Journals of Universitas Teknologi Sumbawa
Not a member yet
2607 research outputs found
Sort by
ANALISIS KEBERHASILAN PENERAPAN PERATURAN WALI KOTA PALU NOMOR 40 TAHUN 2021 TENTANG PEMBATASAN PENGGUNAAN KEMASAN PLASTIK SEKALI PAKAI DAN STYROFOAM
Full text linkEnvironmental pollution issue from solid waste, especially plastic, is a global concern because it harms ecosystems and human health. A major cause is the use of single-use plastics and styrofoam, which do not break down easily. In Palu City, this problem led to the issuance of Palu Mayor Regulation Number 40 of 2021 concerning the Restriction on the Use of Single-Use Plastic Packaging and Styrofoam. This study evaluates how well this policy has been implemented and its effect on reducing plastic waste. Using descriptive quantitative methods to analyze secondary data of waste generation and achievements in waste handling from the National Waste Management Information System (SIPSN) for the years preceding (2020) and following (2024) the regulation’s implementation. The results show a significant drop in plastic waste from 30.00% to 10.43%, along with decreases in daily and yearly waste amounts. The recycling rate also improved from 0.51 to 0.58, indicating an improvement in waste management, especially through the use of TPS3R. The study recommends stronger public education, better monitoring, and improved facilities to ensure the policy’s success and sustainability in Palu City.Isu pencemaran lingkungan akibat meningkatnya limbah padat, khususnya sampah plastik, menjadi perhatian global karena dampaknya yang serius terhadap ekosistem dan kesehatan manusia. Salah satu sumber utama permasalahan tersebut adalah penggunaan plastik sekali pakai dan styrofoam yang sulit terurai. Di Kota Palu, permasalahan ini mendorong diterbitkannya Peraturan Wali Kota Palu Nomor 40 Tahun 2021 tentang Pembatasan Penggunaan Kemasan Plastik Sekali Pakai dan Styrofoam. Penelitian ini bertujuan untuk melihat keberhasilan penerapan kebijakan tersebut dan dampaknya terhadap penurunan timbulan sampah plastik. Metode yang digunakan adalah deskriptif kuantitatif dengan analisis data sekunder timbulan sampah dan capaian penanganan sebelum penerapan peraturan tersebut pada tahun 2020 dan setelah penerapan peraturan tersebut ditahun 2024 yang bersumber dari Sistem Informasi Pengelolaan Sampah Nasional (SIPSN). Hasil penelitian menunjukkan penurunan signifikan pada persentase timbulan sampah plastik dari 30,00% menjadi 10,43% serta penurunan timbulan sampah harian dan tahunan. Selain itu, angka daur ulang meningkat dari 0,51 menjadi 0,58 yang menunjukkan perbaikan sistem pengelolaan sampah, terutama melalui optimalisasi TPS3R. Penelitian ini merekomendasikan penguatan edukasi publik, peningkatan pengawasan, serta pengembangan sarana dan prasarana untuk mendukung efektivitas serta keberlanjutan kebijakan penerapan pengurangan sampah plastik di Kota Palu
IMPLEMENTASI DAN EVALUASI SISTEM VIDEO STREAMING SERVER BERBASIS NGINX RTMP PADA LINGKUNGAN DOCKER
Full text linkLayanan video streaming telah berkembang pesat dan menjadi kebutuhan utama dalam berbagai sektor. Namun, terdapat tantangan dalam mempertahankan kualitas layanan secara optimal, khususnya dalam menyediakan sistem yang efisien, mudah dikelola, dan memiliki portabilitas tinggi agar dapat digunakan secara fleksibel. Penelitian ini bertujuan untuk untuk melakukan implementasi serta mengevaluasi performa sistem video streaming server berbasis NGINX RTMP yang dijalankan pada platform Docker sebagai solusi layanan streaming yang mudah dikelola, dan efisien. Metode yang digunakan meliputi perancangan, implementasi, pengujian serta evaluasi sistem dengan menerapkan performance monitoring pada sisi server menggunakan Docker Stats dan analisis quality of service (QoS) pada sisi client menggunakan Wireshark. Hasil analisis menunjukan server mengonsumsi CPU sekitar 5% di resolusi 480p, dan 6% di resolusi 720p, sementara untuk memori mengonsumsi sebesar 4% di resolusi 480p, dan 7% di resolusi 720p. Untuk hasil QoS pada sisi client menunjukan layanan video streaming mampu menyajikan throughput dengan rata-rata sebesar 2,61 Mbps untuk resolusi 480p dan 2,17 Mbps untuk resolusi 720p, dengan nilai delay jitter, packet loss yang masih dalam batas wajar sesuai standar TIPHON. Hal ini membuktikan bahwa penerapan Nginx RTMP pada Docker dapat menjadi solusi untuk membangun layanan video streaming server yang efisien tanpa membebani kerja perangkat secara berlebi
