Claim Missing Document
Check
Articles

Optimalisasi Prediksi Parameter Lingkungan Menggunakan Model LSTM Multivariat dan Univariat Nilasari Yunantara, Chandra; April Firman Daru
Bulletin of Computer Science Research Vol. 5 No. 6 (2025): October 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i6.813

Abstract

Environmental parameter prediction plays an essential role in supporting weather monitoring and data-driven decision-making, particularly in urban areas. However, prediction accuracy is often limited by a model’s ability to capture the interrelationships among environmental parameters. This study aims to analyze and compare the performance of two Long Short-Term Memory (LSTM) approaches Multivariate and Univariate in predicting air temperature as the dependent variable. In the Multivariate model, temperature prediction is influenced by other independent variables such as humidity, pressure, and altitude, whereas in the Univariate model, temperature prediction is based solely on its historical data. The model architecture consists of three main layers an input layer, two hidden layers, and an output layer. Model performance was evaluated using Root Mean Square Error (RMSE), Mean Square Error (MSE), and Mean Absolute Percentage Error (MAPE). The experimental results show that the multivariate LSTM model produces lower error values for temperature and pressure parameters, while the univariate LSTM model performs better for humidity and altitude. Therefore, the multivariate model is more suitable when the interrelationships among environmental parameters significantly influence prediction outcomes.
Internet of Things Based Automatic Heigh Detection with Ultrasonic Sensor: Using SMS Gateway for Detection Information April Firman Daru
International Journal of Information Technology and Business Vol. 5 No. 1 (2022): November: International Journal of Information Technology and Business
Publisher : Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/ijiteb.512022.08-13

Abstract

Man-made fish pond is an artificial pond filled with brackish water and located near seawater border to allow mixing with fresh water. These ponds were used as aquaculture for fish, shrimp, shellfish, and others. The success factors are determined by the quantity of brackish water in the pond. If the seawater level not reached 25cm-30cm above normal level, then the seawater can't be flowed into the river. In order to solve the problem, an Internet of Things based model is proposed to assist the onwer to obtain the seawater level information. This research utilized Arduino Uno microcontroller to control the sensor and communication module. This model able to send messages to owner in realtime. The main purpose of this model is to help fish pond owner to get seawater information easily without checking directly.
Twitter Sentiment Analysis Using Natural Language Processing (NLP) Method and Long Short Term Memory (LSTM) Algorithm in the 2024 Indonesian Presidential Election Basworo Ardi Pramono; April Firman Daru; Muhammad Bahrul Ulum
International Journal of Information Technology and Business Vol. 6 No. 2 (2024): April: International Journal of Information Technology and Business
Publisher : Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/ijiteb.622024.24-30

Abstract

Twitter is one of the media used by the Indonesian people to express their opinions regarding the 2024 Presidential Election. However, there is no scientific calculation that can determine the tone of public opinion regarding the 2024 presidential election. In this study, sentiment analysis was carried out on the tweets of the Indonesian people related to the 2024 Presidential Election (Pilpres 2024). The purpose of this study is to find out the opinions of Indonesian Twitter users regarding the 2024 Presidential Election using Natural Language Processing (NLP) Technology and Long Short Term Memory (LSTM) algorithms. NLP techniques are used to understand natural language and extract meaning from tweet copy, and LSTM is used to analyze the accuracy and accuracy of classification. The data used in this study was 1,004 tweets with the topic "Presidential Election", this data researchers obtained through the process of crawling using the tweet harvest library. In this study, 53.2% had positive emotions, 3.5% had neutral emotions, and 43.3% had negative emotions. 78% accuracy, 67% precision, and 67% recall.
Classification of Investment Opportunities in Semarang City Using the K-Nearest Neighbor Data Mining Method Bernadus Very Christioko; Daru, April Firman; Dyan Sinung Prabowo; Alaudin Maulana Hirzan
International Journal of Information Technology and Business Vol. 7 No. 2 (2025): April : International Journal of Information Techonology and Business
Publisher : Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/ijiteb.722025.01-08

