Claim Missing Document
Check
Articles

Rancang Bangun Sistem Pemantauan Kualitas Air Bor Berbasis Internet Of Things Nur Fauziah; Emi Suryadi; Ardiyallah Akbar
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 2 (2025): JOCSTEC - Mei
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i2.430

Abstract

Air adalah senyawa kimia yang sangat vital bagi kehidupan, dan salah satu metode untuk mendapatkan air bersih adalah melalui sumur bor. Meskipun air dari sumur bor sering digunakan untuk keperluan sehari-hari seperti mandi, mencuci, dan memasak, kualitasnya sering kali kurang diperhatikan. Dengan adanya teknologi Internet of Things (IoT), pemantauan kualitas air dapat dilakukan dengan lebih mudah dan efisien. Penelitian ini menggunakan metode prototipe, dengan pengumpulan data yang dilakukan melalui studi pustaka dan observasi. Hasil analisis menunjukkan bahwa sistem pemantauan kualitas air bor berfungsi dengan baik, menampilkan data suhu berkisar antara 10,51-23,99°C (standar suhu normal air bersih idealnya 10-25°C), kekeruhan sebesar 26,52-29,50 NTU (standar maksimum kekeruhan air adalah 25 NTU), dan pH antara 5,17-9,19 (standar pH air adalah 6,5-8,5), yang dapat diakses melalui aplikasi Blynk. Kesimpulannya, air dari sumur bor di beberapa lokasi sampel memenuhi standar kualitas yang ditetapkan oleh Dinas Kesehatan, dengan Arduino dan NodeMCU berfungsi secara optimal dalam memproses serta mengirim data secara real-time.
Peningkatan Keterampilan Bahasa Inggris Berbasis Deep Learning melalui The Santri Glow dan Pelatihan Manajemen Informasi di MA NW Suwangi: Improving the Skills in English Based on Deep Learning through the Santri Glow Application and Information Management Training at MANW Suwangi Pathul Indriana; Emi Suryadi; Zulfan Hadi
DARMADIKSANI Vol 5 No 3 (2025): Edisi November (Special Edition)
Publisher : Jurusan Pendidikan Bahasa dan Seni, FKIP, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/darmadiksani.v5i3.8852

Abstract

Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan keterampilan bahasa Inggris dan kapasitas manajemen informasi digital di MANW Suwangi Lombok Timur melalui penerapan teknologi pembelajaran berbasis Deep Learning menggunakan aplikasi The Santri Glow serta pelatihan pengelolaan situs web sekolah. Program dilaksanakan melalui dua rangkaian pelatihan utama, yaitu pelatihan bahasa Inggris selama dua hari dan pelatihan sistem informasi sekolah bagi operator. Untuk mengukur efektivitas pelatihan bahasa Inggris, dilakukan pre-test dan post-test dengan total 10 butir soal yang mencakup empat keterampilan: Listening, Speaking, Reading, dan Writing. Sebanyak 28 siswa mengikuti tes, dengan rata-rata skor pre-test sebesar 4,21, meningkat menjadi 5,93 pada post-test. Sebanyak 23 siswa mengalami peningkatan, 5 siswa tetap, dan tidak ada siswa yang mengalami penurunan. Analisis per keterampilan juga menunjukkan peningkatan merata, terutama pada Writing dan Speaking. Selain itu, pendampingan pengelolaan situs web sekolah menghasilkan peningkatan kemampuan operator dalam mengelola konten digital, memperbarui informasi sekolah, serta menggunakan platform WordPress secara mandiri. Secara keseluruhan, program PKM ini menunjukkan bahwa pemanfaatan teknologi interaktif yang relevan dengan minat digital siswa mampu meningkatkan motivasi dan kemampuan belajar, sekaligus memperkuat kapasitas sekolah dalam menyediakan layanan informasi yang lebih baik. Hasil ini menjadi landasan untuk pengembangan program lanjutan guna memastikan keberlanjutan dan perluasan dampak teknologi di lingkungan madrasah.
Interpreting Text-Enriched Dual-Head Multitask Learning for Indonesian Hateful Meme Detection Using Explainable AI Selamet Riadi; Emi Suryadi; Muhamad Masjun Efendi; Bahtiar Imran; Muhammad Zamroni Uska
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 5 No. 3 (2026): September 2026 In progress.
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v5i3.576

Abstract

Internet memes in Indonesia are frequently weaponized to disseminate implicithate speech through sarcasm and cultural nuances. Automatically detectingsuch content is computationally challenging, and existing deep learningframeworks predominantly operate as opaque black boxes, lacking decisiontransparency. This study implements and optimizes a text-enriched dual-headmultitask learning architecture utilizing IndoBERTweet to concurrently classifyhatefulness and appropriateness within the INDOMEME dataset. Ratherthan processing raw image pixels, we employ a text-enrichment strategy wherevisual semantics are transcribed into textual descriptors via Optical CharacterRecognition and vision-language captioning. To bridge the interpretability gap,we deploy Local Interpretable Model-agnostic Explanations (LIME) to decodethe internal feature attributions of the architecture. Furthermore, advancedtraining optimizations, encompassing cosine annealing, gradient accumulation,class-weighted loss, and dynamic threshold calibration, were engineered toenhance model generalization. Experimental evaluations demonstrate thatthe optimized model achieves a Macro-F1 score of 0.812 for hatefulness and0.820 for appropriateness, surpassing the established baseline. Crucially, theLIME analysis unveils a pivotal finding: despite sharing an identical textualbackbone, the hate-specific head predominantly focuses on lexicons carryingsocial agitation, whereas the appropriateness head prioritizes general normviolations. These empirical findings substantiate that multitask learning enrichessemantic representation quality, offering a transparent framework fortrustworthy content moderation.