JTT (Jurnal Teknologi Terpadu)
Not a member yet
157 research outputs found
Sort by
Rancang Bangun Website Smartbeez sebagai Platform Edukasi Parenting dan Calistung Anak Berbasis Waterfall
No full textThe development of digital technology has brought convenience to various aspects of life, including education. Websites have become one of the most effective solutions for providing access to learning, especially for parents and children. This study aims to design and develop the SmartBeez website as an educational platform for parenting and basic literacy (reading, writing, and arithmetic) for children, using the Waterfall model. System development consists of several stages, including requirements analysis, system design, implementation, testing, and maintenance. The website targets two main user groups, which are parents and children aged 5 to 12 years. Parents can access parenting materials, while children can learn basic literacy skills through interactive content. Data were collected through observation and literature. The system design is illustrated using Unified Modeling Language (UML) to represent the system flow visually and structurally. Testing was conducted using the black-box testing method to ensure that each feature works according to user needs. The results show that the SmartBeez website can serve as an educational platform that helps parents implement more effective parenting methods, while also providing an engaging and structured learning experience for children.Perkembangan teknologi digital memberikan kemudahan dalam berbagai aspek kehidupan, termasuk di bidang pendidikan. Website menjadi salah satu solusi efektif untuk menyediakan akses pembelajaran, khususnya bagi orang tua dan anak. Penelitian ini bertujuan untuk merancang dan membangun website SmartBeez sebagai platform edukasi parenting dan calistung anak berbasis model Waterfall. Pengembangan sistem dilakukan melalui tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, pengembangan, serta pemeliharaan. Website ini dirancang untuk dua jenis pengguna utama, yaitu orang tua dan anak usia 5 hingga 12 tahun. Orang tua dapat mengakses berbagai materi parenting, sementara anak dapat belajar keterampilan dasar calistung melalui materi interaktif. Data dikumpulkan melalui observasi dan studi pustaka. Desain sistem digambarkan menggunakan Unified Modeling Language (UML) pada draw.io untuk menggambarkan alur sistem secara visual dan terstruktur. Pengujian dilakukan dengan metode black-box testing untuk memastikan bahwa setiap fitur berjalan sesuai dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa website SmartBeez dapat menjadi platform edukasi yang membantu orang tua dalam menerapkan metode parenting yang efektif serta memberikan pengalaman belajar calistung yang menarik bagi anak-anak
Pemanfaatan IoT untuk Efisiensi Energi pada Pabrik Pintar: Tantangan, Solusi dan Tren Teknologi
No full textThis study investigates the role of the Internet of Things in enhancing energy efficiency within smart factories by analyzing current trends, driving factors, and challenges. A Systematic Literature Review with the PRISMA framework was employed to ensure systematic and comprehensive selection of studies. The PICO framework guided the formulation of research questions, facilitating rigorous screening of data sourced from the Scopus database with strict inclusion and exclusion criteria. Findings reveal a substantial increase in IoT-related energy efficiency research in smart factories between 2019 and 2025. Key challenges identified include high sensor energy consumption, communication reliability, and network management complexity. Research limitations stem from the exclusive use of the Scopus database and English-language publications. The study highlights the necessity of interdisciplinary approaches and advanced technologies such as 5G and edge computing to address integration and data security issues, thereby supporting the effective and sustainable deployment of IoT in the manufacturing sector.Penelitian ini mengkaji peran Internet of Things dalam meningkatkan efisiensi energi pada pabrik pintar dengan menganalisis tren, faktor pendorong, dan tantangan terkini. Metode yang digunakan adalah