Jurnal Informatika dan Teknik Elektro Terapan
Not a member yet
1765 research outputs found
Sort by
PENGUKURAN USABILITY APLIKASI WEB MENGGUNAKAN SUS (SYSTEM USABILITY SCALE) DAN PENGUJIAN BLACK BOX PADA WEBSITE E-LEARNING (GEN-IT) KABUPATEN KATINGAN
Get PDFThe Gen-IT e-learning application plays a vital role in supportingthe digitalization of education in Katingan Regency, making it essential toevaluate both its technical quality and user experience. This study aims toassess the feasibility of the Gen-IT application using two approaches: blackbox testing and usability evaluation. The black box testing method was appliedto validate the core features from a technical perspective, while the SystemUsability Scale (SUS) method was used to evaluate user experience, involving17 respondents. The black box test results showed that 100% of the testscenarios were successfully executed without errors. Meanwhile, the usabilityevaluation achieved an average SUS score of 90.74, categorized as“Excellent” with a grade of “A”. These combined findings indicate that theGen-IT application not only demonstrates strong technical reliability but alsoprovides an outstanding user experience, making it an effective digitallearning tool
RANCANG BANGUN ALAT PENGISIAN GALON AIR MINUM SECARA OTOMATIS BERBASIS ARDUINO UNO
Get PDFTujuan penelitian ini adalah untuk merancang dan membuat alat pengisian air minum secara otomatis berbasi Arduino. Metode dan alat yang digunakan untuk merancang adalah Arduino Uno, Lcd 16x2, sensor water flow dan relay. Adapun alat tambahan lainnya yaitu keypad, pompa air, bird board, kabel jumper, kabel USB, selang dan galon. Dengan adanya alat ini diharapkan dapat mempermudah proses pengisian air galon secara otomatis
ANALISIS PERBANDINGAN MODEL ARSITEKTUR MOBILENETV2 DAN EFFICIENTNETB3 DALAM KLASIFIKASI PENYAKIT DAUN JAGUNG
Get PDFJagung merupakan komoditas pertanian strategis nasional yang produktivitasnya sering menurun akibat serangan penyakit daun, seperti bercak daun, karat daun, dan hawar daun. Identifikasi penyakit secara manual bersifat subjektif dan kurang efisien, sehingga diperlukan pendekatan otomatis berbasis deep learning. Penelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) MobileNetV2 dan EfficientNetB3 dalam klasifikasi penyakit daun jagung. Dataset yang digunakan terdiri atas 2.000 citra daun jagung dari Kaggle yang melalui tahapan pembersihan, pemishan, resize dan augmentasi, serta dilatih menggunakan variasi batch size dan jumlah epoch. Hasil eksperimen menunjukkan bahwa MobileNetV2 mencapai performa terbaik pada konfigurasi batch size 32 dan epoch 50 dengan akurasi pelatihan 99,85%, validasi 97,22%, dan pengujian 96,50%. Sementara itu, EfficientNetB3 memperoleh performa optimal pada batch size 16 dan epoch 50 dengan akurasi pelatihan 94,23%, validasi 92,22%, dan pengujian 93,00%. Temuan ini menunjukkan bahwa MobileNetV2 lebih efektif dan stabil untuk pengembangan sistem deteksi dini penyakit daun jagung berbasis citra
OPTIMASI RUTE DISTRIBUSI LOGISTIK PRODUK DESA WISATA MENGGUNAKAN ALGORITMA BEE COLONY OPTIMIZATION (BCO)
Get PDFEfisiensi distribusi logistik di kawasan desa wisata menghadapi tantangan unik: kebutuhan untuk meminimalkan biaya transportasi seringkali berbenturan dengan kenyamanan wisatawan akibat lalu lintas kendaraan pengangkut. Hal ini tentu saja emmbutuhkan satu solusi terintegrasi seperti implementasi Algoritma Artificial Bee Colony (ABC) dalam mengoptimalkan rute dengan tetap mempertimbangkan dampak gangguan terhadap aktivitas wisata (Crowd Disturbance). Penelitian ini bertujuan untuk mengisi kesenjangan tersebut dengan mengembangkan model Bee Colony Optimization (BCO) Multi-Objektif yang mengintegrasikan "Penalti Keramaian" (Crowd Penalty) ke dalam fungsi tujuannya. Hasil penelitian menunjukkan bahwa optimasi oleh Algoritma BCO menghasilkan efisiensi 40.6% pada biaya distribusi, dan efisiensi sebesar 4.4% pada totak jarak tempuh dengan mempertimbangkan penggunaan armada dan kondisi lalu lintas
PERANCANGAN DAN IMPLEMENTASI SISTEM LAYANAN PELANGGAN BERBASIS WEB PADA PT YA LOGISTIK MENGGUNAKAN FRAMEWORK LARAVEL