ANALISIS SENTIMEN LAYANAN APLIKASI MYTELKOMSEL MENGGUNAKAN METODE K-NEAREST NEIGHBORS
Full text linkAplikasi MyTelkomsel merupakan layanan digital yang digunakan untuk mengakses berbagai fitur Telkomsel, seperti pembelian paket data dan pengecekan pulsa. Namun, banyak ulasan pengguna menunjukkan ketidakpuasan terhadap performa aplikasi tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap layanan aplikasi MyTelkomsel menggunakan metode klasifikasi K-Nearest Neighbors (K-NN). Data dikumpulkan dari komentar pengguna di Google PlayStore dan Instagram, berjumlah 1.678 data. Proses analisis dimulai dari tahap preprocessing hingga klasifikasi dengan tiga jenis pengukuran jarak, yaitu Cosine Similarity, Euclidean Distance, dan Manhattan Distance. Hasil evaluasi menunjukkan bahwa metrik Cosine menghasilkan akurasi tertinggi sebesar 85%, sementara Euclidean dan Manhattan masing-masing menghasilkan 68% dan 57%. Penelitian ini menyimpulkan bahwa metrik Cosine lebih sesuai digunakan dalam klasifikasi sentimen berbasis teks dengan representasi TF-IDF
KLASIFIKASI SAMPAH DAUR ULANG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN GRAY LEVEL CO-OCCURRENCE MATRIX
Full text linkPengelolaan sampah di Indonesia menghadapi tantangan serius dengan produksi mencapai 34 juta ton per tahun dan 40% tidak terkelola dengan baik. Pemilahan sampah yang akurat menjadi kunci keberhasilan proses daur ulang, namun metode manual masih tidak efisien dan inkonsisten. Penelitian ini bertujuan mengembangkan model multi-input yang menggabungkan Convolutional Neural Network (CNN) dengan fitur tekstur Gray Level Co-occurrence Matrix (GLCM) untuk klasifikasi sampah daur ulang kategori kardus, kaca, logam, kertas, plastik, dan sampah umum. Dataset terdiri dari 2527 citra yang dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Fitur GLCM diekstraksi menggunakan 24 parameter tekstur dari empat arah sudut berbeda, kemudian digabungkan dengan representasi visual CNN melalui arsitektur multi-input. Model dilatih menggunakan optimizer Adam dengan Focal Loss untuk mengatasi ketidakseimbangan kelas. Hasil evaluasi menunjukkan akurasi testing sebesar 75,35% dengan macro F1-score 0,7394 dan weighted F1-score 0,7496. Performa terbaik dicapai pada kategori kardus (91,2% recall) dan kertas (87,3% recall). Penggabungan CNN-GLCM terbukti efektif dalam membedakan material dengan karakteristik visual serupa namun tekstur berbeda, memberikan solusi potensial untuk sistem pemilahan sampah otomatis yang lebih akurat dan efisien
OPTIMALISASI LAYANAN HOTLINE KESEHATAN MELALUI SISTEM INFORMASI BERBASIS TEKNOLOGI PEMROSESAN BAHASA ALAMI
Full text linkLayanan hotline kesehatan mental menjadi solusi penting dalam menangani krisis psikologis secara cepat dan anonim. Namun, penilaian tingkat urgensi percakapan masih bergantung pada intuisi manusia yang rentan terhadap bias dan keterlambatan. Penelitian ini mengembangkan sistem berbasis Natural Language Processing (NLP) dengan model BERT untuk mengklasifikasikan tingkat urgensi percakapan pada layanan hotline ke dalam tiga kategori: rendah, sedang, dan tinggi. Sistem diimplementasikan dalam antarmuka berbasis web menggunakan Flask, dengan backend berbasis Python dan database MySQL. Penelitian menggunakan pendekatan dengan model Agile, dan dataset terdiri dari 150 percakapan yang telah dilabeli secara manual. Hasil pengujian menunjukkan akurasi model mencapai 70%, dengan precision dan recall tertinggi pada kategori "rendah". Sistem ini mampu melakukan klasifikasi real-time dan memberikan rekomendasi kepada operator. Implementasi awal menunjukkan bahwa sistem ini meningkatkan efisiensi dan objektivitas layanan. Penelitian ini memberikan kontribusi terhadap digitalisasi layanan kesehatan mental dan menunjukkan potensi NLP dalam intervensi krisis berbasis tek
