Jurnal LPPM iSTTS
Not a member yet
189 research outputs found
Sort by
Pengendalian Suhu dan Kelembaban Budidaya Jamur Kuping dengan Kendali PID Penalaan Ziegler-Nichols
Full text linkBudidaya tumbuhan jamur kuping bisa menjadi sumber bahan pangan alternatif serta menjadi sumber pendapatan. Salah satu yang menjadi kendala dalam budidaya tumbuhan jamur kuping dalam produktifitas budidaya jamur kuping adalah proses pembesaran atau inkubasi. Hasil optimal yang diperoleh dalam budidaya jamur kuping adalah memerlukan suhu dan kelembaban yang ideal dalam kumbung. Penerapan pengendali PID menggunakan kaidah tunning Ziegler-Nichols metode pertama pada budidaya jamur kuping yang dilengkapi dengan sistem pengendali suhu dan kelembaban akan sangat membantu proses inkubasi tersebut. Dengan menggunakan aturan Ziegler-Nichols dari pendekatan pertama, nilai konstanta PID ditentukan setelah tanaman diidentifikasi berdasarkan karakteristik respons sistem. Desain perangkat keras kumbung jamur kuping prototipe mengintegrasikan generator kabut, generator panas, dan sensor DHT22 untuk membaca suhu dan kelembapan, dengan Arduino Uno yang berfungsi sebagai pengendali pusat melalui penggunaan sketsa program PID dan PWM. Berdasarkan analisa data yang dilakukan dengan hasil analisa respon pada kendali kelembaban diberikan setpoint terbaik pada nilai 85 sehingga menghasilkan nilai overshoot sebesar 3,1% RH dan Error Steady State sebesar 1,7% RH, sedangkan untuk kendali suhu diberikan setpoint terbaik pada nilai 26 sehingga menghasilkan nilai overshoot sebesar 0,7℃ dan error steady state sebesar 0,2℃. Oleh karena itu konsumsi daya total seluruh sistem sebesar 31,16 watt pada posisi setpoint terbaik. Semua itu dilakukan pada prototipe kumbung jamur dengan volume ruangan sebesar 7m3 yang menampung 48-52 baglog
Klasifikasi Kualitas dan Prediksi Kondisi Air Tanah di DKI Jakarta Menggunakan Algoritma Naïve Bayes
Full text linkAir tanah tetap menjadi sumber penting untuk pemenuhan kebutuhan air bersih sehari-hari bagi sebagian besar masyarakat DKI Jakarta, dengan 32% penduduknya mengandalkan sumber ini. Kepadatan penduduk yang tinggi dan masalah lingkungan yang terkait, seperti kurangnya infrastruktur resapan air dan sanitasi yang memadai, telah memicu keprihatinan akan kualitas air tanah di wilayah ini. Terutama, terkontaminasinya air tanah oleh bakteri seperti E. coli menghadirkan risiko serius bagi kesehatan masyarakat seperti perut kram, adanya darah saat diare, hingga muntah-muntah. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menganalisis kualitas air tanah di berbagai wilayah DKI Jakarta. Pendekatan ini melibatkan pemetaan visual menggunakan QGIS untuk mengilustrasikan pencemaran air tanah, sehingga memfasilitasi pemahaman yang lebih mendalam mengenai kondisi air tanah. Total data sejumlah 1068 yang digunakan dalam penelitian ini diperoleh dari dua sumber yang berbeda dan dianalisis menggunakan algoritma klasifikasi Naïve Bayes Gaussian. Teknik evaluasi melibatkan penggunaan cross-validation dan percentage split dalam 10 skenario. Hasil penelitian menunjukkan tingkat akurasi tertinggi sebesar 84.36% serta nilai precision sejumlah 0.8566, recall 0.8436, dan F1-score 0.8436 diperoleh menggunakan teknik percentage split dengan rasio 80:20. Temuan ini dapat meningkatkan kesadaran masyarakat tentang kualitas air tanah di DKI Jakarta dan berkontribusi pada perencanaan upaya perlindungan sumber daya air yang lebih efektif
Sistem Deteksi dan Klasifikasi Truk Air Menggunakan YOLO v5 dan EfficientNet-B4
Full text linkKegiatan pencatatan dalam usaha pengisian air yang dilakukan dengan menggunakan truk air mengalami masalah karena kesalahan manusia (human error) misalnya pencatatan yang terlewat dan efisiensi waktu yang diperlukan. Untuk itu diperlukan otomatisasi sistem dengan menggunakan teknologi. