Jurnal Sekolah Tinggi Teknik Surabaya
Not a member yet
194 research outputs found
Sort by
Evaluasi Tingkat Kebergunaan Prototipe Repository Perpustakaan dengan Guerilla Usability Testing
Full text linkPerpustakaan perguruan tinggi berfungsi sebagai pusat sumber belajar untuk mendukung tercapainya tujuan pendidikan. Perpustakaan juga dituntut untuk mengikuti perkembangan jaman, seperti menyediakan koleksi dalam bentuk digital. Salah satu media yang digunakan untuk menyediakan koleksi digital adalah situs repositori yang bernama DSpace. DSpace adalah layanan digital yang mengumpulkan, menyimpan, dan mendistribusikan materi digital. DSpace merupakan salah satu program pemerintah, dimana konten yang terdapat didalamnya dapat diharvest oleh Indonesia OneSearch (https://onesearch.id) milik Perpustakaan Nasional RI untuk memfasilitasi masyarakat sebagai pintu pencarian tunggal untuk semua koleksi publik dari perpustakaan, museum, dan arsip di seluruh Indonesia. Permasalahan yang ada adalah tidak semua mahasiswa mengetahui adanya DSpace untuk mencari koleksi di perpustakaan. Selain itu dari sisi tampilan situs DSpace sendiri memiliki tingkat kebingungan yang tinggi dan content writing yang membingungkan pengguna. Penelitian ini akan menggali permasalahan yang dialami pengguna dalam situs DSpace dengan melakukan pre-survey. Setelah memahami permasalahan pengguna, akan dibuat prototipe untuk memperoleh gambaran terkait perbaikan yang dapat dilakukan di situs DSpace. Metode yang dipilih pada penelitian ini adalah Guerilla Usability Testing dengan menggunakan 2 metrik penilaian yaitu Usability Metrics for User Experience (UMUX) dan Customer Satisfaction (CSAT). UMUX digunakan untuk mengukur tingkat kebergunaan prototipe dan CSAT digunakan untuk mengukur tingkat kepuasan pengguna. Berdasarkan pengujian didapatkan nilai tingkat kebergunaan sebesar 79.17 yang berarti prototipe memiliki tingkat kebergunaan yang baik, tingkat kepuasan mendapatkan nilai 100 yang berarti prototipe memiliki tingkat kepuasan sangat puas
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
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
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
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
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
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
Ekstraksi Partitur Balok Monofonik untuk Instrumen Flute dengan CRNN dan CRF
Full text linkNotasi partitur balok bukanlah notasi yang mudah dibaca oleh pemula dalam dunia musik. Di sinilah Optical Music Recognition (OMR) dapat berperan. OMR merupakan sebuah pembelajaran mengenai komputer yang dapat mengenali objek dalam partitur balok. Dengan adanya program yang menerapkan OMR dan memberikan output dengan format yang mudah dipahami oleh pengguna, maka pemula dalam dunia musik dapat terbantu dalam membaca partitur not balok. Karya ilmiah ini dibuat dengan pendekatan deep learning dalam beberapa arsitektur. Dataset yang digunakan adalah Camera-PrIMuS yang terdiri dari dataset gambar sebaris partitur musik dan juga ground-truth per objek pada gambar yang bersangkutan. Arsitektur yang digunakan adalah CRNN, CRNN-CRF, dan Attention. Dari ketiga arsitektur tersebut, hasil terbaik diperoleh pada aristektur Attention dengan symbol error rate (SER) sekitar 9%, diikuti dengan CRNN dengan SER sekitar 84%, dan CRNN-CRF yang berdasarkan hasil uji coba tidaklah cocok untuk OMR dengan nilai loss yang tidak kunjung turun dalam proses training. Arsitektur Attention secara garis besar terdiri dari blok encoder dan decoder. Encoder berfungsi untuk menerima input gambar dan melakukan encoding terhadap gambar tersebut. Hasil encoding kemudian diterima oleh decoder yang berperan untuk melakukan decoding dan memprediksi sequence selanjutnya berdasarkan hasil encoding dari encoder. Dalam implementasinya program dapat menerima input berupa gambar selembar partitur penuh yang agak miring, maka program juga akan melakukan skew-correction dan pemotongan gambar per baris agar input dari pengguna dapat diproses oleh model. Output dari model yang masih berupa label-label prediksi akan diproses kembali agar menghasilkan not angka dan file MIDI yang relatif lebih mudah untuk dipahami oleh pengguna