Systematic Literature Review dengan kerangka kerja PRISMA untuk memastikan seleksi studi yang sistematis dan terpadu. Penerapan kerangka PICO dalam perumusan pertanyaan penelitian memandu penyaringan data dari database Scopus dengan kriteria inklusi dan eksklusi ketat. Hasil menunjukkan peningkatan signifikan dalam publikasi penelitian IoT untuk efisiensi energi di pabrik pintar selama tahun 2019-2025. Tantangan utama meliputi konsumsi energi sensor yang tinggi, keandalan komunikasi, serta kompleksitas manajemen jaringan. Keterbatasan penelitian terkait penggunaan sumber data yang terbatas pada database Scopus dan publikasi berbahasa Inggris. Penelitian ini menekankan perlunya pendekatan interdisipliner dan teknologi canggih seperti 5G dan edge computing untuk mengatasi isu integrasi serta keamanan data guna mendukung implementasi IoT yang efektif dan berkelanjutan di sektor manufaktur
Sistem Penilaian Kinerja untuk Pengembangan SDM pada PT SIT Global Systems dengan Metode AHP
No full textAn objective and structured employee performance assessment is critical in supporting human resource (HR) development in the company. This study aims to design a decision support system (DSS) with the Analytical Hierarchy Process (AHP) method to assist PT SIT Global Systems in conducting comprehensive employee performance assessments. The AHP method was chosen because it produces consistent calculations based on the weighting of predetermined criteria and sub-criteria, thereby reducing subjectivity in the assessment process. This system is built using the NetBeans application with the Java programming language and uses MySQL as a database to manage and store all employee assessment data. This application allows users to manage employee data, calculate employee final grades, and generate assessment reports. With this system, the assessment result can be used as a basis for decision-making related to further HR development. This system is expected to support management in improving the company’s HR performance.Penilaian kinerja karyawan yang objektif dan terstruktur sangat penting dalam mendukung pengembangan sumber daya manusia (SDM) di perusahaan. Penelitian ini bertujuan untuk merancang sistem penunjang keputusan (SPK) dengan metode Analytical Hierarchy Process (AHP) guna membantu PT SIT Global Systems dalam melakukan penilaian kinerja karyawan secara menyeluruh. Metode AHP dipilih karena mampu menghasilkan perhitungan yang konsisten berdasarkan pembobotan kriteria dan subkriteria yang telah ditentukan, sehingga dapat mengurangi subjektivitas dalam proses penilaian. Sistem ini dibangun menggunakan aplikasi NetBeans dengan bahasa pemrograman Java, serta menggunakan MySQL sebagai basis data untuk mengelola dan menyimpan seluruh data penilaian karyawan. Aplikasi ini memungkinkan pengguna untuk mengelola data karyawan, menghitung nilai akhir karyawan, dan menghasilkan laporan penilaian. Dengan sistem ini, proses penilaian dapat dilakukan secara lebih efisien, transparan, dan terdokumentasi dengan baik. Hasil penilaian dapat dijadikan sebagai dasar dalam pengambilan keputusan terkait pengembangan SDM lebih lanjut. Sistem ini diharapkan mampu mendukung manajemen dalam meningkatkan kinerja SDM perusahaan
Sistem Klasifikasi Berbasis Android untuk Penyakit Buah Kakao Menggunakan CNN NasNet-Mobile
Full text linkCocoa is an important commodity in Indonesia that is susceptible to pathogen-induced diseases. These diseases reduce fruit quality and are difficult to recognise at an early stage. This research uses a Convolutional Neural Network (CNN) method with a transfer learning approach and NASNet-Mobile architecture to facilitate the classification of cocoa fruit diseases. The data consisted of 2000 images of diseased and non-diseased cocoa pods divided into four classes, namely Cocoa Pod Rot (Black Pod), Fruit Sucking Ladybugs (Helopeltis sp), Fruit Borer (Pod Borer) and Normal. Training was conducted for 25 epochs using Google Colab. The best model produced 99.11% training accuracy, 96.14% validation, and 94.88% testing. The model was implemented into an Android device and field tested with 93.33% accuracy, 98.5% recall, 57.1% precision, and 71.6% F1-score. This system is effective in helping early detection of cocoa pod disease in a practical, efficient manner without reducing the accuracy value.Kakao merupakan komoditas penting di Indonesia yang rentan terhadap penyakit yang diakibatkan patogen. Penyakit ini menurunkan kualitas buah dan sulit dikenali pada tahap awal. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning dan arsitektur NASNet-Mobile untuk memudahkan klasifikasi penyakit buah kakao. Data terdiri dari 2000 citra buah kakao berpenyakit dan tidak berpenyakit yang terbagi dalam empat kelas yaitu Busuk Buah Kakao (Black Pod), Kepik Penghisap Buah (Helopeltis sp), dan Penggerek Buah (Pod Borer) dan Normal. Pelatihan dilakukan selama 25 epoch menggunakan Google Colab. Model terbaik menghasilkan akurasi pelatihan 99,11%, validasi 96,14%, dan pengujian 94,88%. Model diimplementasikan ke dalam perangkat android dan diuji di lapangan dengan akurasi 93,33%, recall 98,5%, presisi 57,1%, dan f1-score 71,6%. Sistem ini efektif membantu deteksi dini penyakit buah kakao secara praktis, efisien tanpa mengurangi nilai akurasi
Klasifikasi Penyakit Daun Singkong Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur VGG16 Berbasis Android
No full textCassava plants play an important role as a national food source. However, their productivity has declined in recent years due to leaf disease. Manual disease identification is often inaccurate and slow. This study aims to develop an automatic classification system based on digital images to detect cassava leaf disease quickly and accurately. The method used is a Convolutional Neural Network (CNN) with a VGG16 architecture. The system was developed following the CRISP-DM approach and uses tools such as Python, Keras, TensorFlow, and TensorFlow Lite for integration into Android. The model was trained to recognize five leaf conditions: brown spots, bacterial blight, green mite, mosaic, and healthy. Testing over 50 epochs showed an accuracy of 96%, with precision, recall, and F1-score ranging from 0.93 to 0.98. This approach is superior to the research by Setyanto and Ariatmanto, which only achieved an accuracy of 72.84%. This system helps farmers perform early diagnosis by taking or uploading photos of leaves, enabling more effective disease control.Tanaman singkong berperan penting sebagai sumber pangan nasional. Namun, produktivitasnya menurun dalam beberapa tahun terakhir akibat penyakit daun. Identifikasi penyakit secara manual sering tidak akurat dan lambat. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis berbasis citra digital untuk mendeteksi penyakit daun singkong secara cepat dan akurat. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur VGG16. Sistem dikembangkan mengikuti pendekatan CRISP-DM dan menggunakan tools seperti Python, Keras, TensorFlow, dan TensorFlow Lite untuk integrasi ke Android. Model dilatih untuk mengenali lima kondisi daun: brown spots, bacterial blight, green mite, mosaic, dan healthy. Pengujian selama 50 epoch menunjukkan akurasi sebesar 96%, dengan precision, recall, dan F1-score pada kisaran 0,93–0,98. Pendekatan ini lebih baik dibandingkan penelitian oleh Setyanto dan Ariatmanto yang hanya mencapai akurasi 72,84%. Sistem ini membantu petani melakukan diagnosis dini melalui pengambilan atau unggah foto daun, sehingga pengendalian penyakit dapat dilakukan secara lebih efektif
Sistem Rekomendasi Kuliner Ikonik Kota Solo Menggunakan Metode Content Based Filtering
No full textContent-Based Filtering is a user-independent method, meaning it does not rely on whether an item is new or previously selected by other users. This study aims to design and develop a recommendation system for iconic culinary places in Solo City using the Content-Based Filtering method. The system helps tourists find culinary options based on individual preferences such as food name, rating, and price. Culinary data was collected through web scraping from Google Maps using the Instant Data Scraper extension. The data is processed using the TF-IDF algorithm and cosine similarity to calculate the similarity between content features. The system development follows the Rational Unified Process (RUP) with four phases: inception, elaboration, construction, and transition. It is built using PHP with