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan metode yang termasuk dalam Computer Vision dengan penggunaan algoritma Object Detection dan Classification. Pada penelitian ini dibangun suatu sistem yang mengambil frame video menggunakan CCTV yang kemudian dimasukkan pada algoritma object detection dengan arsitektur YOLOv5 (You Only Look Once versi 5). Hasil deteksi kemudian diklasifikasikan dengan menggunakan algoritma dengan arsitektur EfficientNet-B4. Hasil klasifikasi tersebut akan menentukan secara spesifik truk air yang mana yang sedang melakukan pengisian dan dicatat. Kemudian rekapitulasi hasil pencatatan tersebut dikirimkan dengan menggunakan aplikasi messaging Telegram menggunakan library Tkinter kepada pemilik usaha yang mengambil air tersebut. Rekapitulasi tersebut kemudian digunakan oleh sang pemilik usaha dalam memantau usaha tersebut dan melakukan pembayaran sesuai dengan jumlah pengambilan air. Hasil pengujian untuk object detection dan classification dengan menggunakan evaluation metrics menunjukkan bahwa metode tersebut berhasil melakukan deteksi dan klasifikasi dengan baik. Pengujian keseluruhan sistem menunjukkan bahwa semua tahap pengujian berhasil dilakukan dengan baik. Hal ini menunjukkan bahwa sistem tersebut dapat digunakan untuk mengatasi masalah yang dihadapi
Model Deteksi Kebakaran Hutan dan Lahan Menggunakan Transfer Learning DenseNet201
Full text linkKebakaran hutan dan lahan di Indonesia merupakan peristiwa yang sering terjadi dan menimbulkan kerugian yang signifikan dalam bidang kesehatan, ekologi, dan sosial. Faktor manusia dan alam berperan dalam memicu terjadinya kebakaran ini. Namun, penanganan kebakaran hutan dan lahan masih menghadapi kendala dalam memprediksi lokasi titik panas secara akurat, sehingga pengendalian yang optimal sulit dilakukan. Oleh karena itu, diperlukan pengembangan sistem cerdas untuk mendeteksi kebakaran hutan dan lahan dengan lebih efektif. Penelitian ini bertujuan untuk menciptakan sebuah model yang mampu mendeteksi kebakaran hutan dan lahan dengan menggunakan pendekatan transfer learning, dengan memanfaatkan arsitektur DenseNet201 guna meningkatkan akurasi deteksi. Dataset yang digunakan dalam penelitian ini berasal dari Fire Forest Dataset pada situs Kaggle. Proses ekstraksi fitur dilakukan menggunakan arsitektur DenseNet201, dan model yang dihasilkan diuji dengan menggunakan metode confusion matrix untuk mengklasifikasikan gambar menjadi dua kelas, yaitu kelas api dan non-api. Melalui pelatihan menggunakan arsitektur DenseNet201, diperoleh model yang efektif dalam mendeteksi kebakaran hutan dan lahan. Hasil pengujian dengan menggunakan data uji sebanyak 380 data menunjukkan tingkat akurasi sebesar 99% dalam mengenali gambar kebakaran hutan dan lahan. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi deteksi kebakaran hutan dan lahan. Penggunaan pendekatan transfer learning dengan arsitektur DenseNet201 memiliki potensi untuk meningkatkan akurasi deteksi kebakaran yang lebih baik. Diharapkan penelitian ini dapat memberikan landasan bagi pengembangan sistem cerdas yang lebih canggih dan efektif dalam mengatasi masalah kebakaran hutan dan lahan, serta melindungi lingkungan dan kesehatan masyarakat di Indonesia
Perancangan dan Pembuatan Sistem Informasi Keuangan Berbasis Desktop Pada PT XYZ
Full text linkPerkembangan dunia usaha di era digital telah mengubah cara berbisnis para pengusaha dalam menjalankan kegiatan usahanya. Pemanfaatan teknologi informasi kian pesat, sehingga hal tersebut menjadi penanda bahwa banyak pengusaha yang bersaing untuk meningkatkan kemajuan usahanya. Peran teknologi informasi khususnya penggunaan sistem informasi di setiap perusahaan saat ini menjadi sangat penting untuk meningkatkan efektivitas dan efisiensi kerja dalam suatu perusahaan. Salah satu perusahaan yang bergerak di bidang pengolahan kayu yaitu PT. XYZ dapat dikatakan belum memiliki manajemen dan sistem informasi sehingga proses kerja dan kegiatan usaha yang dijalankan masih ditemukan banyak kendala dan kesulitan. PT. XYZ masih menggunakan Microsoft Excel sebagai alat untuk mencatat transaksi keuangan yang terjadi sehari-hari. Pencatatan dengan menggunakan cara manual tersebut sering mengakibatkan terjadinya kesalahan dan ketidakseimbangan posisi neraca. Dari permasalahan tersebut, maka akan dirancang sistem sistem informasi keuangan berbasis dekstop untuk dapat membantu dalam proses pencatatan keuangan yang sebelumnya masih dilakukan secara manual. Penelitian ini dibangun dengan menggunakan metode evolutionary prototyping dengan bahasa pemrograman Visual Basic .NET serta basis data yaitu SQL Server. Dari hasil pengujian dengan metode blackbox testing, fitur-fitur yang terdapat pada sistem dapat berjalan dengan baik. Sistem yang dibuat dapat membantu perusahaan untuk dapat melakukan pencatatan keuangan dengan lebih terorganisir dan dapat menghasilkan laporan keuangan yang akurat
