Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Sistem Identifikasi Kesehatan Berdasarkan Detak Jantung, Kadar Oksigen, dan Suhu Tubuh Menggunakan Metode Fuzzy Mamdani
Get PDFKesehatan merupakan faktor penting dalam kehidupan manusia. Oleh karena itu, dalam paper ini kami menawarkan pendekatan efektif dan efisien dalam mendeteksi dini kesehatan. Deteksi dini dapat menghindari berbagai faktor risiko penyakit dan dapat terhindar dari komplikasi, serta menghemat biaya pengobatan. Sebagian besar alat deteksi kesehatan menggunakan metode invasif, sementara sistem kami menggunakan pendekatan contactless. Sensor pulse Oximater MAX30100 dan sensor suhu MLX90614 digunakan untuk mengukur tingkat saturasi oksigen, detak jantung dan suhu tubuh. Kemudian, kedua data sensor tersebut dikirim ke Google Firebase dengan memanfaatkan fitur layanan realtime database sehingga data dapat ditampilkan secara langsung di aplikasi android. Kedua sensor dihubungkan pada mikrokontroler NodeMCU ESP8266, lalu data hasil pengukuran sensor beserta perhitungan fuzzy dikirim ke database Firebase agar dapat ditampilkan pada smartphone. Hasil dari penelitian ini adalah akurasi pembacaan sensor suhu MLX90614 dan pulse oximater MAX30100 dibandingkan alat yang sudah ada didapatkan pengukuran suhu mendapatkan nilai MAPE sebesar 0.964 %, pengukuran saturasi mendapatkan nilai MAPE 0 %, dan pengukuran detak jantung didapatkan MAPE 1.581 %. Dari ketiga pengukuran didapatkan nilai MAPE dibawah 10% sehingga dapat dikategorikan pengukuran akurat dan kinerja metode fuzzy mamdani dalam mengklasifikasikan kondisi kesehatan sangat baik dan akurat.
Abstract
Health is an important factor in human life. Therefore, in this paper we offer an effective and efficient approach in early detection of health. Early detection can avoid various risk factors for disease and can avoid complications, as well as save on medical costs. Most medical detection systems use invasive methods, while our system uses a contactless approach. The MAX30100 Oximater pulse sensor and MLX90614 temperature sensor are used to measure oxygen saturation level, heart rate and body temperature. Then, the two-sensor data are sent to Google Firebase by utilizing the real-time database service feature so that the data can be displayed directly in the Android application. The two sensors are connected to the NodeMCU ESP8266 microcontroller, then the sensor measurement results data along with the fuzzy calculations are sent to the Firebase database so that they can be displayed on a smartphone. The results of this study are the accuracy of the readings of the MLX90614 temperature sensor and the MAX30100 pulse oximeter compared to existing devices, the temperature measurement gets a MAPE value of 0.964 %, the saturation measurement gets a MAPE value of 0 %, and the heart rate measurement gets a MAPE of 1.581 %. From the three measurements, the MAPE value was below 10% so that it could be categorized as an accurate measurement and the performance of the Mamdani fuzzy method in classifying health conditions was very good and accurate
Sistem Identifikasi Kesehatan Pencernaan Berdasar Suara Usus Menggunakan Embedded System
No full textIleus adalah salah satu penyakit usus yang disebabkan oleh tersumbatnya lumen usus akibat berhentinya gerak peristaltik di dalam usus. Jika tidak ditangani dengan cepat, Ileus bisa menyebabkan usus berlubang. Namun, penderita Ileus seringkali tidak menyadari terjadinya penyakit ini di dalam tubuhnya, sehingga sebaiknya memeriksakan kesehatan pencernaan setiap hari sebagai pencegahan. Oleh karena itu, diperlukan stetoskop digital untuk memberikan jawaban dari hasil auskultasi. Penelitian ini menggunakan stetoskop yang dimodifikasi dengan soundcard yang terhubung dengan raspberry pi dan ditampilkan melalui aplikasi VNC Viewer. Sedangkan Convolutional Neural Network dengan model tensor flow digunakan sebagai metode klasifikasi dan MFCC teknik ekstraksi fiturnya. Sistem merekam dan mendeteksi kehadiran suara perut dengan auskultasi selama 10 detik, dan jika terdeteksi suara