Jurnal Informatika dan Teknik Elektro Terapan
Not a member yet
1765 research outputs found
Sort by
APLIKASI CARSECURE MENGGUNAKAN FRAMEWORK FLUTTER UNTUK MEMBANTU OPTIMALISASI SISTEM IOT CARSECURE
Full text linkPerkembangan teknologi informasi memberikan pengaruh besar terhadap sistem keamanan kendaraan modern, khususnya melalui pemanfaatan Internet of Things (IoT) yang memungkinkan perangkat saling terhubung dan dikendalikan secara jarak jauh. Penelitian ini bertujuan mengembangkan aplikasi CarSecure berbasis Flutter untuk mengoptimalkan sistem keamanan kendaraan IoT dengan fitur utama seperti pemantauan lokasi real-time, pengendalian mesin jarak jauh, dan notifikasi keamanan. Pengembangan dilakukan menggunakan model Waterfall, mencakup analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Aplikasi ini terintegrasi dengan perangkat ESP32, modul GPS, dan relay, serta menggunakan Firebase Realtime Database sebagai media komunikasi data dua arah. Hasil evaluasi menunjukkan bahwa aplikasi mampu mengeksekusi perintah “Matikan Mesin” dengan waktu respon rata-rata 2–3 detik, memberikan notifikasi keamanan dalam waktu kurang dari 5 detik, serta menampilkan akurasi GPS dengan deviasi ±7 meter. Koneksi antara aplikasi dan perangkat IoT juga terbukti stabil dengan tingkat kestabilan 100% selama 30 menit pengujian tanpa putus. Evaluasi kepuasan pengguna terhadap 20 responden menghasilkan skor rata-rata 4.46, dengan aspek kemudahan penggunaan (4.6), kecepatan respon sistem (4.5), tampilan antarmuka (4.5), dan keandalan sistem (4.3). Berdasarkan hasil tersebut, aplikasi CarSecure dinilai responsif, akurat, mudah digunakan, dan efektif dalam mendukung keamanan kendaraan berbasis IoT, serta memiliki potensi untuk dikembangkan lebih lanjut dengan fitur keamanan berbasis kecerdasan buatan
APLIKASI SEGMENTASI NEGARA BERDASARKAN KONTRIBUSI DAN DAMPAK PEMANASAN GLOBAL MENGGUNAKAN ALGORITMA K-MEANS
Full text linkPemanasan global menuntun pada pendekatan berbasis data untuk menyusun kontribusi dan dampak bagi setiap negara secara akurat. Penelitian ini menggunakan algoritma K-Means Klastering untuk mensegmentasikan negara yang diterapkan melalui platform Streamlit. Dataset perubahan iklim diolah melalui beberapa tahapan preprocessing, termasuk normalisasi data menggunakan StandardScaler guna menghindari ketimpangan atribut tertentu. Berdasarkan analisis dengan metode Elbow, diperoleh tiga klaster yang terbaik (K = 3) yang mewakilkan kelompok Resiko Tinggi, Mitigasi Aktif, dan Kontribusi Polusi Tinggi. Peneletian ini membuktikan bahwa K-Means secara efektif mampu utnuk mengelompokan data yang bersifat multidimensi. Selain itu, Streamlit memberikan fasilitas berupa visualisasi interaktif dan mendukung penyajian data secara dinamis. Penelitian ini diharapkan mampu memberikan perspektif yang komprehensif bagi para pemangku kebijakan dalam menyusun strategi mitigasi iklim yang lebih terarah dan efektif
ANALISIS KLASIFIKASI INDEKS STANDAR PENCEMARAN UDARA JAKARTA TAHUN 2025 MENGGUNAKAN ALGORITMA RANDOM FOREST
Full text linkPencemaran udara di DKI Jakarta telah menjadi isu lingkungan kritis dengan fluktuasi konsentrasi polutan yang kompleks, menuntut metode pemantauan yang lebih presisi dibandingkan pendekatan konvensional. Penelitian ini bertujuan untuk mengklasifikasikan tiga kategori utama Indeks Standar Pencemaran Udara (ISPU) menggunakan algoritma Machine Learning Random Forest. Studi ini memanfaatkan dataset harian terbaru periode Januari hingga Agustus 2025 yang mencakup parameter PM10, PM2.5, SO2, CO, O3, dan NO2. Guna mengatasi ketidakseimbangan distribusi kelas pada data kategori ISPU, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE) pada tahap pra-pemrosesan. Hasil evaluasi model menunjukkan kinerja yang sangat impresif dengan tingkat akurasi mencapai 99,50% pada data pengujian. Analisis feature importance mengidentifikasi bahwa PM2.5 merupakan parameter paling dominan dengan kontribusi pengaruh sebesar 30,68% terhadap penentuan kualitas udara. Temuan ini memvalidasi efektivitas Random Forest sebagai instrumen sistem peringatan dini yang andal serta menekankan urgensi kebijakan pengendalian emisi partikulat di Jakarta
PENGENALAN KEARIFAN LOKAL BUDAYA TORAJA MENGGUNAKAN VIRTUAL TOUR BERBASIS WEB
Full text linkPada proses perancangan aplikasi Pengenalan Kearifan Lokal Budaya Toraja Menggunakan Virtual Tour Berbasis Website, penulis melibatkan berbagai elemen UML seperti use case, activity diagram, sequence diagram, dan class diagram yang dituangkan menggunakan perangkat lunak desain Draw.io. Aplikasi ini dirancang dan dikembangkan dengan mengikuti metode waterfall sebagai pendekatan pengembangan perangkat lunak. Tujuan dari aplikasi ini adalah untuk memudahkan pengunjung dalam memperoleh informasi yang valid dan nyata melalui tampilan virtual tour dari setiap objek wisata dan budaya yang ada di Tana Toraja. Untuk mengevaluasi kelayakan aplikasi, penulis menyebarkan kuesioner kepada 10 responden yang telah mengunjungi lebih dari tiga objek wisata di Toraja. Hasil dari kuesioner tersebut diolah menggunakan metode skala Likert guna mendapatkan penilaian mengenai tingkat kelayakan aplikasi. Perancangan aplikasi ini menggunakan pendekatan berorientasi objek dengan Unified Modeling Language (UML) sebagai alat bantu utama dalam mendeskripsikan sistem.