Get PDFThe development of information technology in the digital era has encouraged logistics companies to adapt to web-based service systems to improve efficiency and customer satisfaction. PT YA Logistik, as a company engaged in goods delivery services, requires an integrated customer service system to streamline communication and manage service data effectively. This study aims to design and implement a web-based customer service system for PT YA Logistik using the Laravel framework. The software development method applied is Scrum, which enables the system to be developed gradually and adaptively according to changing user needs. The system provides main features such as shipping rate checking, shipment tracking, complaint management, and delivery data administration. System testing using the Black-box testing method shows that all functions operate according to user requirements without any functional errors. The results of this study indicate that the implementation of a web-based customer service system can improve operational efficiency, accelerate information delivery, and provide easier access to services for PT YA Logistik customers in a digital environment
ANALISIS SENTIMEN ULASAN APLIKASI BANK JAGO MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NEURAL NETWORK
Get PDFAbstrak. Pertumbuhan layanan perbankan digital di Indonesia menjadikan ulasan pengguna pada Google Play Store sebagai sumber penting untuk mengevaluasi kualitas aplikasi, termasuk Bank Jago. Namun, ulasan tersebut bersifat tidak terstruktur, informal, dan mengandung noise sehingga menyulitkan analisis sentimen. Penelitian ini bertujuan memberikan gambaran objektif kecenderungan opini pengguna serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Neural Network (MLPClassifier). Sebanyak 10.000 ulasan dikumpulkan melalui scraping dan direduksi menjadi 7.946 ulasan setelah penghapusan duplikasi. Data diproses melalui tahapan preprocessing meliputi cleaning, case folding, normalisasi slang, tokenisasi, stopword removal, dan stemming. Pelabelan sentimen dilakukan menggunakan lexicon InSet, sedangkan ekstraksi fitur menggunakan CountVectorizer berbasis Bag-of-Words. Hasil penelitian menunjukkan bahwa SVM memperoleh akurasi tertinggi sebesar 91,2%, lebih unggul dibandingkan Neural Network dengan akurasi 89,8%. Temuan ini menegaskan bahwa pemilihan preprocessing dan representasi fitur yang tepat berperan penting dalam meningkatkan performa analisis sentimen pada ulasan aplikasi perbankan digital.
Abstract. The growth of digital banking services in Indonesia has made user reviews on the Google Play Store an important source for evaluating application quality, including Bank Jago. However, these reviews are unstructured, informal, and noisy, creating challenges for sentiment analysis. This study aims to provide an objective overview of user sentiment and to compare the performance of Support Vector Machine (SVM) and Neural Network (MLPClassifier). A total of 10,000 reviews were collected through scraping and reduced to 7,946 reviews after duplicate removal. The data were processed through preprocessing stages including cleaning, case folding, slang normalization, tokenization, stopword removal, and stemming. Sentiment labeling was conducted using the InSet lexicon, while feature extraction employed a Bag-of-Words approach with CountVectorizer. The results show that SVM achieved the highest accuracy of 91.2%, outperforming the Neural Network model with 89.8%. These findings highlight the importance of appropriate preprocessing and feature representation for improving sentiment analysis performance in digital banking application reviews
PEMBUATAN ALAT PENGAMAN SEPEDA MOTOR DENGAN MEMANFAATKAN BLUETOOTH BERBASIS ESP 32
Get PDFThe increasing number of motorized vehicles has led to an increase in crimes against motorcycle users. There are various reasons why motorcycle crimes are committed. One of the main reasons is economic factors. The sale of stolen motorcycles is used to cover daily living expenses because many perpetrators are unemployed. The emergence of new motorcycle products each year is also suspected to be a trigger for criminal acts in the form of motorcycle theft due to the desire to own a vehicle without having to spend money. The lack of motorcycle security during theft conditions makes criminals free to take the victim's motorcycle. In this study, the author created a security system for motorcycles that, in the event of a motorcycle theft, can turn off the engine and sound the horn at a certain distance from the remote and the motorcycle's location using Bluetooth between the remote and the motorcycle
