Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Gautama Wijaya
Universitas International Batam
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Analisis Kinerja Smart Door Hybrid Haar Cascade dan ArcFace pada Raspberry Gautama Wijaya; Stefanus Eko Prasetyo; Haeruddin Haeruddin; Kevin Kevin
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3537

Abstract

Implementing biometric security systems on deep learning devices faces a major challenge in balancing identity verification accuracy with computational resource efficiency. This study presents a performance analysis of a Raspberry Pi 5-based Smartdoor system integrating the detection speed of Haar Cascade with the recognition accuracy of ArcFace. System performance was evaluated based on RAM usage, CPU load, FPS stability, and access Success Rate parameters. Empirical evaluation results indicate that integrating Deep learning ArcFace increased RAM usage by 33.7% and CPU load from 33% to 53%. However, due to the processing capacity of the Raspberry Pi 5, the system maintained stable real-time performance with an average of 18.3 FPS. In terms of security, the Hybrid method proved superior with an access success rate of 73.7%, surpassing the conventional Haar Cascade method which only reached 68.4%. This study concludes that the Hybrid method is a viable solution for home security systems, where the increased computational load is justified by a significant improvement in identity verification reliability.Keyword: Raspberry Pi 5; Smartdoor; Haar Cascade; ArcFace; Computational Performance. AbstrakImplementasi sistem keamanan biometrik pada perangkat deep learning menghadapi tantangan utama dalam menyeimbangkan akurasi verifikasi dengan efisiensi sumber daya. Penelitian ini menyajikan analisis kinerja sistem Smartdoor berbasis Raspberry Pi 5 yang mengintegrasikan kecepatan deteksi Haar Cascade dengan akurasi pengenalan wajah ArcFace. Kinerja sistem dievaluasi berdasarkan parameter penggunaan RAM, beban CPU, stabilitas FPS, dan tingkat keberhasilan akses. Hasil evaluasi empiris menunjukkan bahwa integrasi Deep learning ArcFace meningkatkan penggunaan RAM sebesar 33,7% dan beban CPU dari 33% menjadi 53%. Namun, berkat kapasitas pemrosesan Raspberry Pi 5, sistem mampu mempertahankan stabilitas kinerja real-time dengan rata-rata 18,3 FPS. Dari segi keamanan, metode Hybrid terbukti lebih unggul dengan akurasi pengenalan wajah sebesar 73,7%, melampaui metode konvensional Haar Cascade yang hanya mencapai 68,4%. Penelitian ini menyimpulkan bahwa metode Hybrid merupakan solusi yang layak untuk sistem keamanan rumah, di mana peningkatan beban komputasi terbayar dengan peningkatan reliabilitas verifikasi identitas yang signifikan. 
Implementasi Algoritma ARIMA dan LSTM pada Dashboard Prediksi Saham Berbasis Web Gautama Wijaya; Haeruddin Haeruddin; Louis Lim
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3514

