Jurnal Informatika dan Teknik Elektro Terapan
Not a member yet
1765 research outputs found
Sort by
PENGARUH PENERAPAN REKAYASA TEKNIK TERHADAP PENINGKATAN KINERJA K3 PADA UMKM KERIPIK SINGKONG DI DESA GURI
Get PDFPenelitian ini bertujuan untuk meningkatkan keselamatan dan kesehatan kerja (K3) di UMKM keripik singkong melalui rekayasa teknik pada sistem saluran pembuangan uap panas. UMKM ini menghadapi risiko kerja berupa paparan panas tinggi akibat kondisi ventilasi yang tidak optimal. Metode yang digunakan meliputi identifikasi bahaya, penilaian risiko, dan perbaikan sistem ventilasi dengan pemasangan aluminium fleksibel duct, exhaust fan, blower, serta ventilasi tambahan. Hasil menunjukkan bahwa suhu rata-rata ruangan sebelum perbaikan mencapai 38,31°C, dengan puncak suhu 54°C, sementara setelah perbaikan suhu rata-rata turun menjadi 32,5°C dengan suhu maksimum 37°C. Uji t menghasilkan p-value < 0,0001, menunjukkan perbaikan berdampak signifikan terhadap penurunan suhu ruangan. Dengan demikian, rekayasa teknik terbukti efektif dalam menciptakan lingkungan kerja yang lebih aman dan meningkatkan produktivitas pekerja di UMKM keripik singkong
KLASIFIKASI TINGKAT KEMATANGAN CITRA BUAH TOMAT MENGGUNAKAN DENSENET-121
Get PDFTomat merupakan komoditas penting dalam sektor pertanian, yang kualitasnya ditentukan oleh tingkat kematangan. Penilaian kematangan secara manual sering kali bersifat subjektif dan kurang konsisten dalam skala besar, sehingga diperlukan sistem klasifikasi otomatis berbasis citra. Penelitian ini mengusulkan penggunaan arsitektur DenseNet-121 untuk mengklasifikasikan tingkat kematangan buah tomat menjadi tiga kelas: matang, setengah matang, dan mentah. Dataset yang digunakan berjumlah 600 citra yang diambil dari data publik Kaggle dan data primer. Hasil pelatihan menunjukkan peningkatan akurasi signifikan dari 65,26% menjadi 100% dalam 10 epoch, dengan nilai loss akhir 0,0016. Evaluasi menunjukkan akurasi 99%, serta precision, recall, dan F1-score sebesar 0,99 untuk semua kelas. Hasil ini membuktikan bahwa DenseNet121lebih unggul mengidentifikasi karakteristik visual objek dalam sistem klasifikasi citra berbasis machine learning
PENILAIAN RISIKO BERBASIS ISO 31000:2018 PADA UNIT TIK PERGURUAN TINGGI (STUDI KASUS: POLITEKNIK NEGERI LAMPUNG)
Get PDFTeknologi informasi sangat umum digunakan untuk sebuah organisasi kecil hingga besar yang sudah menjadi kebutuhan sehari-hari sehingga muncul risiko risiko baru terkait penggunaan teknologi informasi. Risiko-risiko tersebut memiliki dampak dan membutuhkan penanggulangan risiko yang berbeda. Dalam rangka menjaga proses bisnis tetap berjalan dengan baik karenanya diperlukan sebuah manajemen risiko yang baik tidak terkecuali perguruan tinggi dalam pelaksanaan proses bisnisnya. Peneliti melakukan penilaian risiko dengan menggunakan ISO 31000:2018 pada Unit TIK selaku penanggung-jawab kegiatan teknologi informasi di Politeknik Negeri Lampung. Penelitian ini menghasilkan penilaian risiko pada Unit TIK selaku pengelola TI di Politeknik Negeri Lampung guna menanggulangi risiko-risiko yang ada. Berdasarkan Penelitian ini menghasilkan sebuah identifikasi 30 risiko, dengan rincian 3 risiko level tinggi, 19 risiko level menengah, dan 8 risiko level rendah yang diberikan respon guna mengurangi atau mencegah risiko tersebut
ANALISIS PENERAPAN DESIGN PATTERN SINGLETON DALAM PENGELOLAAN KONEKSI DATABASE UNTUK EFISIENSI MEMORI
Get PDFPengelolaan koneksi database yang efisien merupakan aspek penting dalam pengembangan aplikasi berbasis PHP, terutama untuk mengurangi pemborosan sumber daya dan meningkatkan performa sistem. Penelitian ini mengkaji penerapan design pattern Singleton dalam pengelolaan koneksi database untuk menilai efektivitasnya dalam mengurangi waktu eksekusi dan penggunaan memori dibandingkan metode konvensional yang membuat koneksi baru pada setiap permintaan. Metode penelitian dilakukan dengan mengembangkan dua versi aplikasi PHP: versi konvensional dan versi menggunakan pola Singleton. Pengujian dilakukan dengan 1000 iterasi proses pembuatan koneksi, mengukur waktu eksekusi serta konsumsi memori menggunakan fungsi bawaan PHP. Hasil pengujian menunjukkan rata-rata waktu eksekusi Singleton sebesar 0,000022 detik, jauh lebih cepat dibandingkan metode konvensional yang mencapai 0,012842 detik. Penggunaan memori keduanya relatif serupa, yaitu sekitar 46 byte. Temuan ini menegaskan bahwa pola Singleton secara signifikan meningkatkan efisiensi waktu tanpa menambah beban memori dalam aplikasi PHP dengan akses database intensif. Oleh karena itu, penggunaan pola Singleton direkomendasikan untuk aplikasi yang memerlukan pengelolaan koneksi database yang efisien dan scalable
