Jurnal Informatika dan Teknik Elektro Terapan
Not a member yet
1765 research outputs found
Sort by
PENGEMBANGAN SISTEM ABSENSI MAHASISWA BERBASIS IOT DENGAN INTEGRASI RFID DAN TELEGRAM
Full text linkPerkembangan teknologi Internet of Things (IoT) membuka peluang untuk meningkatkan efisiensi sistem absensi di lingkungan pendidikan yang selama ini masih banyak menggunakan metode manual. Sistem konvensional rentan terhadap kecurangan, keterlambatan rekapitulasi, serta kurang mampu memberikan informasi kehadiran secara real-time. Penelitian ini bertujuan mengembangkan sistem absensi mahasiswa berbasis IoT dengan mengintegrasikan modul RFID dan platform Telegram sebagai media notifikasi otomatis. Metode yang digunakan adalah Design Thinking melalui tahapan Empathize, Define, Ideate, Prototype, dan Test, sehingga solusi yang dirancang benar-benar sesuai kebutuhan pengguna. Hasil implementasi menunjukkan bahwa proses pemindaian kartu RFID menggunakan ESP32 dapat mengirimkan data kehadiran secara cepat dan akurat ke server, kemudian meneruskan informasi tersebut dalam bentuk notifikasi real-time melalui Telegram Bot. Pengujian menunjukkan bahwa sistem memiliki tingkat akurasi identifikasi 100%, kecepatan proses ±1 detik, serta bekerja stabil untuk beberapa pemindaian berdekatan. Integrasi Telegram mempermudah dosen dan admin dalam memantau kehadiran tanpa membuka dashboard. Secara keseluruhan, sistem ini meningkatkan kecepatan, akurasi, dan transparansi absensi. Penelitian ini berpotensi dikembangkan lebih lanjut dengan menambahkan fitur keamanan lanjutan seperti face recognition atau integrasi dengan sistem informasi akademik kampus
RANCANG BANGUN PROTOTIPE SISTEM PENGERING GABAH OTOMATIS DENGAN PEMANTAUAN SUHU DAN KELEMBABAN BERBASIS IOT
Full text linkSelama musim hujan, gabah yang baru dipanen memiliki kadar air tinggi, sedangkan proses pengeringan masih banyak dilakukan secara manual melalui penjemuran, yang berakibat pada penurunan kualitas dan harga jual gabah. Penelitian ini bertujuan mengembangkan prototipe pengering gabah berbasis Internet of Things (IoT) yang mampu memantau kondisi lingkungan secara real-time dengan mengendalikan kipas secara otomatis untuk menjaga kondisi gabah tetap optimal. Metode penelitian bersifat eksperimental, meliputi perumusan masalah, studi literatur, perancangan, implementasi, dan pengujian sistem. Prototipe menggunakan ESP32 sebagai mikrokontroler, sensor DHT22 untuk membaca suhu dan kelembaban, serta kipas sebagai aktuator, dengan data dikirim ke platform ThingSpeak untuk pemantauan jarak jauh. Hasil penelitian menunjukkan bahwa seluruh komponen bekerja sesuai dengan rancangan, dimana sensor mampu mendeteksi kondisi lingkungan dengan akurat, dan kipas beroperasi otomatis berdasarkan kondisi gabah. Melalui sistem ini pemantauan dapat dilakukan secara real-time, meningkatkan efisiensi pengeringan, serta menjadi dasar pengembangan pengering gabah otomatis skala lebih besar di masa mendatang
PENGEMBANGAN APLIKASI ESTIMASI KALORI MAKANAN BERBASIS CITRA DENGAN PENDEKATAN DETEKSI OBJEK MENGGUNAKAN YOLO
Full text linkPenelitian ini mengembangkan aplikasi estimasi kalori makanan berbasis citra untuk membantu pengguna memantau asupan energi secara praktis melalui foto ponsel. Sistem menggunakan deteksi objek YOLOv8n untuk mengenali makanan Indonesia dan memetakan tiap deteksi ke parameter nutrisi guna menghitung massa dan kalori. Dataset pelatihan berisi 3.772 citra pada 9 kelas makanan (dibagi 80% latih, 10% validasi, 10% uji). Model dilatih selama 100 epoch pada resolusi 640 piksel menggunakan optimizer AdamW dan early stopping. Backend FastAPI dalam lingkungan Docker menjalankan inferensi dan perhitungan kalori berdasarkan data nutrisi tiap kelas. Aplikasi mobile Flutter mengirim citra ke endpoint /predict dan menampilkan makanan terdeteksi beserta confidence, estimasi massa, dan total kalori. Hasil uji menunjukkan performa deteksi tinggi dengan [email protected] 0,975, sementara kesalahan terbesar terjadi pada kelas yang mirip secara visual atau minim data. Temuan ini menegaskan bahwa sistem end-to-end mampu mengestimasi kalori otomatis dari satu foto dan layak dikembangkan lebih lanjut dengan menambah kelas dan menyeimbangkan dataset