Abstract

Investment is an activity undertaken to allocate funds with the expectation of generating future returns. In a dynamic economic environment, identifying profitable investment opportunities can be a complex task. This study aims to determine potential investment opportunities in Semarang City using a classification method that facilitates business actors or investors in selecting appropriate business sectors. The study utilizes valid data to help investors make informed decisions when establishing a business in the region. Data collection was conducted through research at the Investment and One-Stop Integrated Services Agency (DPMPTSP) of Semarang City, employing a quantitative approach with the K-Nearest Neighbor (K-NN) method. The dataset was divided into training and testing sets with an 80:20 ratio. The experimental results show that the implementation of the K-NN algorithm, conducted using Google Colab, achieved an accuracy of 86% based on 60 testing data points. This demonstrates that the K-NN classification algorithm is effective and produces accurate predictions. Therefore, applying data mining classification techniques to identify investment opportunities can serve as a viable solution to support strategic decision-making for investors.their business development strategies with sector-specific prospects in Semarang City.
PELATIHAN PENINGKATAN KEMAMPUAN KENDALI PERANGKAT DENGAN BLYNK DAN MOBILE BAGI GURU SMK WALISONGO Putri, Astrid Novita; Daru, April Firman; Adhiwibowo, Whisnumurti
Jurnal DIMASTIK Vol. 1 No. 1 (2023): Januari
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v1i1.5858

Abstract

Rumah pintar merupakan inovasi Internet of   Thing (IOT), Dimana semua benda atau perabotan rumah sehari-hari yang akrab dengan masyarakat dioptimalkan karena integrasi teknologi dalam bentuk chip serba bisanya,Dalam hal smart home,internet of thing akan hadir dalam rupa barang-barang yang bisa di temui di rumah orang kebanyakan. Aplikasi dari system smart home berbasis (IoT) Internet Of Thing ini menggunakan Node MCU dan menggunakan IOT dan aplikasi android Blynk sebagai monitoring.Selain itu perlunya layanan awan (Cloud) juga membantu pihak industri dalam melakukan pemantauan perangkat-perangkat yang terpasang di mesin-mesin mereka. Dengan layanan awan yang tersambung langsung dengan perangkat Internet of Things ini, industri tidak perlu lagi melakukan agregasi data monitoring sehingga dapat meningkatkan efisiensi dan efektivitas kerja. Namun untuk dapat melakukan pemasangan perangkat Internet of Things sekaligus menghubungkan dengan layanan awan, diperlukan sebuah keahlian khusus di bidangnya. Oleh karena itu untuk dapat meningkatkan jumlah lulusan serta dapat memenuhi kebutuhan industri akan tenaga ahli di bidang Internet of Things ini, SMK Walisongo membutuhkan pelatihan yang mengajarkan bagaimana melakukan instalasi perangkat serta menghubungkannya Node MCU dan BLYNK ke layanan awan. Sehingga dapat meningkat mutu kualitas kurikulum serta minat para siswa di bidang ini. Kegiatan Pengabdian kepada Masyarakat ini memiliki tujuan untuk memberikan pelatihan peningkatan pemahaman para guru dalam hal instalasi perangkat Internet of Things dan konektivitas untuk Sistem Smart Home menggunakan Node MCU dan BLYNK yang terhubung dengan layanan awan yang dapat diimplementasikan di dunia industry    Kata Kunci: Blynk, Mobile, Internet of things, Smart Home, Node MCU
PENINGKATAN KEMAMPUAN PEMANFAATAN SENSOR INTERNET OF THINGS BAGI PARA GURU SMK WALISONGO SEMARANG Hirzan, Alauddin Maulana; Adhiwibowo, Whisnumurti; Daru, April Firman
Jurnal DIMASTIK Vol. 1 No. 2 (2023): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v1i2.7102