perut lebih dari 1 maka dapat disimpulkan pencernaan itu sehat, begitu juga sebaliknya. Dalam penelitian ini, uji klasifikasi untuk yang lain diberi label ‘NIHIL’ suara perut, dan hasil auskultasi adalah 5,85 detik untuk uji klasifikasi. Akurasi yang diperoleh untuk klasifikasi TERDETEKSI\u27 adalah 90%, dan untuk ‘NIHIL’ adalah 100%. AbstractIleus is one intestinal disease caused by the blockage of the bowel lumen due to the cessation of peristalsis within the intestine. If not handled quickly, Ileus could lead to a perforated bowel. However, the sufferer of Ileus often does not realize the occurrence of this disease within his body, so it would be better to check up on the digestive health every day as a preventive. Therefore, a digital stethoscope is needed to provide answers from auscultation results. This study used a modified stethoscope with a soundcard connected to the raspberry pi and displayed through the VNC Viewer application. Meanwhile, Convolutional Neural Network with tensor follow model is used as the classification method and MFCC Technique as the feature extraction. The system records and detects the bowel noise with auscultation for 10 seconds, and if the bowel noise is detected more than1 time, it means normal condition or health, and vice versa. In this study, the classification test for another was labeled with ‘NIHIL,\u27 and the auscultation result was 5.85 seconds for the classification test. The accuracy obtained for the classification of \u27digestion-sound\u27 is 90%, and for the \u27no digestion sound\u27 is 100%
Analisis dan Perancangan Aplikasi Chatbot Menggunakan Framework Rasa dan Sistem Informasi Pemeliharaan Aplikasi (Studi Kasus: Chatbot Penerimaan Mahasiswa Baru Politeknik Astra)
Get PDFChatbot menjadi suatu kebutuhan bisnis yang membutuhkan pelayanan interaksi secara real-time dan 24 jam. Kebutuhan tersebut juga diperlukan saat penerimaan mahasiswa baru di Politeknik Astra. Chatbot dapat menjadi salah satu penyedia informasi yang interaktif untuk calon mahasiswa Politeknik Astra, ketika mencari informasi terkait proses pendaftaran mahasiswa baru maupun terkait Politeknik Astra secara umum. Proses analisis dan perancangan sistem dilakukan, dimulai dengan studi literatur. Hasil dari studi literatur dipilihlah Framework RASA yang akan digunakan dalam pengembangan chatbot. Framework RASA memiliki performa yang baik karena memiliki Rasa NLU dan Rasa CORE. Rasa NLU sebagai basis library yang membangunteraksi antara komputer dan manusia dengan menerapkan dua metode dan algoritma kecerdasan buatan yaitu pemrosesan bahasa alami dan mesin pembelajaran. Rasa NLU bertanggung jawab membuat interaksi lebih nyata, pengguna layanan akan merasakan interaksi langsung seperti dengan manusia bukan dengan komputer. Rasa CORE juga berperan dalam membuat interaksi terasa nyata, dengan mengatur interaksi dialog antara antara bot (komputer dibalik chatbot) dengan pengguna. Framework Rasa juga bersifat open source sehingga memiliki adaptabilitas yang tinggi ketika diperlukan modifikasi untuk menyesuaikan kebutuhan bisnis yang ada. Proses pengembangan sistem dilanjutkan dengan melakukan analisis dan perancangan sistem informasi penunjang. Sistem informasi penunjang chatbot ini dibangun untuk mengakomodir kebutuhan proses CRUD (Create, Read, Update dan Delete) dari pertanyaan – respon yang nantinya dipelajari oleh chatbot sebelum dapat berinteraksi seperti manusia. Sistem informasi penunjang ini membantu penyesuaian konfigurasi chatbot dalam merespon pertanyaan sehingga operasional kebutuhan tersebut dapat mudah dilakukan oleh admin tanpa latar belakang IT. Hasil dari penelitian ini adalah kebutuhan sistem yang direpresentasikan pada use case diagram dan flowchart lalu pemilihan pipeline NLU untuk chatbot, arsitektur sistem, perancangan database dalam bentuk physical data model, dan perancangan desain antarmuka (mockup) sistem penunjang chatbot framework RASA. AbstractChatbots have become essential in business that requires interaction with customers in real-time and 24 hours. The requirements