ILKOM Jurnal Ilmiah (Fakultas Ilmu Komputer, Universitas Muslim Indonesia)
Not a member yet
653 research outputs found
Sort by
Rancang bangun alat smart lock pada laci meja menggunakan sensor RFID berbasis Arduino
Full text linkPenelitian ini bertujuan untuk meningkatkan keamanan pada setiap laci meja yang menggunakan kunci konvensional. Penggunaan kunci konvensional pada era digital ini kurang efisien dibandingkan dengan resiko dan kelemahan dari penggunaan kunci konvesional. Setiap orang harus membawanya kemanapun ketika pergi bahkan tidak menutup kemungkinan pemilik kunci tersebut lupa dimana meletakkan kuncinya, terjatuh di jalan, dan yang terburuk adalah kehilangan kunci tersebut. Untuk mengulangi kelemahan dan resiko dari penggunaan kunci konvensional maka dibuatlah kunci elektronik. Dalam konteks ini penulis mengusulkan pembuatan Rancangan alat smart lock pada laci meja menggunakan sensor RFID berbasis Arduino sebagai solusi untuk mengatasi masalah pada kunci konvesional yang sering hilang. Perancangan ini menyoroti peran Arduino Uno sebuah mikrokontroler dengan keunggulan dapat diprogramkan sesuai kebutuhan, dalam merangkai smart lock pada laci meja. Alat ini bertujuan untuk dapat mengimplementasikan alat smart lock pada laci meja manggunakan senor RFID berbasis Arduino. Rekomendasi penelitian, penulis menambahkan sistem sensor RFID pada laci meja agar keamanannya tetap terjaga karena menggunakan serial number yang terdaftar pada cip RFI
Implementasi Metode YOLO Dalam Mendeteksi Jenis Sampah Berbasis Computer Vision
Full text linkDalam beberapa dekade terakhir, masalah lingkungan, termasuk masalah sampah, telah menjadi isu global . Pengolahan sampah bisa menjadi solusi dalam menangani permasalahan ini, salah satu tantangan utama dalam pengolahan sampah adalah pengenalan dan pemilahan jenis sampah. Oleh karenanya solusi untuk mengatasi masalah ini yaitu dengan memanfaatkan teknologi berbasis komputer, suatu sistem untuk mendeteksi jenis sampah organik dan anorganik, Metode yang digunakan adalah metode You Only Look Once (YOLO) salah satu algoritma pendeteksi objek yang dapat digunakan secara real-time. Sistem yang dirancang ini menggunakan metode YOLOv5 dengan penggunaan versi pre-trained model YOLOv5s. Penelitian ini dibuat melalui beberapa tahap termasuk pengumpulan dataset gambar sampah, pelabelan data, pelatihan model YOLOv5 hingga pengujian model. Dataset yang digunakan terdiri dari kantong plastik, kertas, kaleng, kulit telur dan tomat. Selanjutnya model akan di muat pada aplikasi mobile untuk melakukan deteksi secara langsung menggunakan kamera smartphone. Output yang dihasilkan merupakan nama jenis sampah dengan kotak pembatas di sekitar objek yang terdeteks
Rancang Bangun Sistem Informasi Geografis Pariwisata Kabupaten Takalar
Full text linkDalam bidang pariwisata, Kabupaten Takalar memiliki banyak destinasi pariwisata salah satunya pantai. Selain dari beberapa tempat wisata pantai yang menjadi destinasi wisatawan, terdapat beberapa tempat wisata lainnya yang belum diketahui oleh masyarakat luas. Saat ini belum terdapat sebuah sistem informasi yang terintegrasi yang dapat menyatukan destinasi pariwisata pada kabupaten Takalar sehingga wisatawan yang akan datang hanya mendapatkan informasi yang minim terhadap tempat-tempat pariwisata pada kabupaten Takalar. Tujuan dari penelitian ini membantu mempermudah masyarakat luas dalam menentukan tujuan-tujuan destinasi pariwisata dan membantu pihak kabupaten Takalar dalam mempromosikan keberadaan tempat wisata dan potensi-potensi lainnya pada masyarakat. Penelitian ini menghasilkan Sistem Informasi Geografis Pariwisata versi perangkat lunak yang dapat diakses secara umum dan memberikan informasi yang baik kepada pengguna baik pendatang baru yang ingin mencari tau tempat liburan di Kabupaten Takalar dan juga meningkatkan pendapatan bagi masyarakat sekita
KLASIFIKASI CENGKEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)