Abstract

Sekolah Menengah Kejuruan merupakan Sekolah khusus yang menerapkan ilmu-ilmu langsung yang diterapkan di dunia kerja. Selain dapat membantu para lulusannya dalam menggali hard skill, juga menambahkan pengalaman para siswa sebelum bekerja di dunia industri. Namun sayangnya kebutuhan dunia industri akan lulusan yang ahli dalam bidang Internet of Things sangatlah dibutuhkan. Oleh karena itu, SMK di seluruh Indonesia khususnys SMK Walisongo Semarang, memerlukan pelatihan berkaitan dengan Internet of Things khususnya sensor-sensor yang digunakan industri. Sehingga SMK tersebut dapat menghasilkan lulusan yang diperlukan oleh industri. Dengan permasalahan tersebut, tim pengabdian ini melaksanakan pelatihan berkaitan dengan sensor Internet of Things. Dari hasil yang dilakukan, pelatihan ini secara sukses meningkatkan pemahaman para peserta sebanyak 10% untuk Konsep, 24% untuk Konfigurasi, dan 30% untuk Pemecahan Masalah yang terjadi pada umumnya.
PENINGKATAN KEMAMPUAN MENGGUNAKAN SENSOR PENGUKUR KADAR OKSIGEN DALAM DARAH DENGAN NODE RED UNTUK GURU SMK WALISONGO SEMARANG Surono, Surono; Daru, April Firman; Adhiwibowo, Whisnumurti
Jurnal DIMASTIK Vol. 2 No. 2 (2024): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v2i2.8601

Abstract

Abstrak SMK Walisongo merupakan SMK swasta yang cukup terjangkau secara biaya bagi masyarakat semarang dan merupakan SMK yang menyumbang lulusan-lulusan yang ahli sehinga perlu di bekali kemampuan yang sesui dengan perkembangan dunia secara global. Sehingga pengabdian kepada masyarakat ini memiliki tujuan untuk memberikan pelatihan bagaimana memanfaatkan sensor Max 30100 dengan menggunakan Internet of Things untuk mengukur kadar oksigen yang sering digunakan dalam sektor kesehatan, Internet of Things sudah menjadi bagian daripada kehidupan manusia di masa kini. Teknologi ini terimplementasi di mana pun dan dalam bentuk apapun mulai dari jam pintar hingga smart grid di industri. Dengan memanfaatkan sensor ini diharapkan dapat melakukan antisipasi apabila terjadi hal-hal yang tidak diinginkan. Oleh karena itu dalam menggunakan sensor di sektor kesehatan memerlukan keahlian khusus sehinga kita harapkan PKM ini dapat memberikan tambahan ilmu bagi guru  dan siswa SMK Walosongo. Kata Kunci: Internet of Things, Sensor, Node Red, Kadar Oksigen, MAX 30100
Peningkatan Kemampuan Teknologi Internet of Things Untuk Para Siswa SMA Sint Louis Hirzan, Alauddin Maulana; Daru, April Firman; Huizen, Lenny Margaretta
Jurnal DIMASTIK Vol. 3 No. 2 (2025): Juli
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/dimastik.v3i2.11754

Abstract

Dalam era digital yang semakin berkembang, teknologi Internet of Things (IoT) memiliki peran krusial dalam mendorong efisiensi dan inovasi. Namun, pemahaman siswa SMA Sint Louis tentang IoT masih terbatas, yang dapat menghambat kesiapan mereka dalam menghadapi tantangan teknologi masa depan. Untuk mengatasi hal ini, sebuah kegiatan pengabdian masyarakat dilaksanakan dengan tujuan memperkenalkan konsep dan aplikasi IoT kepada siswa. Metode yang digunakan meliputi penyampaian materi teoretis dan demonstrasi perangkat IoT, yang dilakukan selama dua hari. Evaluasi melalui kuesioner menunjukkan peningkatan signifikan dalam pemahaman siswa tentang IoT, dari 51% sebelum pelatihan menjadi 79% setelah pelatihan. Peningkatan ini mencakup pemahaman konseptual, kemampuan konfigurasi perangkat, dan keterampilan pemecahan masalah. Kegiatan ini diharapkan dapat memperluas wawasan siswa tentang IoT serta mempersiapkan mereka untuk menghadapi perkembangan teknologi di masa depan.