the Laravel framework and MySQL database. The system provides a list of culinary recommendations complete with images, names, ratings, addresses, and prices. Black-box testing on six main scenarios showed 100% success, proving the system meets functional requirements. The final recommendation results show a similarity score above 70%, indicating accurate and relevant suggestions. This system helps users discover Solo's iconic culinary spots more efficiently and according to their preferences.Metode Content based filltering bersifat user independence yang berarti tidak bergantung apakah item tersebut merupakan item baru (yang belum pernah dipilih pengguna mana pun) ataupun item lama. Penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi tempat kuliner ikonik di Kota Solo dengan menggunakan metode Content-Based Filtering. Sistem dikembangkan untuk memudahkan wisatawan dalam menemukan rekomendasi kuliner yang sesuai dengan preferensi individu, seperti nama makanan, rating, dan harga. Data kuliner diperoleh melalui scraping dari Google Maps menggunakan ekstensi Instant Data Scraper, kemudian diolah menggunakan algoritma TF-IDF dan cosine similarity untuk menghitung kemiripan antar fitur konten. Pengembangan sistem menggunakan pendekatan Rational Unified Process (RUP) terdiri dari empat tahapan: inception, elaboration, construction, dan transition. Sistem dibangun menggunakan bahasa pemrograman PHP dengan framework Laravel dan basis data MySQL. Hasil sistem berupa daftar rekomendasi kuliner yang ditampilkan lengkap dengan informasi gambar, nama, rating, alamat, serta harga. Pengujian menggunakan metode black-box pada enam skenario utama menghasilkan tingkat keberhasilan 100%, menunjukkan sistem berfungsi sesuai kebutuhan. Skor akhir hasil rekomendasi menunjukkan tingkat kemiripan di atas 70%, yang mengindikasikan bahwa sistem mampu memberikan rekomendasi yang relevan dengan preferensi pengguna secara akurat. Dengan adanya sistem ini, pengguna dapat memperoleh informasi kuliner khas Solo secara lebih cepat, efisien, dan sesuai preferensi
Sistem Pendukung Keputusan (SPK) Karyawan Tetap PT. Global Autoparts Pratama dengan Metode TOPSIS
Full text linkPT. Global Autoparts is a company engaged in the distribution of car spare parts, the selection process for permanent employees still uses an assessment form. The purpose of this study is to determine the permanent employees who are in the first ranking order. The TOPSIS method is used because of its simple and easy-to-understand mathematical concept, its computational efficiency and its ability to measure the relative performance of decision alternatives into a simple mathematical form. The TOPSIS method uses ranking based on the results of the assessment form, so the system no longer needs to sort the data from the largest to the smallest values during the value data processing process and the results presented by the system can be printed in the form of a report. The final result of the selection value in determining the permanent employees who are in the first ranking order, namely A03 named "Paulina" with a preference value of 0.648 who gets the highest preference result value (Vi). The conclusion states that the employee named "Paulina" is entitled to become a permanent employee at PT. Global Autoparts Pratama from the 10 employee data that have been selected.PT. Global Autoparts salah satu usaha yang bergerak dibidang distribusi suku cadang mobil, proses seleksi karyawan tetap masih menggunakan form penilaian. Tujuan penelitian ini untuk menentukan karyawan tertap yang terdapat pada urutan ranking pertama. Metode TOPSIS digunakan karena konsep matematis yang sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan untuk mengukur kinerja relatif dari alternatif-alternatif keputusan ke dalam bentuk matematis yang sederhan. Metode TOPSIS menggunakan perankingan berdasarkan perolehan hasil form penilaian, sehingga sistem tidak perlu lagi melakukan sortir data nilai terbesar hingga terkecil pada saat proses pengolahan data nilai dan hasil nilai yang disajikan oleh sistem dapat dicetak dalam bentuk laporan. Hasil akhir nilai seleksi pada penentuan karyawan tetap yang terdapat pada urutan ranking pertama, yaitu A03 yang bernama “Paulina” dengan nilai preferensi 0,648 yang mendapatkan nilai hasil preferensi (Vi) tertinggi. Kesimpulan menyatakan bahwa karyawan yang bernama “Paulina” berhak menjadi karyawan tetap di PT. Global Autoparts Pratama dari 10 data karyawan yang telah di seleksi