APLIKASI PENERIMAAN DAN PENGELUARAN KAS PADA RR FRESH VEGETABLE BERBASIS VBA MICROSOFT EXCEL
Full text linkKemajuan dalam teknologi informasi berkontribusi pada perubahan sistem pencatatan keuangan di perusahaan, khususnya dalam meningkatkan efisiensi pengelolaan kas. RR Fresh Vegetable, sebagai perusahaan di bidang agribisnis, masih menjalankan proses manual untuk mencatat transaksi penerimaan dan pengeluaran kas, yang membuatnya rentan terhadap kesalahan dalam pencatatan, keterlambatan laporan, dan hilangnya data. Tantangan utama yang dihadapi meliputi keterbatasan jumlah tenaga kerja dalam memproses data keuangan dengan cepat, risiko pencatatan yang berulang, serta rendahnya akurasi informasi yang dihasilkan. Penelitian ini bertujuan merancang dan menerapkan aplikasi berbasis VBA (Visual Basic for Applications) di Microsoft Excel untuk mengatasi masalah-masalah tersebut dengan mempercepat dan meningkatkan efisiensi pencatatan kas. Metode yang digunakan dalam pengembangan sistem adalah Waterfall dengan analisis PIECES. Hasil dari penelitian menunjukkan bahwa aplikasi tersebut dapat melakukan pencatatan secara otomatis, menyimpan data dengan lebih aman, serta menghasilkan laporan kas dengan cepat dan tepat. Pengujian melalui Black-Box Testing membuktikan bahwa aplikasi berfungsi dengan baik. Aplikasi ini tidak hanya memperbaiki efisiensi pencatatan, tetapi juga membantu dalam pengambilan keputusan yang lebih baik dalam aktivitas perusahaan. Dengan demikian, solusi ini dapat memperkuat pengelolaan kas dalam perusahaan agribisnis dan memiliki potensi untuk dikembangkan lebih lanjut untuk integrasi dengan sistem persediaan atau platform keuangan digita
PROTOTYPE SISTEM PEMANTAUAN SUHU DAN ASAP SECARA REAL-TIME MENGGUNAKAN METODE RAD DAN MIKROKONTROLER ESP8266
Full text linkBanyak ruangan, seperti laboratorium atau ruang server, belum dilengkapi sistem pemantauan suhu dan asap sehingga potensi bahaya seperti konsleting atau munculnya asap yang dapat terdeteksi lebih awal. Oleh karena itu, sistem pemantauan suhu dan asap secara real-time menjadi kebutuhan penting untuk meningkatkan pemantauan kondisi ruangan. Penelitian ini bertujuan mengembangkan sistem monitoring suhu dan asap berbasis Internet of Things (IoT) menggunakan sensor DHT22 dan MQ-2. Sistem dirancang menggunakan metode Rapid Application Development (RAD), dengan perangkat NodeMCU ESP8266 untuk mengolah dan mengirim data ke server. Data monitoring ditampilkan melalui antarmuka web yang mudah diakses, serta dilengkapi dengan sistem notifikasi otomatis melalui aplikasi Telegram saat terdeteksi kondisi abnormal. Perangkat keras yang digunakan meliputi ESP8266, LCD I2C, DHT22, MQ-2, LED, dan buzzer. Sistem diuji dengan memantau suhu dan asap setiap 5 detik secara real-time. Hasil pengujian menunjukkan sistem dapat memberikan peringatan melalui buzzer dan mengirim notifikasi Telegram secara efektif ketika melebihi ambang batas. Sistem ini berfungsi dengan baik sebagai alat pemantauan ini untuk meningkatkan keamanan ruangan
SISTEM INFORMASI PROLANIS MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT PADA KLINIK PRATAMA FIRDAUS
Full text linkPenyakit Tidak Menular (PTM) seperti hipertensi dan diabetes melitus masih menjadi masalah kesehatan utama di Indonesia karena tingginya angka kematian dan menurunnya produktivitas masyarakat. Untuk menangani hal ini, BPJS Kesehatan membuat Program Pengelolaan Penyakit Kronis (Prolanis). Namun, di Klinik Pratama Firdaus pengelolaan data Prolanis masih menggunakan Microsoft Excel dan pengiriman pesan kunjungan dilakukan secara manual sehingga kurang efisien. Penelitian ini mengembangkan Sistem Informasi Prolanis berbasis web menggunakan metode Rapid Application Development (RAD) untuk memudahkan pengelolaan data pasien, hasil laboratorium, serta penjadwalan kunjungan yang terintegrasi dengan pengiriman pesan melalui WhatsApp. Berbeda dari studi sebelumnya, sistem ini menambahkan fitur mengirim pesan kunjungan melalui WhatsApp yang relevan dengan kebutuhan. Pengujian menggunakan metode User Acceptance Test (UAT) memperoleh nilai kelayakan sebesar 80%, yang tergolong kategori “Baik.”