IMPLEMENTASI SISTEM DAN PROTOTYPE LEARNING MANAGEMENT SYSTEM (LMS) AKADEMIK BERBASIS WEB DENGAN MENGGUNAKAN METODE SCHOOLOGY
Full text linkPerkembangan informasi teknologi mendorong institusi pendidikan untuk mengadopsi sistem pembelajaran digital yang lebih efektif dan terintegrasi. Namun pada praktiknya masih banyak sekolah yang menjalankan proses akademik konvensional, sehingga distribusi materi, tugas pengelolaan, serta evaluasi pembelajaran belum berjalan optimal. Penelitian ini bertujuan untuk mengimplementasikan sistem dan prototipe Learning Management System (LMS) akademik berbasis web dengan mengadopsi metode Schoology sebagai solusi pembelajaran digital. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka untuk mengidentifikasi kebutuhan sistem, yang kemudian dilanjutkan dengan perancangan dan implementasi LMS sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu memfasilitasi pengelolaan materi, tugas, kuis, forum diskusi, serta rekapitulasi nilai secara ekonomis dan efisien. Implementasi LMS ini memberikan kemudahan bagi guru dan siswa dalam menjalankan proses pembelajaran tanpa terbatas ruang dan waktu. Dengan demikian, penelitian ini menegaskan bahwa penerapan LMS berbasis web dengan metode Schoology berperan penting dalam meningkatkan efektivitas dan kualitas layanan akademik di lingkungan sekolah
RANCANG BANGUN SISTEM INFORMASI MONITORING MAGANG BERBASIS WEB DI PT. CIPTA NIRMALA
Full text linkProgram magang merupakan sarana pembelajaran praktis yang bertujuan memberikan pengalaman kerja secara langsung kepada mahasiswa. Namun, pelaksanaan monitoring magang di PT. Cipta Nirmala masih dilakukan secara manual sehingga menimbulkan berbagai permasalahan, seperti keterlambatan pencatatan data, potensi duplikasi informasi, serta kurangnya keterbukaan antara peserta magang dan pembimbing. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi monitoring magang berbasis web yang terintegrasi guna mendukung proses presensi, pelaporan kegiatan, penilaian, serta penerbitan sertifikat. Pengembangan sistem dilakukan menggunakan model Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan evaluasi. Sistem diimplementasikan dengan framework Laravel 11 dan basis data MySQL. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk memastikan setiap fungsi berjalan sesuai dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem informasi yang dikembangkan mampu meningkatkan efektivitas dan ketepatan dalam proses monitoring magang. Peserta magang dapat melakukan presensi, mengisi laporan harian, serta mengunggah laporan akhir secara digital, sedangkan Person in Charge (PIC) dapat memantau aktivitas peserta, memberikan penilaian, dan melakukan verifikasi sertifikat melalui satu platform terintegrasi. Dengan demikian, sistem ini dinilai lebih efisien, transparan, dan mudah digunakan dibandingkan dengan sistem manual yang sebelumnya diterapkan
PENERAPAN METODE AGILE DALAM PENGEMBANGAN SISTEM PEMESANAN ONLINE BERBASIS WEB (STUDI KASUS: MERCY’S COFFEE)