Sistem Perangkingan Menentukan Fakultas Terbaik Penerapan Zona Integritas Menggunakan Metode SAW
Full text linkThe Integrity Zone (ZI) is defined as a designation given to government institutions that demonstrate a strong commitment from their leadership and all levels in realising a Corruption-Free Area (WBK) and/or a Clean and Serving Bureaucracy Area (WBBM). This commitment is realised through bureaucratic reform, particularly in encouraging the prevention of corrupt practices and improving the quality of public services. The purpose of this study is to build a system that will be used to see the ranking of the implementation of the faculty Integrity Zone in an effort to support corruption prevention and improve the quality of public services, so that it can assist stakeholders in decision making. Simple Additive Weighting (SAW) was applied in this study involving 7 Faculties at Medan State University, and 8 criteria were used for evaluation. The results of the study are a website-based Integrity Zone ranking system with several features that can be accessed by visitors, namely: Home, Ranking and Login, while the admin can access the Dashboard, Criteria, Alternatives, Simple Additive Weighting Calculation, and Decision Results features. The system was tested with Black Box Testing to see that the menu functions run well.Zona Integritas (ZI) didefinisikan sebagai predikat yang diberikan kepada institusi pemerintahan yang menunjukkan komitmen kuat dari pimpinan dan seluruh jajaran dalam mengimplementasikan Wilayah Bebas dari Korupsi (WBK) dan/atau Wilayah Birokrasi Bersih dan Melayani (WBBM). Komitmen ini diwujudkan melalui reformasi birokrasi, khususnya dalam mendorong pencegahan praktik korupsi serta peningkatan mutu layanan kepada masyarakat. Tujuan penelitian ini adalah membangun sebuah sistem yang akan digunakan untuk melihat peringkat penerapan Zona Integritas fakultas dalam upaya mendukung pencegahan korupsi dan peningkatan kualitas pelayanan publik sehingga membantu pemangku kepentingan dalam pengambilan keputusan. Simple Additive Weighting (SAW) diterapkan dalam penelitian ini dengan melibatkan 7. Fakultas yang ada di Universitas Negeri Medan dan 8 kriteria yang digunakan untuk evaluasi. Hasil penelitian berupa sistem perangkingan Zona Integritas berbasis website dengan beberapa fitur yang dapat diakses oleh pengunjung yaitu: Home, Ranking dan Login sedangkan admin dapat mengakses fitur Dashboard, Kriteria, Alternatif, Perhitungan Simple Additive Weighting dan Hasil Keputusan. Sistem diuji dengan Black Box Testing melihat fungsi menu sudah berjalan dengan baik
Pengembangan Sistem Informasi Akreditasi Program Studi Berbasis Web di Fakultas Teknik Universitas Udayana
Full text linkThe accreditation process is vital for study programs to gain recognition for their performance. Accreditation applications require supplementary data to support the Program Performance Report (LKPS) and develop the Self-Evaluation Report (LED). At the Faculty of Engineering, Udayana University (FT Unud), data collection is still conducted manually, leading to inefficiencies. This study aims to develop SIAP 4.0, a web-based accreditation support system for study programs at FT Unud, adhering to Decree No. 186/M/2021 issued by Kepmendikbudristek. Using the Waterfall methodology, the system was designed through stages including requirements definition, analysis, design, coding, testing, and maintenance. The system was built with the PHP Laravel framework, HTML, jQuery, and MySQL, and deployed on the Amazon Web Service EC2 Instance server. To ensure data security, user access to SIAP 4.0 is managed through registration and admin authorization. The system offers three core features: data input, visualization, and export, simplifying centralized and up-to-date data management. These functionalities enable efficient addition, editing, and deletion of accreditation data, improving the overall accreditation process at