 
ANALISIS POLA KONSUMSI ENERGI BANGUNAN BERDASARKAN DATA SENSOR LINGKUNGAN BERBASIS ALGORITMA APRIORI
Full text linkAbstrak. Konsumsi energi listrik pada bangunan sangat dipengaruhi oleh faktor-faktor lingkungan seperti suhu dan kelembapan yang dapat diidentifikasi melalui analisis pola data. Penelitian ini bertujuan untuk menemukan hubungan antara kondisi lingkungan dengan tingkat konsumsi energi menggunakan algoritma Apriori. Dataset yang digunakan adalah Tetuan City Power Consumption yang terdiri atas 52.416 entri dengan sembilan atribut sensor. Data diproses melalui tahap pra-pemrosesan, diskritisasi, dan penerapan algoritma Apriori dengan parameter minimum support sebesar 5% dan minimum confidence sebesar 30%. Hasil analisis menunjukkan bahwa kondisi kelembapan tinggi dan suhu rendah berkorelasi kuat dengan konsumsi energi rendah dengan nilai lift 1,973 dan confidence 65,8%. Sebaliknya, kondisi suhu tinggi dan kelembapan rendah menjadi faktor yang memicu lonjakan konsumsi energi dengan nilai lift 1,857 dan confidence 61,8%. Temuan ini memberikan wawasan penting dalam pengembangan sistem manajemen energi bangunan yang efisien serta dapat dijadikan dasar dalam perancangan sistem peringatan dini untuk mengantisipasi beban puncak berdasarkan data sensor lingkungan
EFEKTIVITAS CHATBOT AI DIBANDINGKAN LAYANAN KONSELOR MANUSIA DALAM DUKUNGAN KESEHATAN MENTAL
Full text linkChatbot berbasis Artificial Intelligence (AI) digunakan sebagai media pendukung kesehatan mental karena mudah diakses, bersifat anonim, dan responsif. Penelitian ini bertujuan menganalisis kualitas chatbot berbasis AI dalam mendukung layanan kesehatan mental menggunakan metode Grounded Theory Literature Review (GTLR). Hasil kajian menunjukkan bahwa kualitas chatbot ditentukan oleh kemampuan empatik, konsistensi respons, akurasi konten, dan personalisasi interaksi. Chatbot efektif sebagai pendukung awal dalam membantu stres dan kecemasan, namun belum mampu menggantikan peran tenaga profesional. Oleh karena itu, chatbot lebih tepat berperan sebagai pelengkap layanan kesehatan mental berbasis digital
OPTIMASI PERFORMA APLIKASI MOBILE DENGAN PENERAPAN PAGING DAN INFINITE SCROLL MENGGUNAKAN BLOC DI FLUTTER
Full text linkKualitas performa aplikasi mobile berpengaruh signifikan terhadap pengalaman pengguna, terutama dari segi kecepatan akses, manajemen memori yang efisien, dan kemampuan respons yang baik. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa satu aplikasi mobile sebelum dan sesudah dioptimalkan menggunakan teknik paging dan infinite scroll dengan state management Bloc pada framework Flutter. Metode yang digunakan adalah pra-eksperimen dengan one-group pretest-posttest design, di mana aplikasi diuji pada kondisi awal (tanpa optimasi) dan kondisi setelah diterapkan teknik optimasi. Hasil pengujian menunjukkan bahwa setelah optimasi, aplikasi mengalami peningkatan performa signifikan pada waktu pemuatan data dan penggunaan memori. Hal ini disebabkan karena data dimuat secara bertahap, sehingga mengurangi beban proses. Responsivitas aplikasi tetap stabil pada kedua kondisi karena Flutter mendukung pemuatan komponen secara efisien melalui mekanisme lazy loading pada ListView. Dengan demikian, penerapan teknik paging dan infinite scroll terbukti efektif dalam meningkatkan efisiensi performa aplikasi mobile, terutama pada aplikasi berbasis Flutter yang menangani data dalam jumlah besar
ANALISIS SENTIMEN PROGRAM MAKAN BERGIZI GRATIS BERDASARKAN KOMENTAR DI MEDIA SOSIAL X MENGGUNAKAN GRU