Full text linkCengkeh merupakan salah satu komoditas unggulan di sektor pertanian Indonesia yang memiliki nilai ekonomi tinggi, namun rentan mengalami penurunan kualitas akibat kontaminasi jamur selama proses panen dan pascapanen. Selama ini, proses klasifikasi cengkeh berjamur dan tidak berjamur masih dilakukan secara manual, yang cenderung tidak efisien, subjektif, dan berpotensi menimbulkan inkonsistensi, terutama ketika harus menangani volume data dalam jumlah besar. Oleh karena itu, penelitian ini dirancang untuk mengembangkan sistem klasifikasi otomatis berbasis kecerdasan buatan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur InceptionV3. Penelitian akan dilakukan di Kecamatan Lasusua, Kabupaten Kolaka Utara, dengan menggunakan dataset sebanyak 1.000 citra digital cengkeh yang diambil dari dua pose berbeda. Seluruh citra akan melalui tahapan preprocessing dan augmentasi guna memperkuat kualitas dan keragaman data, sebelum digunakan dalam proses pelatihan model CNN. Evaluasi terhadap performa model akan dilakukan dengan mengukur nilai akurasi, presisi, recall, dan F1-score untuk menentukan sejauh mana efektivitas sistem dalam mengklasifikasikan cengkeh ke dalam dua kelas, yaitu berjamur dan tidak berjamur. Diharapkan hasil dari penelitian ini dapat memberikan kontribusi nyata terhadap peningkatan efisiensi, akurasi, dan objektivitas dalam proses sortasi cengkeh serta menjadi langkah awal dalam penerapan teknologi deep learning untuk mendukung digitalisasi mutu hasil pertanian, khususnya pada komoditas strategis seperti cengke
Implementasi Naive Bayes Untuk Analisis Sentimen Pada data Twitter Tentang Isu Politik di Indonesia
Full text linkPerkembangan media sosial, khususnya Twitter, telah menjadi sarana utama bagi masyarakat Indonesia dalam menyampaikan opini dan pandangan terhadap berbagai isu, termasuk politik. Analisis sentimen menjadi metode yang efektif untuk memahami kecenderungan opini publik melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen tweet netizen terkait isu politik di Indonesia dengan menerapkan algoritma Naïve Bayes Classifier. Data dikumpulkan dari tweet yang membahas isu politik dan diproses melalui tahap preprocessing, seperti pembersihan data, normalisasi kata, serta penghapusan kata yang tidak relevan. Hasil penelitian menunjukkan bahwa model Naïve Bayes memiliki akurasi sebesar 72% setelah dilakukan optimasi, dengan kinerja yang baik dalam mendeteksi sentimen positif dan netral, namun masih menghadapi tantangan dalam mengidentifikasi sentimen negatif akibat ketidakseimbangan data. Sentimen negatif umumnya berisi kritik terhadap kebijakan pemerintah, sementara sentimen positif mencerminkan harapan dan dukungan terhadap proses politik. Kelemahan dalam penelitian ini disebabkan oleh asumsi independensi fitur dalam Naïve Bayes serta kompleksitas bahasa dalam tweet, seperti sarkasme dan konteks yang ambigu. Oleh karena itu, penelitian lebih lanjut disarankan untuk mengembangkan pendekatan yang lebih canggih, seperti deep learning atau model hibrida, guna meningkatkan akurasi klasifikasi sentimen politik di media sosia
Sistem Pendukung Keputusan Penentuan Lokasi Usaha Bisnis di Kabupaten Pangkep Menggunakan Metode Topsis
No full textKeberadaan usaha retail di Kabupaten Pangkep terdiri dari retail modern dan retail tradisional namun pemerintah desa belum memiliki sistem yang dapat membantu dalam menentukan keputusan yang tepat sesuai dengan kriteria yang diinginkan oleh calon pelaku usaha sehingga dalam membangun usaha atau bisnis tersebut tentunya perlu menyesuaikan dengan lahan dan jenis usaha yang akan dibangun.Penelitian ini bertujuan untuk menghasilkan sistem pendukung keputusan dalam penentuan lokasi usaha bisnis retail modern dan tradisional di Kabupaten Pangkep menggunakan metode TOPSIS dengan model prototype. Metode TOPSIS digunakan sebagai dasar pada konsep dimana alternatif terpilih yang terbaik tidak hanya memiliki jarak terpendek dari solusi ideal positif, namun juga memiliki jarak terpanjang dari solusi ideal negatif. Pengambil keputusan mempunyai 7 alternatif yaitu Sibatua, Bonto Perak, Anrong, Appaka, Teko Labbua, Jagong, Tumampua, Padoang Doangan, Mappasaile, Pabundukang, dan 4 kriteria yaitu keamanan, luas lahan, tingkat akses, dan keadaan tanah. Hasil penelitian dari 10 data dari calon pelaku usaha menunjukkan bahwa lokasi usaha bisnis yang cocok dibangun 6 retail modern dan 4 retail tradisional