FT Unud.Pengajuan akreditasi merupakan proses penting bagi program studi untuk memperoleh pengakuan atas kinerjanya. Proses ini memerlukan data pendukung sebagai pelengkap Laporan Kinerja Program Studi (LKPS) dan panduan penyusunan Laporan Evaluasi Diri (LED). Di Fakultas Teknik Universitas Udayana (FT Unud), pengumpulan data pendukung masih dilakukan secara manual, sehingga memakan waktu. Penelitian ini bertujuan mengembangkan web berbasis sistem informasi pendukung akreditasi program studi FT Unud, yang disebut SIAP 4.0, sesuai Kepmendikbudristek No. 186/M/2021. Pengembangan menggunakan metode Waterfall, meliputi tahap kebutuhan sistem, analisis, desain, coding, testing, dan maintenance. Framework PHP Laravel, bahasa pemrograman HTML, jQuery, MySQL, serta server Amazon Web Service EC2 Instance digunakan untuk pengembangan dan deployment. SIAP 4.0 menjamin keamanan data melalui ID dan password akun pengguna yang didaftarkan kepada administrator. Sistem ini memiliki tiga fitur utama: input, visualisasi, dan ekspor data, yang memudahkan penyimpanan data secara terpusat dan mutakhir. SIAP 4.0 mendukung penambahan, pengeditan, serta penghapusan data, sehingga mempercepat dan meningkatkan efisiensi proses akreditasi di FT Unud
Komparasi Algoritma Machine Learning dalam Memprediksi Kapasitas Produksi Potensial Air Bersih di Indonesia
Full text linkClean water availability is a key indicator of sustainable development, particularly in developing countries like Indonesia. Factors such as population growth, climate change, and urbanization contribute to fluctuations in clean water supply. This study aims to estimate the potential for clean water production in Indonesia using various machine learning algorithms, such as Linear Regression, Decision Tree, Random Forest, Multilayer Perceptron, XGBoost (Extreme Gradient Boosting), and Neural Network. Each algorithm was evaluated based on Mean Squared Error (MSE), Mean Absolute Error (MAE), R-squared (R²), and prediction accuracy. The results show that Linear Regression achieved the lowest MSE (9.31E-18), nearly zero, indicating extremely accurate predictions. Neural Network and Multilayer Perceptron also performed well, with MSE values of 0.00010898 and 0.00018004, respectively. Moreover, Linear Regression and Neural Network achieved R² scores of 1 and 0.9905, suggesting they can explain nearly all variability in the target data. These findings highlight the effectiveness of Linear Regression, Neural Network, and Multilayer Perceptron in modeling clean water production capacity. Therefore, these algorithms are recommended as the most reliable approaches for supporting data-driven decisions in clean water resource planning and management in Indonesia.Ketersediaan air bersih merupakan indikator penting dalam pembangunan berkelanjutan, terutama di negara berkembang seperti Indonesia. Pertumbuhan penduduk, perubahan iklim, dan urbanisasi menyebabkan fluktuasi dalam ketersediaan air bersih. Penelitian ini bertujuan untuk memperkirakan potensi produksi air bersih di Indonesia menggunakan algoritma pembelajaran mesin, seperti Regresi Linier, Decision Tree, Random Forest, Multilayer Perceptron, XGBoost (Extreme Gradient Boosting), dan Neural Network. Setiap algoritma dievaluasi dan dibandingkan berdasarkan Mean Squared Error (MSE), koefisien determinasi (R²), Mean Absolute Error (MAE), dan tingkat akurasi prediksi. Berdasarkan hasil evaluasi kinerja dari masing-masing algoritma, maka terlihat Regresi Linier memiliki nilai MSE yang sangat rendah (9.31E-18), hampir mendekati nol, yang menunjukkan bahwa model ini sangat tepat dalam memprediksi target pada dataset ini. Neural Network dan Multilayer Perceptron juga memiliki MSE yang sangat rendah, yaitu 0.00010898 dan 0.0001800368, yang menunjukkan performa model yang sangat baik dengan error yang sangat kecil. Regresi Linier dan Neural Network mencapai nilai R² = 1 dan 0.9905, yang berarti model ini dapat menjelaskan hampir 100% variasi dari data target, menunjukkan prediksi yang sangat akurat. Secara keseluruhan, Regresi Linier, Neural Network, dan Multilayer Perceptron dapat direkomendasikan sebagai algoritma yang paling efektif untuk prediksi kapasitas produksi air bersih di Indonesia