Segmentasi Citra Area Tumpukan Sampah Dengan Memanfaatkan Mask R-CNN
Full text linkPenelitian ini mengusulkan penggunaan konsep deteksi objek sampah dalam gambar untuk membantu petugas kebersihan dalam mengatasi masalah penumpukan sampah di sungai, lahan kosong, dan jalan. Metode yang digunakan adalah Mask R-CNN, sebuah pendekatan two-stage object detection yang tidak hanya mengidentifikasi objek dengan bounding box, tetapi juga melakukan segmentasi objek dengan masking. Dataset terdiri dari 700 data latihan dan 100 data validasi yang diambil menggunakan kamera. Objek yang dideteksi adalah sampah. Pengujian dilakukan dengan membandingkan hasil deteksi dari model Mask R-CNN dengan perhitungan manual oleh manusia untuk 25 data uji. Hasil penelitian menunjukkan bahwa model Mask R-CNN memberikan performa yang lebih baik, dengan tingkat akurasi sebesar 80.16%. Dengan adanya program ini, petugas kebersihan dapat memanfaatkan teknologi deteksi objek untuk membantu dalam memilih lokasi yang harus dibersihkan, mengurangi waktu dan upaya yang diperlukan untuk memantau dan membersihkan sampah. Selain itu, dengan tingkat akurasi yang memadai, program ini dapat menjadi alat yang efektif untuk mengidentifikasi sampah dalam gambar, membantu meningkatkan efisiensi operasional petugas kebersihan, dan mengurangi dampak negatif yang disebabkan oleh penumpukan sampah di lingkungan. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan dalam pengembangan solusi teknologi untuk mengatasi masalah penumpukan sampah dan meningkatkan efektivitas upaya pembersihan di sungai, lahan kosong, dan jalan
Perbandingan Akurasi Deteksi Emosi Pada Suara Menggunakan Multilayer Perceptron, Random Forest, Decision Tree dan K-NN
Full text linkPenelitian ini bertujuan untuk membandingkan akurasi pengenalan emosi melalui suara dengan menggunakan beberapa jenis classifier. Emosi dasar yang akan dikenali ada 4, yaitu senang, sedih, neutral dan marah. Metodologi penelitian dimulai dengan memperoleh dataset suara dari database RAVDESS, yang terdiri dari 24 aktor dengan jumlah suara sebanyak 60 per aktor. Namun, hanya 28 suara yang dipilih dari setiap aktor, sehingga total ada 672 suara yang digunakan dalam penelitian ini. Untuk mengekstraksi fitur dari dataset suara, digunakan tiga teknik yaitu mel frequency cepstral coefficient (MFCC), Chroma, dan Skala Mel. Kemudian, empat jenis classifier digunakan dalam pembuatan model yaitu Multilayer Perceptron Classifier (MLPC), Decision Tree, Random Forest, dan K-NN. Dataset dibagi menjadi data train dan data test dalam 3 uji coba untuk masing-masing classifier, yait 85% train – 25% test, 80% train – 25% test, dan 75% train dan 25% test. Hasil penelitian menunjukkan bahwa model dengan menggunakan Random Forest Classifier memiliki akurasi tertinggi yaitu sebesar 79% dengan pembagian dataset 80% train - 20% test. Sedangkan, model dengan Decision Tree Classifier memiliki akurasi terendah sebesar 57% dengan pembagian dataset menjadi 75% train - 25% test. Dalam penelitian ini, teknik ekstraksi fitur yang digunakan yaitu MFCC, Chroma, dan Skala Mel, yang terbukti efektif dalam menghasilkan fitur dari dataset suara. Selain itu, hasil penelitian juga menunjukkan bahwa Random Forest Classifier lebih unggul dalam mengenali emosi melalui suara jika dibandingkan dengan jenis classifier yang lain
Implementasi Algoritma Evolusi FHO, MVPA, dan HHO pada TSP di Tempat Pariwisata Pulau Bali