Full text linkThe advancement of information technology demands efficient and adaptive systems in the food and beverage sector. Mercy’s Coffee, which still uses a manual ordering process, faces challenges such as long queues, slow service, and frequent order errors. This study aims to design and develop a web-based online ordering system using the Agile methodology with the Scrum framework, enabling iterative development and continuous improvements based on user feedback. The research process includes requirement analysis, system design with Unified Modeling Language (UML), frontend development using Tailwind CSS and React.js, and backend implementation with Express.js and MySQL. System testing using Blackbox Testing confirmed that all main features, including menu ordering, order management, digital payment, and real-time order status tracking, operate effectively. The system enhances operational efficiency, accelerates transactions, reduces input errors, and provides a more responsive and structured user experience. Applying Agile with Scrum in this development serves as a valuable reference for developers and business owners in creating digital systems that emphasize flexibility, collaboration, and customer satisfaction
ANALISIS SENTIMEN PUBLIK PERNYATAAN 'LALAI' TRANS 7 TAYANGAN PESANTREN DENGAN SUPPORT VECTOR MACHINE
Full text linkAbstrak. Perkembangan pesat teknologi informasi dan komunikasi telah memperluas serta meningkatkan intensitas interaksi masyarakat melalui berbagai platform media sosial. Salah satu platform yang paling populer dan banyak dimanfaatkan adalah YouTube, yang tidak hanya berperan sebagai media hiburan, tetapi juga menjadi ruang publik digital bagi masyarakat untuk menyampaikan opini, gagasan, serta beragam respons kritis terhadap isu-isu sosial, fenomena yang berkembang, dan berbagai tayangan media.Komentar yang ditinggalkan oleh pengguna YouTube dapat mencerminkan persepsi, sikap, dan sentimen publik terhadap suatu konten tertentu. Namun, analisis komentar secara manual dalam jumlah besar membutuhkan waktu dan tenaga yang tidak sedikit, sehingga dinilai kurang efisien dan kurang objektif. Dengan demikian, penelitian ini diarahkan pada pengkajian sentimen komentar pengguna YouTube terhadap tayangan “Pesantren” yang ditayangkan di Trans7 melalui penerapan algoritma Support Vector Machine (SVM). Metode penelitian yang digunakan meliputi tahap pengumpulan data komentar dari YouTube, proses pra-pengolahan data seperti pembersihan teks dan normalisasi, serta tahap klasifikasi sentimen menjadi kategori positif dan negatif menggunakan algoritma SVM. Untuk mengukur kinerja model, dilakukan pengujian menggunakan metrik evaluasi berupa akurasi, presisi, dan recall melalui metode validasi silang k-fold.Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine mampu melakukan klasifikasi sentimen komentar secara optimal dengan tingkat akurasi mencapai 88,3%. Capaian ini menegaskan bahwa algoritma SVM memiliki kinerja yang efektif dan andal dalam mengolah data teks serta menganalisis sentimen pada komentar YouTube berbahasa Indonesia secara akurat dan konsisten.
 
PERBANDINGAN MODEL KLASIFIKASI PENYAKIT DAUN BAKAU MENGGUNAKAN ARSITEKTUR VGG16 DAN MOBILNETV2
Full text linkPenelitian ini bertujuan membandingkan kinerja arsitektur Convolutional Neural Network (CNN) VGG16 dan MobileNetV2 dalam klasifikasi penyakit daun bakau jenis Ceriops tagal berbasis citra digital. Penyakit daun bakau menjadi salah satu faktor utama degradasi ekosistem mangrove karena berdampak langsung pada proses fotosintesis dan pertumbuhan tanaman. Dataset yang digunakan terdiri dari 821 citra daun bakau yang diklasifikasikan ke dalam empat kelas, yaitu daun sehat, bercak putih, bercak hitam, dan daun diserang hama. Kedua model dilatih menggunakan pendekatan transfer learning dengan evaluasi kinerja menerapkan metode 5-Fold Cross Validation pada dua skenario pelatihan, yaitu early stopping dan 50 epoch. Hasil penelitian menunjukkan