have become a necessity in Polytechnic Astra especially during the acceptance period of new students. Chatbot can be an interactive provider of information to prospective students of Polytechnic Astra who are looking information about the registration process or information related to Polytechnic Astra in general. The analysis and design process are conducted, starting with study literature. The results of the literature study, the RASA Framework were chosen as a tool to develop chatbots. RASA Framework performs well with the Rasa NLU and Rasa Core. Rasa NLU as a base library to build interactions between computers and humans using artificial intelligence. Rasa NLU is responsible for making interaction much real, like direct interaction with humans. Rasa core is a base library to regulate the interaction dialogue between chatbots and users. The Rasa Framework is also open source, so it has high adaptability to be modified to suit existing business needs. This supporting information system help to adjust the configuration chatbot in responding to questions, so that the operational can be easily carried out by the admin without IT background. The results of this research are the system requirements represented in use case diagrams and flowcharts and the selection of NLU pipeline for chatbots, the system architecture, the database design in the form of physical data models, and the interface design (mockup) for the chatbot framework support system RASA
Perancangan Knowledge Sharing System Untuk Meningkatkan Kinerja Dosen Di Fakultas Teknik Universitas Bangka Belitung
Get PDFDosen-dosen baru harus cepat beradaptasi dengan lingkungan pekerjaannya. Namun, adaptasi akan terasa sulit ketika rekan kerja dan senior tidak memberikan ruang diskusi untuk berbagi informasi, pengetahuan dan pengalaman kepada dosen baru. Dengan adanya rencana pembukaan program studi baru di Fakultas Teknik Universitas Bangka Belitung (UBB), mengakibatkan dosen baru harus berada di homebase sementara yang bukan bidang keilmuannya. Kegiatan knowledge sharing hanya dilakukan secara manual dengan cara tatap muka antar dosen dan melalui grup Whatsapp (WA) yang menimbulkan masalah, seperti dosen-dosen sering tidak mendapatkan informasi yang telah disebarkan di grup WA dengan alasan tertimbun oleh pesan-pesan lain. Knowledge sharing membutuhkan suatu teknologi untuk dapat berjalan secara efektif dan efisien. Tujuan dari penelitian ini, yaitu untuk merancang knowledge sharing system (KSS) di Fakultas Teknik UBB. Metode pengumpulan data menggunakan wawancara dengan dekan Fakultas Teknik UBB dan kuesioner yang disebar ke 46 dosen Fakultas Teknik UBB. Metode perancangan KSS menggunakan pendekatan berorientasi objek dengan UML Diagram. Metodologi KSS menggunakan gabungan dari dua metode, yaitu model SECI, dan 10-step KM roadmap. Untuk desain aset pengetahuan dan proses validasi rancangan KSS, dilakukan dengan teknik FGD yang mengundang 7 dosen Fakultas Teknik UBB. Kesimpulan dari hasil penelitian ini adalah dokumen rancangan KSS yang telah divalidasi dengan hasil rancangan ini telah diterima dengan baik dan sesuai dengan kebutuhan dari dosen di Fakultas Teknik UBB. Abstract New lecturers must adapt quickly to their workplace. However, adaptation will be difficult when colleagues and seniors do not provide discussion space to share information, knowledge and experiences with new lecturers. With the plan to open a new study program at the Faculty of Engineering, Universitas Bangka Belitung (UBB), new lecturers have to be in a temporary homebase that is not their scientific field. Knowledge sharing activities are only carried out manually by face-to-face meetings between lecturers and through Whatsapp (WA) groups which cause problems, such as lecturers often do not get information through WA group because it is buried by other messages. Knowledge sharing requires a technology to run effectively and efficiently. Purpose of this research is to design a knowledge sharing system (KSS) at the Faculty of Engineering, UBB. Methods of data collection using interviews