SPATIAL MODELING OF SCHOOL DROPOUT RATES IN UNDERDEVELOPED AREAS OF PAPUA USING GEOGRAPHICALLY WEIGHTED REGRESSION
Get PDFThis study examines the factors hypothesized to contribute to school dropout rates in disadvantaged regions of Papua Province and explores potential geographical influences. The primary aims are to derive parameter estimates and statistical tests for the model of underdeveloped regions in Papua using Geographically Weighted Regression (GWR) and to determine the factors influencing school dropout rates in these areas, providing a basis for governmental policy development to mitigate school dropout issues in disadvantaged regions. Findings reveal that the highest dropout rates occur at the junior high school level, with indications of spatial clustering in dropout cases due to heterogeneity among observation sites. This suggests that regions with elevated dropout rates, or conversely low rates, are likely to have neighboring areas with comparable patterns, necessitating the use of spatial regression modeling with a Fixed Gaussian Kernel function. GWR analysis resulted in two clusters based on significant variables, which include the student-teacher ratio at the junior high school level, the student-classroom ratio at the junior high school level, and the elementary school dropout rate (APTs)
HYBRID MOBILENETV2 DAN EXTREME GRADIENT BOOSTING UNTUK KLASIFIKASI KERUSAKAN BANGUNAN
Get PDFPenelitian ini menggunakan pendekatan hybrid dengan menggabungkan MobileNetV2 sebagai metode ekstraksi fitur dan XGBoost sebagai algoritma klasifikasi. MobileNetV2 digunakan untuk mengekstraksi representasi fitur yang ringan namun kaya informasi dari citra, sementara XGBoost memanfaatkan fitur tersebut untuk membangun model klasifikasi yang akurat dan efisien. Dataset dibagi menggunakan beberapa skema pembagian data, yaitu Kaggle 80:10:10, Kaggle 70:20:10, Kaggle 60:20:20, serta dataset Mandiri dengan skema yang serupa. Model dikembangkan untuk mengklasifikasikan citra ke dalam tiga kategori kelas, yaitu Ringan, Sedang, dan Berat. Proses pelatihan model XGBoost membutuhkan waktu sekitar 60 detik, sedangkan proses evaluasi hanya memerlukan waktu sekitar 0,04 detik, menunjukkan efisiensi komputasi yang sangat baik. Dari seluruh skema yang diujikan, hasil terbaik diperoleh pada skema Kaggle 70:20:10, dengan akurasi mencapai 94,72%, precision 94,80%, recall 94,72%, f1-score 94,71%, dan waktu komputasi sebesar 54,91 detik. Secara umum, model menunjukkan performa yang konsisten baik pada data validasi maupun data uji, dengan nilai precision, recall, dan F1-score yang tinggi di setiap kelas. Penelitian ini menunjukkan bahwa kombinasi MobileNetV2 dan XGBoost efektif dalam menghasilkan model klasifikasi citra dengan performa akurasi tinggi dan kecepatan inferensi yang sangat cepat. Pendekatan ini dapat menjadi solusi yang menjanjikan untuk berbagai aplikasi berbasis klasifikasi citra, khususnya pada skenario yang membutuhkan respons cepat dan sumber daya komputasi yang terbatas
ANALISIS SENTIMEN OPINI MASYARAKAT TWITTER TERHADAP KASUS DIABETES DI INDONESIA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
Get PDFPenyakit diabetes melitus merupakan salah satu penyakit kronis yang prevalensinya terus meningkat di Indonesia, terutama akibat gaya hidup tidak sehat, termasuk konsumsi minuman kemasan tinggi gula. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap penyakit diabetes melalui opini yang diunggah pada platform media sosial Twitter. Metodologi penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Algoritma yang digunakan adalah Naive Bayes Classifier dengan dua kategori sentimen, yaitu positif dan negatif. Data dikumpulkan menggunakan Twitter API dan diproses melalui tahapan preprocessing, termasuk pembersihan teks, tokenisasi, dan stemming. Data yang semula berjumlah 4802 berkurang setelah dibersihkan menjadi 4369 data yang terdiri dari 2373 tweet label negatif dan 1996 tweet label positif. Pengujian dilakukan berdasarkan empat skenario pembagian data latih dan data uji, yaitu 90:10, 80:20, 70:30, dan 60:40. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen secara efektif dengan akurasi sebesar 81%, precision 80%, recall 81%, dan f-score 80% pada skenario eksperimen 90:10. Temuan ini mengindikasikan bahwa sebagian besar opini masyarakat di Twitter sentimen negatif terhadap diabetes, mencerminkan tingginya kekhawatiran publik terhadap penyakit tersebut. Penelitian ini diharapkan dapat menjadi referensi bagi pihak terkait dalam merancang strategi edukasi dan pencegahan yang lebih tepat sasaran