bahwa MobileNetV2 dengan skenario early stopping memberikan performa terbaik dengan nilai accuracy dan macro average recall tertinggi sebesar 0,96 serta performa yang stabil pada seluruh fold pengujian. Sebaliknya, VGG16 hanya mencapai accuracy maksimum 0,79 pada skenario early stopping dan 0,87 pada skenario 50 epoch, namun menunjukkan variasi performa yang besar antar fold serta kecenderungan overfitting. Berdasarkan hasil tersebut, MobileNetV2 terbukti lebih andal, efisien, dan memiliki kemampuan generalisasi yang lebih baik dibandingkan VGG16 dalam klasifikasi penyakit daun bakau, sehingga berpotensi diterapkan sebagai sistem deteksi dini penyakit mangrove secara praktis dan berkelanjutan
SMART LOCK SYSTEM BERBASIS IOT MENGGUNAKAN ESP32 UNTUK KEAMANAN AKSES PUSAT DATA (STUDI KASUS: UPA TIK UNDIKSHA)
Full text linkKeamanan fisik pusat data berperan penting dalam menjamin keberlangsungan layanan teknologi informasi dari ancaman akses tidak sah dan tindakan kriminal. Pusat data UPA TIK Universitas Pendidikan Ganesha telah menerapkan sistem pengamanan dasar, namun masih menghadapi keterbatasan pada aspek pemantauan real-time, notifikasi otomatis, dan pengelolaan akses pengguna. Penelitian ini bertujuan merancang dan mengembangkan smart lock system berbasis Internet of Things menggunakan ESP32 guna meningkatkan keamanan akses fisik pusat data. Sistem yang dikembangkan mengintegrasikan autentikasi RFID dan sidik jari, komunikasi antar perangkat melalui protokol MQTT, sensor magnetic door switch untuk mendeteksi akses ilegal, serta notifikasi real-time melalui bot Telegram. Sistem juga dilengkapi fitur pendaftaran pengguna secara dinamis tanpa perlu pemrograman ulang perangkat. Metode penelitian yang digunakan adalah Research and Development. Hasil pengujian menunjukkan seluruh fungsi sistem berjalan sesuai spesifikasi dengan rata-rata latency sekitar 4 detik dan tingkat keberhasilan autentikasi 100%. RFID menawarkan respons yang cepat dan stabil namun memiliki risiko duplikasi dan kehilangan kartu, sedangkan sidik jari memberikan keamanan lebih tinggi meskipun latency-nya bervariasi. Secara keseluruhan, sistem ini mampu meningkatkan keamanan fisik pusat data secara terintegrasi dan responsif
PENERAPAN ALGORITMA BI-LSTM DENGAN OPTIMASI THRESHOLD ADJUSTMENT UNTUK ANALISIS SENTIMEN ULASAN APLIKASI MOBILE JKN
Full text linkPenelitian ini bertujuan untuk menerapkan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) dengan optimasi threshold adjustment dalam analisis sentimen ulasan pengguna aplikasi Mobile JKN pada platform Google Play Store. Data ulasan yang digunakan berasal dari file mobilejkn.csv dengan ribuan record, diproses melalui tahapan pre-processing yang mencakup pembersihan teks, tokenisasi, penghapusan stopword, dan stemming. Model memanfaatkan lapisan embedding, bidirectional LSTM, dropout, serta dense layer dengan aktivasi softmax. Evaluasi model Bi-LSTM mencapai akurasi 88,5% pada data validasi (setelah pelatihan 10 epoch dengan optimizer Adam), dengan peningkatan performa menjadi 90,2% setelah penerapan threshold adjustment (penyesuaian batas probabilitas maksimum <0,58 untuk klasifikasi netral). Nilai presisi rata-rata 89,1%, recall 88,7%, dan F1-score 88,9%. Hasil analisis menunjukkan dominasi sentimen negatif (sekitar 45-50%) terkait masalah teknis seperti kesulitan login, verifikasi OTP lambat, kegagalan booking antrian, serta proses registrasi yang rumit. Temuan ini sejalan dengan keluhan umum pada ulasan terbaru (rating rata-rata 4,3 dari 933 ribu ulasan). Penelitian ini merekomendasikan kepada BPJS Kesehatan untuk segera memperbaiki fitur autentikasi, stabilitas server, dan antarmuka pengguna agar meningkatkan kepuasan serta loyalitas peserta JKN