with the dean and questionnaires distributed to 46 lecturers in the Faculty of Engineering, UBB. The KSS design method uses an object-oriented approach with the UML Diagram. The KSS methodology uses a combination of two methods, which are SECI model, and 10-step KM roadmap. Design of knowledge assets and validating the KSS blueprint carried out using FGD which invited 7 lecturers of the Faculty of Engineering, UBB. The result from this study is the KSS blueprint document that has been validated which has been well received and in accordance with the needs of lecturers at the Faculty of Engineering, UBB
Desain Head-Up Display Berbasis Refleksi untuk Aplikasi Navigasi pada Mobil Menggunakan Metode Human-Centered Design
Get PDFAktivitas mengemudi mobil disertai penggunaan navigasi adalah hal yang umum ditemui pada masyarakat. Perangkat navigasi umumnya menampilkan petunjuk rute pada layar perangkat ponsel pintar atau pada head unit. Namun, penggunaan perangkat navigasi dengan cara tersebut dapat membuat pengendara mobil terdistraksi pada saat mengemudi. Penelitian ini memberikan alternatif solusi untuk meminimalisir distraksi pada pengemudi mobil menggunakan desain navigasi Head-up Display (HUD) yang direfleksikan pada kaca depan mobil dengan pendekatan Human-Centered Design (HCD). Informasi navigasi direfleksikan pada kaca depan mobil menggunakan ponsel pintar sebagai proyektor informasi navigasi. Penelitian ini juga berkontribusi pada perancangan kerangka desain navigasi yang terlihat jelas serta nyaman bagi pengemudi mobil. Hasil penelitian menunjukkan bahwa konsep HUD dalam penyampaian informasi navigasi tidak membuat koresponden merasa terdistraksi. Analisis hasil kuisioner menunjukkan bahwa warna sian adalah warna yang paling memiliki dampak positif bagi informasi navigasi yang terlihat jelas dan nyaman. Aspek ukuran dari kerangka desain navigasi yang optimal ditunjukkan dengan informasi navigasi berada di dalam lingkaran berdiameter 5,077 cm. Kontribusi dari penelitian ini diharapkan dapat dijadikan referensi untuk diterapkan pada aplikasi navigasi yang menggunakan metode Head-up Display. AbstractDriving a car activity while using navigation is commonly found in people. The navigation device usually displays route guide either on the smartphone’s screen or the head unit. However, the usage of this kind of navigation while driving a car can make a distraction for the driver. This research proposed an alternative solution to minimize distraction and to keep car driver stay on focused while they look at reflected navigation HUD information on the windshield. This research uses Human-Centered Design (HCD) as the method. This research proposes a simple HUD concept to reduce distraction. This HUD Concept uses the car’s windshield as a reflector for navigation arrows. This concept uses a smartphone to project navigation information. This research proposes a framework design of navigation that is clear to see and comfortable from a car driver’s viewpoint. The result of the research shows that the proposed HUD concept to display navigation information on a car’s windshield makes correspondents didn’t feel distracted. Another research result about optimal navigation design framework in color aspect is cyan. The size aspect of the optimal navigation design framework is inside a 5.077 cm diameter circle. The results of this research can be used as a reference for navigation applications that use the HUD method to display navigation information
Film Recommender System Menggunakan Metode Neural Collaborative Filtering