Decision Support System on Independent Curriculum Learning Models with Artificial Intelligence at Islamic Universities
Full text linkThe design of curricula in Islamic universities frequently encounters difficulties in addressing the evolving needs of students, industry demands and the distinctive integration of Islamic values. Conventional methodologies are inadequate in their capacity to adapt to the evolving needs of the modern educational landscape. Furthermore, the integration of artificial intelligence (AI) in this domain remains underdeveloped, with many instances overlooking the crucial role of religious principles and institutional characteristics. This study addresses this gap by developing a Decision Support System (DSS) using Mamdani type 1 fuzzy logic, with the objective of assisting in determining an independent curriculum learning model tailored to Islamic higher education. The system incorporates a number of input variables, including student needs, industry requirements, institutional characteristics and data analysis. The output variables include an evaluation of the suitability of the learning model and a recommendation as to the most appropriate model. To illustrate, in situations where student needs are high, industry demands are moderate, institutional characteristics are high, and data analysis is moderate, the recommended model places an emphasis on balancing theoretical knowledge with practical application, while also aligning with Islamic values. The validation of this AI-based model, utilizing 2023 historical data from five Islamic universities in West Sumatra, yielded an average Mean Absolute Error (MAE) of 0.64, thereby demonstrating good predictive accuracy. The integration of AI in this system facilitates data-driven decision-making, thereby enhancing the relevance and adaptability of the curriculum. It has the potential to improve the quality of education, support balanced student learning outcomes, and ensure alignment with Islamic principles, making it a transformative tool for curriculum development in Islamic higher education
Rancang Bangun Sistem Antrian Pasien Di Puskesmas Walenrang Menggunakan Metode Rapid Application Development
Full text linkPendaftaran antrian yang masih di lakukan secara manual oleh Puskesmas Walenrang menjadi kendala bagi pasien dan dokter karena proses pecatatan masih dilakukan secara manual sehingga terjadinya penumpukan antrian dan tidak tertib dalam proses antrian. Dalam pembuatan makalah ini bertujuan untuk membuat sebuah website secara online, yang terdiri dari pasien baru dan pasien lama yaitu pasien baru adalah pasien yang melakukan pendaftaran dengan memasukkan semua data pada website yang telah disediakan seperti nama, id pasien dan lain-lain. ketika selesai melakukan registrasi maka pasien baru akan di anjurkan pengisian data selanjutnya sehingga bisa mengambil nomor antrian dan status nya menjadi pasien lama. Metode yang dilakukan dalam penelitian ini adalah Rapid Application Development (RAD) dan algoritma First in Fisrt out (FIFO), cara pengumpulan data pada penelitian ini dengan wawancara observasi dan dokumentasi. Pada penelitian ini membuat website yang berbasis online yang terdiri dari pasien lama dan pasien baru. Kesimpulan yang dapat diambil dari makalah ini berupa sebuah Sistem pendaftaran antrian secara online yang dapat mengatasi masalah seperti pengambilan nomor antrian, dan laporan harian kunjungan pasien. Website ini memberikan kemudahan bagi petugas dan pasien untuk mendaftar dan mengatur antria
Penerapan Metode Machine Learning (Random Forest & XGBoost) untuk Memprediksi Prestasi Akademik Berdasarkan Faktor Internal dan Eksternal Siswa