Abstract

The volatility of banking stock prices poses challenges for investors in making the right analytical decisions, especially due to the lack of availability of flexible and data-based prediction tools. This research aims to design and build a web-based stock price prediction system that integrates two algorithms at once, namely Autoregressive Integrated Moving Average (ARIMA) and Long Short-Term Memory (LSTM), in one integrated dashboard. The system development is carried out using the System Development Life Cycle (SDLC) method of the Waterfall model, covering the stages of needs analysis, design, implementation, and testing. The system leverages the Yahoo Finance API for automatic market data updates, eliminating reliance on manual file uploads. The test results showed that all functional features were valid, and the accuracy evaluation on BBCA shares proved that LSTM produced a Mean Absolute Percentage Error (MAPE) value of 1.12%, superior to ARIMA which obtained a MAPE of 1.85%. The system provides investors with greater analytical flexibility.Keywords: Stock Prediction; Multi-Model; Yahoo Finance API; Web-Based; Waterfall. AbstrakVolatilitas harga saham perbankan menimbulkan tantangan bagi investor dalam mengambil keputusan analitis yang tepat, terutama akibat minimnya ketersediaan alat bantu prediksi yang fleksibel dan berbasis data terkini. Penelitian ini bertujuan merancang dan membangun sistem prediksi harga saham berbasis web yang mengintegrasikan dua algoritma sekaligus, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM), dalam satu dashboard terpadu. Pengembangan sistem dilakukan menggunakan metode System Development Life Cycle (SDLC) model Waterfall, mencakup tahap analisis kebutuhan, desain, implementasi, dan pengujian. Sistem memanfaatkan Yahoo Finance API untuk pembaruan data pasar secara otomatis, sehingga menghilangkan ketergantungan pada unggah file manual. Hasil pengujian menunjukkan seluruh fitur fungsional berjalan valid, dan evaluasi akurasi pada saham BBCA membuktikan bahwa LSTM menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,12%, lebih unggul dibandingkan ARIMA yang memperoleh MAPE 1,85%. Sistem ini memberikan fleksibilitas analisis yang lebih luas bagi investor. 
Analisis Threshold Intensitas Cahaya Otomasi Lampu untuk Efisiensi Energi Rumah Tangga Gautama Wijaya; Stefanus Eko Prasetyo; Yodi Salim Putra
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3532

Abstract

Inefficiency in household energy consumption is frequently driven by human error in lighting system management. This study aims to analyze the effect of varying light intensity thresholds on electrical energy consumption using the Tinkercad simulation platform. An experimental method with a multi-treatment design was employed, comparing the baseline phase against three threshold variations: 30 lx, 50 lx, and 70 lx. The Tinkercad platform was utilized to simulate environmental variable control in a measurable manner, providing consistent initial data as a representation of system behavior. The energy consumption parameter was measured in Watt-hours (Wh) based on the load's operational duration, recorded via the millis() function on the microcontroller. Statistical analysis using One-Way ANOVA indicated significant differences in energy consumption across all treatment groups (p < 0.05). The research findings conclude that a 50 lx threshold represents the optimal equilibrium point, as it achieves significant energy efficiency while maintaining visual comfort standards in accordance with the SNI 6197:2011 regulation. Keywords: Energy Efficiency; Lighting Automation; Tinkercad; Lx Threshold; SNI 6197:2011.  AbstrakKetidakefisienan penggunaan energi pada sektor rumah tangga sering kali dipicu oleh faktor kelalaian manusia (human error) dalam pengelolaan sistem penerangan. Penelitian ini bertujuan untuk menganalisis pengaruh variasi ambang batas (threshold) intensitas cahaya terhadap konsumsi energi listrik melalui platform simulasi Tinkercad. Metode penelitian yang digunakan adalah eksperimental dengan desain Multi treatment yang membandingkan fase baseline terhadap tiga variasi perlakuan threshold: 30 lx, 50 lx, dan 70 lx. Platform Tinkercad digunakan untuk mensimulasikan kontrol variabel lingkungan secara terukur, sehingga diperoleh data awal yang konsisten sebagai representasi perilaku sistem. Parameter konsumsi energi diukur dalam satuan Watt-hour (Wh) berdasarkan durasi operasional beban yang dicatat melalui fungsi millis() pada mikrokontroler. Hasil uji statistik menggunakan One-Way ANOVA menunjukkan adanya perbedaan signifikan pada konsumsi energi di antara seluruh kelompok perlakuan (p < 0,05). Temuan penelitian menyimpulkan bahwa ambang batas 50 lx merupakan titik ekuilibrium yang optimal, karena mampu menghasilkan efisiensi energi yang signifikan sekaligus memenuhi standar kenyamanan visual sesuai regulasi SNI 6197:2011. 
Co-Authors Haeruddin, . Kevin Kevin Louis Lim Prasetyo, Stefanus Eko Stefanus Eko Prasetyo Yodi Salim Putra