Get PDFPada saat ini media hiburan telah berkembang pesat dan tersedia secara digital. Hiburan khususnya dalam bentuk film semakin tersedia secara luas. Keinginan untuk menikmati hiburan dalam media digital mendorong pengguna internet lain untuk mengunjungi situs-situs yang menawarkan film tertentu, sehingga meningkatkan minat mereka terhadap website yang menawarkan hiburan digital. Tidak semua situs penyedia hiburan digital menyajikan item yang menjanjikan kepuasan pengguna. Sebuah item yang sama tidak tentu akan disukai oleh semua user dan terbatasnya informasi yang disediakan menjadi salah satu kendala bagi pengguna sehingga membutuhkan waktu untuk pengguna menemukan film yang sesuai. Oleh karena itu recommender system dibutuhkan dalam memberikan informasi berdasarkan kebutuhan pengguna. Recommender system akan membantu seorang user dalam mencari sebuah item yang berdasarkan ketertarikan masing-masing dengan memberikan prediksi beberapa item berdasarkan preferensi user yang berasal dari riwayat penilaian user terhadap item tersebut. Recommender system juga telah mengalami kemajuan dalam mengimplementasikan metode. Deep learning yang merupakan salah satu penemuan dalam metode recommender system dirancang untuk mengatasi beberapa kekurangan dari teknlogi lain dan memberikan revolusi arsitektur rekomendasi dalam meningkatkan kinerja dalam pemberian prediksi. Penelitian ini menggunakan pendekatan prediksi Collaborative Filtering dengan mengimplementasikan deep learning berdasarkan teknologi Neural Collaborative Filtering pada dataset MovieLens. Evaluasi model dilakukan menggunakan metrik skor regresi Root Mean Square Error (RMSE). Hasil pada pengujian model menunjukkan hasil terbaik dengan nilai rata-rata loss value sebesar 0,1356 pada fase train dan sebesar 0,8898 pada fase val, dengan learning rate dan batch size memperoleh kinerja terbaik ketika learning rate bernilai 0,001 dan batch size dengan nilai 1024. Abstract At this time entertainment media has become available digitally. Entertainment especially in the form of movies is increasingly widely available. The desire to enjoy entertainment in digital media encourages other internet users to visit sites that offer certain movies, thus increasing interest in websites that offer digital entertainment. Not all digital entertainment provider sites present items that promise user satisfaction. The same item will not necessarily liked by all users and the limited information is one of the obstacles for users so that it takes time for users to find the right film. Therefore, a recommendation system is needed in providing information based on user needs. The recommendation system will help users find items based on their respective interests by providing predictions. The recommender system will help a user find an item based on their respective interests by providing predictions of several items based on user preferences derived from the user\u27s assessment history of the item. The recommendation system has also made progress in implementing the method. Deep learning which is one of the discoveries in the recommender system method is designed to overcome some of the shortcomings of other technologies and provide a recommendation architecture revolution in improving performance in delivery. This study using a Collaborative Filtering prediction approach by implementing deep learning based on Neural Collaborative Filtering technology on the MovieLens dataset. The evaluation of the model was carried out using the Root Mean Square Error regression score metric. The results on the model test show the best results with can average loss value of 0,1356 on the train label and 0,8898 on the val label, with the learning rate and batch size getting the best performance when the learning rate is 0,001 and the batch size is 1024
Optimasi Algoritma Naive Bayes dengan Diskritisasi K-Means pada Diagnosis Penyakit Jantung
Get PDFPenyakit jantung iskemik adalah salah satu jenis penyakit kardiovaskular dengan jumlah penderita yang besar dan menjadi penyebab utama kematian di dunia. Disamping itu, penyakit jantung juga menyebabkan kerugian ekonomi. Diagnosis penyakit jantung pada tahap awal dapat membantu mengurangi risiko kematian dan tingginya biaya perawatan akibat penyakit jantung. Diagnosis penyakit merupakan proses penting yang harus dilakukan secara akurat agar tidak terjadi kesalahan diagnosis. Data mining dapat diterapkan untuk meningkatkan akurasi dan mengurangi jumlah kesalahan diagnosis. Salah satu teknik data mining adalah klasifikasi. Naïve Bayes merupakan