,52%. Persentase galat paling kecil sebesar 0,40% dan paling besar diperoleh 5,08%. Sistem yang dibuat berhasil mengukur kadar gas metana dengan sensor MQ-4 pada limbah feses sapi dan hasil yang diperoleh menunjukkan bahwa sistem yang dibuat memiliki akurasi 94,92% sampai dengan 99,60%. Penggunaan sistem deteksi berbiaya rendah dan akurat ini memberikan kemudahan dan solusi praktis bagi peternak maupun pengelola limbah dalam memantau emisi gas metana secara mandiri.
Real-Time PPE Detection for Utility Field Workers Using YOLOv11 on Raspberry Pi with Automated Safety Reporting Israk Faradila; Roslidar Roslidar; Fathurrahman; Yudha Nurdin; Mohd Syaryadhi
Jurnal Komputer, Informasi Teknologi, dan Elektro (Kitektro) Vol. 11 No. 1 (2026): April
Publisher : Departemen Teknik Elektro dan Komputer Universitas Syiah Kuala

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

Abstract

The level of compliance with the use of Personal Protective Equipment (PPE) in the work environment, especially in the field, remains a serious challenge with a direct impact on worker safety. Manual supervision is considered ineffective because it is subjective and limited in scope, time, and space. This research aims to develop an automatic PPE detection system using deep learning that can recognize five main objects: helmets, vests, gloves, shoes, and people. The system was designed to automatically detect real-time PPE availability and record workers' occupational safety status in the field. This research used the Convolutional Neural Network (CNN) with the YOLOv11 nano variant architecture, due to its advantages in efficiency and inference speed. The dataset comprised 1,471 images collected from PT PLN Aceh field documentation and the Roboflow Universe platform, which were expanded to 7,310 images following data augmentation. The dataset was split into training (96%), validation (2%), and testing (2%) subsets. The model was trained for 150 epochs and deployed on a Raspberry Pi 4 B for real-time inference. Evaluation results show a mean Average Precision at IoU 0.5 (mAP@0.5) of 90%, precision of 91.8%, and recall of 82%. The deployed system operates at 5–8 frames per second (FPS) and automatically logs worker safety status to Excel reports, demonstrating its practicality for real-time occupational safety monitoring.

Page 1 of 1 | Total Record : 2

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 11 No. 1 (2026): April