Full text linkPenelitian ini berfokus pada analisis sentimen masyarakat terhadap program Makan Bergizi Gratis (MBG) dengan memanfaatkan data dari platform media sosial X. Metode yang digunakan adalah Recurrent Neural Network (RNN) dengan varian Gated Recurrent Unit (GRU), yang dinilai efektif dalam pemrosesan teks. Melalui teknik web scraping, diperoleh sebanyak 10.524 komentar dan unggahan pengguna, yang kemudian diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif. Proses analisis diawali dengan tahapan pra-pemrosesan, meliputi pembersihan teks, penghapusan stopword, lemmatization, serta tokenisasi. Hasil penelitian menunjukkan bahwa mayoritas pengguna memberikan tanggapan positif terhadap program MBG, meskipun terdapat pula opini negatif. Model GRU menghasilkan nilai precision, recall, dan f1-score sebesar 91% pada sentimen positif serta 88% pada sentimen negatif. Temuan ini menegaskan bahwa GRU, sebagai salah satu varian RNN, mampu mengolah data media sosial secara efektif untuk menangkap dan memahami persepsi publik dalam skala besa
PERANCANGAN SISTEM INFORMASI PERPUSTAKAAN BERBASIS WEB
Full text linkInstitut Tarumanagara adalah Perguruan tinggi yang baru didirikan pada Tahun 2024. Hal ini menyebabkan beberapa aspek institusi seperti pengembangan fasilitas penunjang akademik, termasuk perpustakaan masih memerlukan perhatian. Pengelolaan administrasi dan pelayanan perpustakaan masih dilakukan secara konvensional dan belum didukung oleh sistem informasi berbasis digital. Seiring dengan bertambahnya jumlah mahasiswa dan meningkatnya tingkat kunjungan mereka ke perpustakaan, sistem konvensional yang ada saat ini menunjukkan berbagai kelemahan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi perpustakaan di Institut Tarumanagara guna mengatasi kendala operasional yang ada, sehingga diharapkan mampu mendukung efektivitas pelayanan dan mendukung visi institusi dalam meningkatkan kualitas operasional berbasis teknologi. Metode penelitian dilakukan melalui beberapa teknik yang relevan dengan tujuan penelitian, meliputi pengumpulan data, analisis, perancangan sistem, dan pengujian. Hasil dari penelitian ini adalah sistem informasi perpustakaan berbasis web yang mampu mendukung proses digitalisasi layanan, seperti pencatatan data, peminjaman-pengembalian buku, pembuatan laporan, sehingga meningkatkan efisiensi operasional perpustakaan
KLASIFIKASI POSE YOGA SURYA NAMASKAR MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG19 DAN RESNET-50
Full text linkPenelitian ini bertujuan untuk membangun dan membandingkan kinerja model klasifikasi pose yoga Surya Namaskar menggunakan metode Deep Learning dengan arsitektur Convolutional Neural Network (CNN) VGG19 dan ResNet-50. Surya Namaskar merupakan rangkaian pose yoga yang populer, namun kesalahan postur tanpa pengawasan instruktur dapat berisiko cedera. Dataset yang digunakan terdiri dari 154 citra asli yang diaugmentasi menjadi 1.540 citra, terbagi dalam 7 kelas pose: Pranamasana, Hasta Utthanasana, Padahastasana, Ashwa Sanchalanasana, Parvatasana, Ashtanga Namaskara, dan Bhujangasana. Proses pelatihan dilakukan menggunakan optimizer Adam dengan variasi learning rate 0.0001, 0.00001, dan 0.00005. Hasil penelitian menunjukkan bahwa arsitektur ResNet-50 secara konsisten mengungguli VGG19. Kinerja terbaik dicapai oleh ResNet-50 pada learning rate 0.00005 dengan akurasi 85%, sedangkan akurasi terbaik VGG19 hanya mencapai 77% pada learning rate 0.0001. Penelitian menyimpulkan bahwa arsitektur ResNet-50 dengan residual connection lebih efektif dalam mengklasifikasikan pose yoga yang kompleks dibandingkan VGG19, meskipun masih terdapat tantangan dalam membedakan pose dengan kemiripan visual tinggi seperti Ashwa Sanchalanasana dan Bhujangasana