algoritma klasifikasi yang memiliki kemampuan yang cukup baik untuk membangun model pengklasifikasi. Pada penelitian ini, dilakukan klasifikasi penyakit jantung menggunakan algoritma Naïve Bayes. Dataset yang digunakan yaitu Cleveland heart disease dataset dari UCI Machine Learning Repository. Untuk meningkatkan akurasi klasifikasi menggunakan algoritma Naive Bayes, atribut kontinu pada dataset diubah menjadi atribut diskrit dengan diskritisasi K-means. Diskritisasi K-means mengubah nilai setiap atribut kontinu menjadi kategori-kategori diskrit berupa cluster sejumlah k yang terbentuk dari proses algoritma K-means. Hal tersebut dilakukan karena algoritma Naïve Bayes menunjukkan kemampuan klasifikasi yang lebih baik apabila menggunakan data masukan berupa diskrit dibanding kontinu. Hasil akurasi yang diperoleh dari algoritma Naïve Bayes tanpa menerapkan diskritisasi K-means pada Cleveland heart disease dataset adalah 86,89%, sedangkan hasil akurasi yang diperoleh dari algoritma Naïve Bayes dengan menerapkan diskritisasi K-means pada Cleveland heart disease dataset adalah 88,52%. Berdasarkan perbandingan akurasi yang dihasilkan, dapat diketahui adanya peningkatan akurasi sebesar 1,63%. Hal tersebut menunjukkan bahwa diskritisasi K-means berperan dalam mengoptimalkan kinerja algoritma Naïve Bayes sehingga menghasilkan akurasi yang lebih baik. Abstract Ischemic heart disease is a type of cardiovascular disease with a large number of sufferers and is the leading cause of death in the world. In addition, heart disease also causes economic losses. Diagnosing heart disease early can help reduce the risk of death and the high costs of treatment for heart disease. Diagnosis of the disease is an important process that must be carried out accurately to avoid misdiagnosis. Data mining can be applied to improve accuracy and reduce the number of misdiagnoses. One of the data mining techniques is classification. Naïve Bayes is a classification algorithm that has a fairly good ability to build a classifier model. In this study, heart disease was classified using the Naïve Bayes algorithm. The dataset used is the Cleveland heart disease dataset from the UCI Machine Learning Repository. To improve classification accuracy using the Naive Bayes algorithm, continuous attributes in the dataset are changed to discrete attributes using K-means discretization. K-means discretization changes the value of each continuous attribute into discrete categories in the form of k clusters formed from the K-means algorithm process. This is done because the Naïve Bayes algorithm shows a better classification ability when it uses discrete rather than continuous input data. The accuracy results obtained from the Naïve Bayes algorithm without applying the K-means discretization to the Cleveland heart disease dataset are 86.89%, while the accuracy results obtained from the Nave Bayes algorithm by applying the K-means discretization to the Cleveland heart disease dataset are 88.52%. . Based on the comparison of the resulting accuracy, it can be seen that there is an increase in accuracy of 1.63%. This shows that K-means discretization plays a role in optimizing the performance of the Naïve Bayes algorithm to produce better accuracy
Implementasi Internet Of Things Pada Sistem Ketersediaan Ruang Parkir Gedung Bertingkat Menggunakan NRF24L01 dan HC-SR04
Get PDFPermasalahan pada sistem di gedung parkir bertingkat salah satunya sulit menemukan ruang parkir yang kosong. Adanya dinding beton tebal dan struktur bangunan dengan beberapa lantai mengakibatkan jarak pandang pencarian ruang parkir berkurang.Berdasarkan hal ini, dibutuhkan sistemuntuk memberi informasi ketersediaan ruang parkir pada tiap lantai gedung parkir bertingkat agar pencarian ruang parkir dapat lebih efektif dan efisien. Sistem ini menggunakan sensor ultrasonik HC-SR04 danmodul transceiver nRF24L01 disertai teknologi Internet of Things agar informasi dapat diakses melalui Thingspeak dan LCD 20x4. Pada implementasinya terdapat 2 client node pada tiap lantai dan 1 sink node pada lantai