RANCANG BANGUN SISTEM MONITORING KETINGGIAN DAN VOLUME AIR BERBASIS INTERNET OF THINGS (IOT) MENGGUNAKAN NODEMCU ESP8266 DAN SENSOR ULTRASONIK AJ-SR04M
Get PDFPengelolaan ketersediaan air merupakan aspek krusial dalam budidaya hidroponik, di mana keterlambatan pengisian tandon nutrisi dapat menyebabkan kerusakan pompa akibat dry running dan kematian tanaman. Saat ini, pemantauan manual dinilai tidak efisien dan rentan terhadap kelalaian manusia. Penelitian ini bertujuan merancang bangun sistem monitoring ketinggian dan volume air berbasis Internet of Things (IoT) yang mampu memberikan peringatan dini secara real-time. Sistem dikembangkan menggunakan mikrokontroler NodeMCU ESP8266 dan sensor ultrasonik waterproof AJ-SR04M yang tahan terhadap kelembapan tinggi. Metode penelitian menggunakan pendekatan eksperimental melalui tahapan perancangan perangkat keras, integrasi software Arduino IDE, dan antarmuka aplikasi Blynk. Hasil pengujian menunjukkan sistem mampu mengukur ketinggian air dengan tingkat akurasi rata-rata sebesar 99,15% dan selisih pembacaan (error) rata-rata sebesar 0,06 cm. Selain itu, sistem berhasil mengirimkan notifikasi otomatis ke smartphone pengguna ketika volume air terdeteksi di bawah batas aman 20%. Implementasi alat ini terbukti efektif mengatasi kelemahan sensor konvensional pada lingkungan lembap, meningkatkan efisiensi pemantauan, serta meminimalisir risiko kegagalan sistem irigasi pada pertanian hidroponik
SISTEM PEMANTAUAN LEVEL AIR BERBASIS IOT MENGGUNAKAN MIKROKONTROLER MAPPI32 DENGAN NOTIFIKASI TELEGRAM BOT API
Get PDFIntegrasi teknologi Internet of Things (IoT) telah mentransformasi metode pemantauan berbasis sensor melalui kapabilitas akses data jarak jauh yang dapat diakses secara real-time. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengukuran ketinggian air berbasis IoT yan ekonomis namun tetap megedepankan akurasi. Sistem ini mengintegrasikan sensor ultrasonik waterproof JSN-SR04T sebagai transduser level air dan mikrokontroler Mappi32 sebagai pusat pemrosesan serta transmisi data. Data pengukuran divisualisasikan secara lokal melalui modul OLED dan ditransmisikan secara nirkabel kepada pengguna melalui platform Telegram Bot API. Evaluasi kinerja sistem dilakukan melalui pengujian eksperimental terhadap 10 sampel data pada berbagai variasi ketinggian air dengan menggunakan alat ukur manual sebagai referensi. Hasil penelitian menunjukkan bahwa sistem memiliki tingkat reliabilitas yang tinggi dengan rata-rata galat (error) sebesar 2,27% atau setara dengan selisih rata-rata ± 0,5 cm. Berdasarkan hasil evaluasi, sistem yang dikembangkan terbukti efektif, efisien, dan memiliki responsivitas yang baik, sehingga layak diimplementasikan untuk manajemen irigasi maupun sistem peringatan dini di berbagai lingkungan
SISTEM REKOMENDASI METADATA LAGU BERDASARKAN DETEKSI EMOSI WAJAH MENGGUNAKAN VIT-B/16
Get PDFThis study presents a music metadata recommendation system based on facial emotion detection using the Vision Transformer (ViT-B/16) model. The system classifies user emotions into seven categories using the KDEF facial dataset and matches them with music metadata (title, artist, genre, mood) labeled with corresponding emotional tags. The ViT-B/16 model was trained using transfer learning and evaluated with accuracy, precision, recall, and F1-score. The model achieved an accuracy of 89% and an average F1-score of 0.89. The recommendation system was assessed by 30 participants, with 87% indicating that the suggested song metadata matched the detected emotion. The system offers real-time emotion recognition and automatic mood-based song suggestions. However, classification accuracy for visually similar emotions such as “fear” and “angry” remains a challenge. Future development may include audio and lyric analysis, as well as user preference integration, to enhance recommendation relevance