TOILET RAMAH PUBLIK DENGAN SISTEM DETEKSI CERDAS TUNA DAKSA MENGGUNAKAN ALGORITMA YOLOV5
Get PDFPenyediaan fasilitas umum yang inklusif merupakan bagian penting dalam mewujudkan kesejahteraan sosial, khususnya bagi penyandang disabilitas. Salah satu fasilitas yang perlu mendapat perhatian adalah toilet umum yang ramah bagi penyandang disabilitas. Namun, sering terjadi penyalahgunaan oleh pengguna non-disabilitas yang mengakses toilet khusus tersebut, sehingga mengurangi kenyamanan dan aksesibilitas bagi mereka yang sangat membutuhkan. Penelitian ini mengembangkan sistem deteksi cerdas berbasis computer vision menggunakan algoritma YOLOv5 untuk mengidentifikasi pengguna kursi roda sebagai prasyarat akses toilet. Dataset yang digunakan diperoleh dari platform Roboflow yang kemudian dilatih menggunakan model YOLOv5m dengan parameter pelatihan sebanyak 150 epoch dan ukuran batch sebanyak 16. Hasil pelatihan menunjukkan bahwa model mampu mendeteksi pengguna kursi roda dengan tingkat akurasi sebesar 83%. Hasil tersebut menunjukkan bahwa pendekatan berbasis YOLOv5 cukup efektif dalam mendukung pengembangan sistem akses toilet yang lebih adil dan tepat sasaran. Diharapkan penerapan teknologi ini dapat membantu menciptakan fasilitas publik yang lebih inklusif dan meningkatkan kesadaran akan pentingnya aksesibilitas bagi penyandang disabilitas
PENGEMBANGAN SISTEM CONTENT MANAGEMENT SYSTEM (CMS) WEBSITE PONDOK PESANTREN MENGGUNAKAN FRAMEWORK LARAVEL
Get PDFPenelitian ini bertujuan untuk mengembangkan sistem informasi berbasis web dalam bentuk Content Management System (CMS) yang digunakan sebagai media publikasi resmi Pondok Pesantren Raudlatul Musthofa. Pengembangan dilakukan dengan framework Laravel serta pendekatan Personal Extreme Programming (PXP) yang fleksibel dan adaptif terhadap kebutuhan pengguna. Fitur utama dalam sistem ini meliputi manajemen artikel, kategori berita, pengaturan profil pondok, registrasi penulis, manajemen admin, hingga sistem pengaturan tampilan dan informasi umum. Sistem diuji melalui validasi fungsional menggunakan instrumen skala Likert lima poin. Hasil pengujian menunjukkan bahwa sistem memenuhi kriteria "sangat layak" untuk diimplementasikan, dengan efisiensi dan profesionalisme yang meningkat dalam penyampaian informasi pondok
ANALISIS SENTIMEN PUBLIK PADA TAGAR #BTSCOMEBACK DI PLATFORM X MENGGUNAKAN INDOBERTWEET
Get PDFMedia sosial telah menjadi ruang utama bagi publik dalam mengekspresikan opini terhadap fenomena budaya populer, termasuk comeback grup K-pop BTS yang yang sering kali menimbulkan intensitas percakapan dan partisipasi digital. Tagar #BTSComeback menjadi salah satu kanal ekspresi publik yang ramai digunakan, mencerminkan beragam respons dari pengguna internet di Indonesia, mulai dari dukungan antusias hingga bentuk kritik. Penelitian ini bertujuan untuk menganalisis sentimen publik Indonesia terhadap tagar tersebut dengan memanfaatkan model IndoBERTweet, yaitu model pralatih yang dirancang khusus untuk memahami teks berbahasa Indonesia di media sosial. Sebanyak 6.300 tweet berbahasa Indonesia dikumpulkan dari platform X dalam rentang waktu Januari hingga Juni 2025. Hasil penelitian menunjukkan bahwa IndoBERTweet mampu mengklasifikasikan sentimen dengan akurasi mencapai 95%, serta menghasilkan performa evaluasi yang konsisten tinggi pada ketiga kategori sentimen, terutama dalam mendeteksi sentimen positif. Visualisasi dalam bentuk word cloud memperlihatkan keberagaman ekspresi publik terhadap peristiwa comeback tersebut. Penelitian ini membuktikan efektivitas IndoBERTweet dalam menganalisis sentiment teks media sosial berbahasa Indonesia dan memberikan wawasan empiris tentang dinamika opini publik Indonesia terhadap fenomena budaya popular global