dasar. Pengiriman informasi dilakukan secara multihop untuk antar lantai (gateway node) dan directly connection antara sub-node dengan gateway node. Hasil pengujian menghasilkan 100% keberhasilan pendeteksian sekaligus verifikasipada tiap ruang parkir. Kinerja nRF24L01 pada komunikasi data internal menghasilkan success delivery ratio 100% dengan rata-rata delay pengiriman kurang dari 6 detik. Tetapi pada pengujian dengan skenario jarak 5m, 10m, 20m, dan 40m secara berturut-turut menghasilkan nilai terendah success delivery ratio sebesar 100%, 96,67%, 76,67% dan 90% dan delay pengiriman keseluruhan kurang dari 8 detik pada jarak 40m. Perutean melalui pengalamatan RF24Network dengan mekanisme multihop berhasil dilakukan. Informasi yang ditampilkan pada LCD 20x4 dan Thingspeak berhasil dilakukan secara keseluruhan, namun pada dua kali pengujian kinerja pengiriman dari sink node menuju Thingspeak hanya menghasilkan success delivery ratio sebesar 64,47% dan 65,65%. AbstractOne of the problems with the system in multi-storey parking buildings is that it is difficult to find an empty parking space. The presence of thick concrete walls and a building structure with several floors resulted in reduced visibility of the search for parking spaces. Based on this, a system is needed to provide information on the availability of parking spaces on each floor of the multi-storey parking building so that the search for parking spaces can be more effective and efficient. This system uses the HC-SR04 ultrasonic sensor and the nRF24L01 transceiver module along with Internet of Things technology so that information can be accessed via Thingspeak and aLCD 20x4. In the implementation there are 2 client nodes on each floor and 1 sink node on the ground floor. Information transmission is carried out in multihop for inter-floor (gateway nodes) and directly connection between sub-nodes and gateway nodes. The test results resulted in 100% successful detection as well as verification in each parking space. The performance of nRF24L01 on internal data communication results in a 100% success delivery ratio with an average delivery delay of less than 6 seconds. However, in testing with scenarios of 5m, 10m, 20m, and 40m distances, respectively, the lowest success delivery ratio values are 100%, 96.67%, 76.67% and 90% and the overall delivery delay is less than 8 seconds at distance 40m. Routing via RF24Network addressing with multihop mechanism was successful. The information displayed on the LCD 20x4 and Thingspeak was successfully carried out as a whole, but in two tests of delivery performance from the sink node to Thingspeak, it only resulted in a success delivery ratio of 64.47% and 65.65%, respectively
Perencanaan Strategis Sistem Informasi Dan Sistem Manajemen Keamanan Informasi Berbasis ISO / IEC 27001 : 2013 Menggunakan Ward & Peppard Pada Perusahaan Transshipment
Get PDFSistem Informasi dewasa ini telah menyebar ke berbagai sektor mulai dari pertanian atau peternakan hingga sektor maritime yaituTransshipment. Transshipment merupakan suatu proses pemindahan muatan dari satu kapal ke kapal lainnya yang dapat dilakukan di tengah laut. Penelitian dilakukan di Perusahaan Transshipment yang sedang berkembang terutama dari segi sistem yang digunakan maupun IT departemen yang belum dimiliki oleh perusahaan ini dengan tujuan untuk mengetahui faktor kekuatan, kelemahan, peluang dan ancaman baik itu dari internal maupun eksternal terhadap sistem informasi yang dimiliki perusahaan sehingga didapatkan hasil berupa blueprint atau portofolio rencana strategi sistem informasi. Penelitian ini dilakukan mulai dari Observasi hingga wawancara beserta kuesioner kepada masing-masing karyawan. Metode Ward & Peppard digunakan dalam menyusun kerangka kerja penelitian dan mengukur Keamanan informasi berdasar ISO / IEC 27001:2013 menggunakan tool Indeks KAMI versi 4.1. Diharapkan hasil penelitian ini dapat membantu perusahaan dalam merancang arsitektur perusahaan, mengembangkan sistem informasi dan IT Departemen yang sejalan dengan visi & misi perusahaan kedepannya