Full text linkKegiatan berlibur merupakan kegiatan yang diperlukan baik perseorangan maupun bersama keluarga. Pembuatan rute perjalanan yang optimal dari banyak wisata liburan terkadang menjadi permasalahan rumit dan perlu dipikirkan rute optimalnya secara keseluruhan. Dalam ilmu komputer, permasalahan mencari rute optimal pada sebuah jaringan ini dikenal dengan Traveling Salesman Problem. Untuk mendapatkan rute yang baik, diperlukan algoritma khusus yang mampu mengevaluasi rute perjalanan dan memberikan hasil perjalanan yang cukup optimal. Di dalam penelitian ini, 4 algoritma Evolutionary Computation yaitu HHO (Harris Hawk Optimization), FHO (Fire Hawk Optimization), MVPA (Most Valuable Player Algorithm) dan modifikasi dari algoritma MVPA dibandingkan untuk menyelesaikan permasalahan TSP pada 55 lokasi wisata di Pulau Bali. Setelah dilakukan beberapa percobaan, HHO merupakan algoritma dengan nilai fitness terbaik dan konsisten tetapi dengan waktu eksekusi yang lebih lama. Sementara algoritma FHO memiliki waktu eksekusi yang lebih cepat tetapi nilai fitness yang lebih buruk dibandingkan dengan HHO dan MVPA. Algoritma MVPA yang telah dimodifikasi dapat memberikan hasil yang lebih baik meskipun masih belum bisa sebaik HHO. Secara kualitatif, algoritma HHO memberikan hasil perjalanan yang lebih baik dengan jarak tempuh tidak terlalu bervariasi setiap harinya. Hal ini membantu pelaku wisata agar dapat memanfaatkan waktu lebih banyak dalam menikmati lokasi wisata dibandingkan waktu perjalanan yang terbuang
Perancangan dan Pembuatan Sistem Informasi Persediaan Arloji di Toko ABC Surabaya
Full text linkInformasi stok barang sangat penting dalam sebuah toko agar pihak toko dapat mengetahui jumlah stok barang yang tersedia dan transaksi yang pernah terjadi. Toko ABC masih menggunakan cara pencatatan stok manual pada buku stok dan tidak mencatat transaksi yang terjadi yang membuat pihak toko kesulitan melakukan perhitungan stok barang. Penerapan sistem informasi persediaan barang berbasis desktop bisa bermanfaat bagi Toko ABC. Penelitian ini menggunakan metode pengembangan perangkat lunak waterfall dan menggunakan bahasa pemrograman visual basic. Sistem informasi yang dikembangkan memiliki fitur untuk pengelolaan data master (kategori, barang, varian, pelanggan, pemasok, dan pengguna) dan pengelolaan transaksi (barang yang masuk, barang yang keluar, barang retur, dan barang rusak). Setiap data yang diinputkan akan disimpan dalam database untuk menghasilkan laporan berupa daftar transaksi dan mutasi stok barang sehingga pemilik toko dapat mengetahui stok barang yang lebih akurat karena perubahan terjadi sesuai transaksi yang terjadi di Toko ABC
Studi Klasifikasi Gerakan Semaphore menggunakan Fuzzy Mamdani dari Data IMU Sensor
Full text linkSering dijumpai di komunikasi antar kapal dan dikepramukaan penggunaan bendera semaphore untuk media komunikasi jarak jauh. Pembelajaran semaphore umumnya dilakukan secara manual dan menggunakan pendeteksian dengan citra digital. Namun keduanya memiliki keterbatasan yaitu ketersediaan tenaga ahli/tutor dan permasalahan pencahayaan. Mengingat pentingnya semaphore untuk komunikasi jarak jauh maka ahli semaphore memerlukan guidance system yang dapat menilai gerakan latihan. Penelitian ini menggunakan fuzzy logic dengan mamdani inference system. Metode yang digunakan adalah memasang sensor inersial pada kedua pergelangan tangan untuk mendapatkan data sudut gerakan tangan. Sensor inersial yang digunakan menghasilkan tiga sudut orientasi yaitu roll, pitch, dan yaw; namun dalam penelitian ini digunakan sudut roll. Gerakan semaphore pada penelitian ini berporos hanya pada satu sumbu sehingga data sudut roll yang digunakan untuk analisis. Sensor inersial secara nirkabel memberikan data ke komputer yang telah berisi perangkat lunak fuzzy system. Pada dasarnya gerakan semaphore memiliki delapan titik sudut, namun dalam penelitian ini telah ditemukan metode baru menggunakan lima area untuk mengelompokkan sudut kedua tangan. Pengelompokan pada lima area bermanfaat untuk penciptaan rule fuzzy. Output fuzzy berupa skor sesuai atau tidak sesuai. Eksperimen menggunakan lima orang subjek yang diminta melakukan delapan karakter yang mewakili huruf A-Z, dan spasi. Hasil pengujian menunjukkan sistem berhasil mendeteksi gerakan dengan akurasi 67.5%. Hasil umpan balik analisis menunjukkan bahwa kedepannya diperlukan sebuah sensor yang dapat mendeteksi kemiringan torso untuk mengkompensasi postur tubuh yang kurang tegak saat subjek melakukan eksperimen