No full textPenelitian ini bertujuan untuk menerapkan metode machine learning, yaitu Random Forest dan XGBoost, dalam memprediksi prestasi akademik siswa berdasarkan kombinasi faktor internal dan eksternal yang memengaruhi prestasi mereka. Data yang digunakan yakni "Performance Trends in Education" yang mencakup 6606 baris data dengan 20 kolom, terdiri dari fitur numerik dan kategorik. Dalam penelitian ini, model prediksi dilatih dengan data yang telah diproses melalui tahapan preprocessing dan pembagian data (80% untuk data training dan 20% untuk data testing). Hasil evaluasi menunjukkan bahwa XGBoost memiliki kinerja yang lebih baik dibandingkan dengan Random Forest, dengan nilai RMSE yang lebih rendah (1.909), MAPE yang lebih kecil (1.003%), dan R2 yang lebih tinggi (0.742). Hasil ini menunjukkan bahwa XGBoost mampu memberikan prediksi yang lebih akurat dan lebih baik dalam menjelaskan variabilitas data prestasi akademik siswa. Temuan ini memberikan kontribusi penting dalam pengembangan model prediksi untuk meningkatkan kebijakan pendidikan dan strategi pembelajaran yang lebih efektif. Penelitian ini juga menyarankan penelitian lebih lanjut untuk mengeksplorasi teknik ensemble lain yang dapat meningkatkan akurasi prediksi dan mempertimbangkan faktor eksternal lainnya yang dapat memengaruhi prestasi akademik siswaPenelitian ini bertujuan untuk menerapkan metode machine learning, yaitu Random Forest dan XGBoost, dalam memprediksi prestasi akademik siswa berdasarkan kombinasi faktor internal dan eksternal yang memengaruhi prestasi mereka. Data yang digunakan yakni Performance Trends in Education yang mencakup 6606 baris data dengan 20 kolom, terdiri dari fitur numerik dan kategorik. Dalam penelitian ini, model prediksi dilatih dengan data yang telah diproses melalui tahapan preprocessing dan pembagian data terdiri atas 80% untuk data training dan 20% untuk data testing. Hasil evaluasi menunjukkan bahwa XGBoost memiliki kinerja yang lebih baik dibandingkan dengan Random Forest, dengan nilai RMSE yang lebih rendah yaitu 1.909, MAPE yang lebih kecil yaitu 1.003%, dan R2 yang lebih tinggi yaitu 0.742. Hasil ini menunjukkan bahwa XGBoost mampu memberikan prediksi yang lebih akurat dan lebih baik dalam menjelaskan variabilitas data prestasi akademik siswa. Temuan ini memberikan kontribusi penting dalam pengembangan model prediksi untuk meningkatkan kebijakan pendidikan dan strategi pembelajaran yang lebih efektif. Penelitian ini juga menyarankan penelitian lebih lanjut untuk mengeksplorasi teknik ensemble lain yang dapat meningkatkan akurasi prediksi dan mempertimbangkan faktor eksternal lainnya yang dapat memengaruhi prestasi akademik siswa
Rancang Bangun Jemuran Pintar Otomatis Berbasis Internet of things (Iot)
Full text linkMenjemur pakaian secara konvensional seringkali tidak efisien karena ketidakpastian cuaca seperti hujan mendadak atau kelembaban udara yang tinggi di malam hari. Penelitian ini bertujuan untuk merancang dan membangun sebuah prototipe Jemuran Pintar berbasis Internet of things (Iot) sebagai solusi otomatis untuk mengatasi masalah tersebut. Sistem ini menggunakan mikrokontroler ESP32 sebagai pusat kendali yang mengintegrasikan beberapa sensor, yaitu sensor hujan untuk mendeteksi air, sensor LDR untuk mengukur intensitas cahaya, dan sensor DHT22 untuk memantau suhu serta kelembaban. Berdasarkan data dari sensor-sensor tersebut, sistem dapat secara otomatis menggerakkan motor servo untuk mengatur posisi atap jemuran. Sistem ini juga menawarkan kontrol ganda, di mana selain mode otomatis, pengguna dapat mengendalikan jemuran secara manual melalui aplikasi smartphone. Seluruh status sistem dapat dipantau secara real-time melalui platform Iot Blynk, yang juga berfungsi mengirimkan notifikasi peringatan. Hasil pengujian menunjukkan sistem mampu merespons berbagai skenario cuaca dengan tepat, sehingga dapat meningkatkan efisiensi dan memberikan kemudahan bagi pengguna dalam aktivitas menjemur pakaia