Hai Blay
Mahasiswa Telkom University Prodi Teknologi Informasi
Arroyyan's Playlist
๐ต Pilih Lagu:
โข Staff Media dan Informasi Himpunan Mahasiswa Teknologi Informasi
โข Staff Media dan Branding Pojok Statistik Telkom University Surabaya
โข Mengelola administrasi harian, manajemen server, dan koordinasi komunitas utama di Discord Server.
โข Membantu langsung para player di dalam kota serta menangani moderasi, laporan kendala, dan resolusi masalah komunitas.
โข Membuat konten kreatif digital secara konsisten untuk platform Tiktok dan Instagram.
Telah Mengikuti KELAS DARING INTENSIF OSN SMA 2022 Bidang INFORMATIKA
In an International Guest Lecture Activity with the Theme "The Quantum Leap in Mobile Forensics and Secure Chat Analysis" Organized by the Information Technology Study Program on March 21 2025
partisipasi aktif sebagai peserta bidang studi : KOMPUTER
Pada tanggal 12-Juli-2021 - 18-Juli-2021
2021
Kompetisi Sains Nasional Tingkat Kabupaten / Kota (KSN-K) Kabupaten Ponorogo Tahun 2021 yang diselenggarakan pada tanggal 03 - 04 Juni 2021
Workshop visualisasi data menggunakan Python terbukti berhasil dan efektif dalam meningkatkan literasi digital siswa SMP GIKI 2 Surabaya. Pendekatan praktik langsung sangat sesuai untuk audiens target dan tidak hanya meningkatkan keterampilan teknis, tetapi juga soft skills seperti berpikir logis dan pemecahan masalah. Model kegiatan ini memiliki potensi besar untuk diterapkan di institusi pendidikan lain
Proyek ini hadir dengan tujuan merancang dan membangun Sistem IoT Fire & Gas Detection yang dapat mendeteksi asap, api, dan gas berbahaya secara akurat. Sistem ini dilengkapi dengan sensor IoT yang mengirimkan data secara real-time ke aplikasi mobile maupun dashboard monitoring. Apabila terjadi potensi bahaya, sistem akan memberikan peringatan dini melalui alarm suara, lampu indikator, serta notifikasi digital kepada penghuni maupun pengelola asrama
Penelitian ini mengklasifikasikan citra Alat Pelindung Diri (APD), khususnya helm keselamatan dan kacamata pelindung, menggunakan pengolahan citra digital dan machine learning klasik. Implementasi KNN yang diusulkan menerapkan resize citra menjadi 128 ร 128 piksel, konversi grayscale, peningkatan kontras lokal menggunakan Contrast Limited Adaptive Histogram Equalization (CLAHE), serta ekstraksi fitur gabungan berbasis Gray-Level Co-occurrence Matrix (GLCM), Histogram of Oriented Gradients (HOG), dan Local Binary Pattern (LBP).
๐ฌ Visitor Comments (0)
Tinggalkan Komentar