PENERAPAN METODE HAAR CASCADE UNTUK DETEKSI POLA WAJAH BERDASARKAN PERKEMBANGAN USIA
Full text linkPermasalahan kurangnya riset mengenai deteksi perubahan pada wajah manusia seiring bertambahnya usia sangat penting untuk ditangani, baik untuk kebutuhan keamanan, kesehatan, maupun layanan digital pribadi. Hal ini mencakup pencatatan sipil, data kriminal di bandara, pelabuhan, dan lokasi-lokasi dengan tingkat keamanan tinggi, forensik, catatan kesehatan, serta perkembangan data digital. Pengenalan pola wajah yang berkaitan dengan usia terjadi karena setiap orang menjalani proses penuaan yang unik, dipengaruhi oleh faktor genetik, lingkungan, kebiasaan hidup, dan keadaan kesehatan. Teknik Haar Cascade beroperasi dengan menggunakan fitur yang mirip dengan Haar dan menggabungkannya dengan algoritma penguatan seperti AdaBoost untuk menciptakan pengklasifikasi yang efektif. Dengan kemampuan deteksi yang cepat dan performa yang handal, metode ini sangat sesuai diterapkan dalam berbagai sistem yang berbasis kamera, termasuk sistem keamanan, aplikasi mobile, dan perangkat pintar lainnya. Hasil penelitian menunjukkan akurasi deteksi wajah yang mencapai 93,33%, dimana kelompok usia dewasa menunjukkan tingkat akurasi tertinggi. Sistem ini juga dapat mengklasifikasikan bentuk wajah dengan berbagai tingkat kepercayaan tergantung pada usia, walaupun metode konvensional, Haar Cascade tetap relevan dan efisien dalam sistem deteksi wajah terkini, khususnya untuk citra frontal
ANALISIS SENTIMEN KOMENTAR YOUTUBE TERKAIT KASUS PAGAR LAUT MENGGUNAKAN METODE KNN (K-NEAREST NEIGHBOR)
Full text linkPerkembangan media sosial, khususnya YouTube, telah menjadi wadah bagi masyarakat untuk mengekspresikan opini terhadap berbagai isu, salah satunya kasus “Pagar Laut” yang menuai beragam reaksi publik. Penelitian ini bertujuan untuk menganalisis komentar-komentar masyarakat di tiga video YouTube terkait isu tersebut, serta mengklasifikasikannya ke dalam kategori sentimen positif, negatif, dan netral. Metode yang digunakan adalah algoritma K-Nearest Neighbor (KNN), dengan pendekatan lexicon-based untuk pelabelan sentimen secara otomatis. Sebelumnya, data melalui tahapan pre-processing, seperti cleansing, normalization, dan stemming dengan library Sastrawi. Representasi data dilakukan menggunakan metode TF-IDF, sementara penanganan ketidakseimbangan data antar kelas diselesaikan dengan teknik SMOTE. Dari total 2.429 data komentar, model dilatih dengan pembagian data 80:20. Hasil evaluasi menunjukkan akurasi sebesar 70,08%, dengan performa terbaik pada sentimen positif (f1-score 0,92), netral (f1-score 0,70), dan terendah pada kelas negatif (f1-score 0,33). Temuan ini menunjukkan bahwa meskipun model mampu mengenali pola tertentu dengan baik, diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi, terutama dalam mengidentifikasi komentar pada kelas negatif secara lebih konsisten