Apple is one of the trees that is widely cultivated and grows in subtropical areas. In Indonesia, there are many areas that cultivate apples, including Malang, Batu, Nongkojajar. One way to increase the economic value of apple farmers is by sorting them before sending them to the market. This is important to do in order to make it easier to determine the quality and selling price of manalagi apples. Most apple sellers will sort the apples manually which results in high costs, difficulty, and inconsistency in the sorting process. So far, the classification of defects in apples has been done using the naked eye. This also requires expertise or experts in distinguishing which apple defects are. However, experts have limitations, not all apple defects can be recognized or classified. In addition, each researcher only uses one image feature, namely the texture feature. In this study, using an image dataset of Manalagi apples totaling 337 images, where there are 184 images of good apples and 153 images of defective apples by extracting features on apples, it can be concluded that the nave Bayes method can be used to classify defects of manalagi apples based on texture.
Covid-19 merupakan penyakit yang sedang mewabah di berbagai belahan dunia termasuk Indonesia. Penyakit ini menginfeksi saluran pernapasan yang disebabkan oleh jenis virus corona baru. Untuk mengetahui adanya virus covid-19 di dalam tubuh dapat dilakukan pemeriksaan medis seperti cek darah, pemeriksaan radiologi rontgent (x-ray) dan swab. Penelitian ini melakukan identifikasi penyakit covid-19 berdasarkan citra rontgen dengan metode yang diusulkan model convolution neural network yang mampu menghasilkan performa paling baik dalam mendeteksi penyakit. Pengujian dilakukan dengan menggunakan empat pre-trained ensemble model yang telah disediakan oleh Keras yaitu VGGNet, GoogleNet, DenseNet, dan NASNet tingkat akurasi training yang dihasilkan adalah 97% dan akurasi validasi yang dihasilkan adalah 85% akan tetapi metode yang diusulkan pada penelitian ini waktu komputasi yang dihasilkan sangat baik yaitu 0 detik dari hasil tersebut dapat simpulkan metode penggabungan (ensemble) ini sangat baik jika diimplementasikan terhadap data penelitian yang digunakan.
Oli merupakan sebuah cairan yang berperan penting untuk melumasi mesin, pendingin, dan melindungi komponen yang bergerak pada sepeda motor. penggantian oli yang tidak teratur akan menimbulkan kinerja atau bahkan kerusakan mesin pada sepeda motor. Oleh karena itu dibuatlah sistem monitoring penggantian oli sepeda motor dengan memanfaatkan NodeMCU, Sensor Turbidity sebagai pembaca Kualitas oli yang nanti akan ditampilkan pada aplikasi yang di akses melalui smartphone android. Dengan adanya sistem ini pengguna sepeda motor dapat mengetahui kualitas oli pada sepeda motor. sehingga dapat mengurangi terjadinya kerusakan yang fatal akibat kelalaian terhadap penggantian oli sepeda motor. Hasil dari penelitian ini bahwasanya alat berfungsi dengan baik, hasil dari pengujian didapatkan bahwasanya oli dikatakan keruh jika sudah mencapai pemakaian dalam kurun waktu 1,5 bulan.
Air merupakan salah satu kebutuhan yang paling penting bagi semua makluk hidup apalagi bagi manusia. Dibeberapa daerah penggunaan air bersih biasanya diatur oleh petugas Himpunan Penduduk Pemakaian Air Minum biasa disebut HIPPAM. Selain sebagai penyedia untuk memenuhi kebutuhan air bersih, petugas HIPPAM juga harus selalu siaga dengan adanya dugaan kebocoran air. Kebocoran air ini tidak mudah diketahui jika tidak di cek secara manual ke pusat aliran air. Hal ini di rasa kurang efektif dalam proses pengecekan. Maka dari itu dibuatlah sistem monitoring untuk melihat debit air yang mengalir pada pusat pipa atau saluran yang melewati sensor Manfaat adanya sensor ini memberikan kemudahan dalam melakukan pengecekan suatu debit air yang berkurang akibat adanya dugaan kebocoran pada pipa. Dengan memanfaatkan NodeMCU dan sensor water Flow melalui smartphone android. Hal ini bertujuan agar pegawai bekerja lebih efektif dalam bekerja. Hasil dari penelitian ini membantu memberikan informasi kepada petugas HIPPAM berupa informasi pemakaian debit air pada pusat meteran air. Sehingga petugas HIPPAM berkerja lebih efektif dan efesien dalam pengecekan debit meteran air.
Air merupakan salah satu kebutuhan yang paling penting bagi semua makluk hidup apalagi bagi manusia. Dibeberapa daerah penggunaan air bersih biasanya diatur oleh petugas Himpunan Penduduk Pemakaian Air Minum biasa disebut HIPPAM. Selain sebagai penyedia untuk memenuhi kebutuhan air bersih, petugas HIPPAM juga harus selalu siaga dengan adanya dugaan kebocoran air. Kebocoran air ini tidak mudah diketahui jika tidak di cek secara manual ke pusat aliran air. Hal ini di rasa kurang efektif dalam proses pengecekan. Maka dari itu dibuatlah sistem monitoring untuk melihat debit air yang mengalir pada pusat pipa atau saluran yang melewati sensor Manfaat adanya sensor ini memberikan kemudahan dalam melakukan pengecekan suatu debit air yang berkurang akibat adanya dugaan kebocoran pada pipa. Dengan memanfaatkan NodeMCU dan sensor water Flow melalui smartphone android. Hal ini bertujuan agar pegawai bekerja lebih efektif dalam bekerja. Hasil dari penelitian ini membantu memberikan informasi kepada petugas HIPPAM berupa informasi pemakaian debit air pada pusat meteran air. Sehingga petugas HIPPAM berkerja lebih efektif dan efesien dalam pengecekan debit meteran air.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.