Claim Missing Document
Check
Articles

Found 34 Documents
Search

PENINGKATAN KEAMANAN DATA END-TO-END SMART DOOR MENGGUNAKAN ADVANCED ENCRYPTION STANDARD Adhiwibowo, Whisnumurti; Hirzan, Alauddin Maulana; Suprayogi, Muhammad Sani
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 6 No. 2 (2022)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v6i2.574

Abstract

Smart Home is one form of implementation of Internet of Things technology in the form of smart homes that can carry out management, monitoring, even reporting. In addition, smart homes can be equipped with security equipment such as Smart Door that can open or lock the door automatically when recognizing the homeowner's face. However, the current Smart Door model has a disadvantage where the stored data on the server and the device are not secured end-to-end. The homeowners' image data on the device is not encrypted with a specific algorithm and validation. Thus, the outside parties can use this high-risk problem to enter the house unnoticed. They disguised themselves as the homeowner by entering false data on the device. Based on this problem, this study has a purpose to increase the model's end-to-end security by implementing the Advanced Encryption Standard algorithm. In addition to increase the security level, the Truncated Decimal-converted SHA-1 checksum validation is added to prevent modifications in each image data. From the results of the model comparison experiment, there was an increase in device resource needs as much as 0.81% increase in process time; 18% CPU usage; 5.3% data usage; and 5.04% for the use of the entire process of memory. But the increase in performance needs is not comparable to the security features presented by the Advanced Encryption Standard algorithm in securing data and servers. So that with improvisation this security is expected to improve the data security of homeowners from outside parties.
Internet of things based seasonal auto regression integrated moving average model for hydroponic water quality prediction Daru, April Firman; Susanto, Susanto; Adhiwibowo, Whisnumurti; Hirzan, Alauddin Maulana
International Journal of Advances in Applied Sciences Vol 14, No 1: March 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijaas.v14.i1.pp123-131

Abstract

Technological progress significantly impacts agriculture, with the rapid expansion of industrial and residential areas leading to a scarcity of agricultural land. Modern farming techniques like hydroponics have emerged as a solution, allowing plant growth with water as a medium. Real-time monitoring of water quality is crucial for hydroponic systems. Lettuce (Lactuca sativa) is particularly compatible with hydroponics due to its short growth cycle and nutritional value. Key factors for successful cultivation include maintaining pH, temperature, and nutrient levels within optimal ranges. To address water quality monitoring complexities, internet of things (IoT) technology offers a promising solution. IoT devices autonomously gather environmental metrics such as temperature, pH, humidity, and nutrient concentrations. This study integrates an IoT-driven hydroponic water quality monitoring system using the seasonal auto-regressive integrated moving average (SARIMA) algorithm and the ESP32 microcontroller. This approach allows real-time water quality management, enhancing lettuce cultivation efficiency and productivity. The proposed model achieved 98.6% accuracy, effectively predicting water quality.
Hybrid Filtering for Student Major Recommendation: A Comparative Study Nurtriana Hidayati; Titin Winarti; Alauddin Maulana Hirzan
Advance Sustainable Science Engineering and Technology Vol. 7 No. 1 (2025): November-January
Publisher : Science and Technology Research Centre Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/asset.v7i1.1250

Abstract

Choosing the right university major is an important decision for students, as delays or incorrect choices can harm their future careers and cause problems for academic departments. High dropout rates, which are frequently the result of poorly informed decisions, can be a considerable burden on faculty. This project aims to address these challenges by creating a recommendation system that provides individualized counsel to students based on their psychological profiles. A quantitative method was used, with questionnaires distributed to a large number of students. To verify the data's authenticity, replies were sought from students who were pleased with their selected majors rather than those who regretted their choices. The collected data formed the basis for a hybrid recommendation system that integrated Content-based Filtering and Collaborative Filtering methods. The system was then compared against standalone implementations of each filtering method to determine its usefulness in increasing suggestion accuracy. The results showed that the Hybrid Filtering strategy obtained a recommendation accuracy of 84.29%, outperforming Content-based  Filtering at 81.43% and Collaborative Filtering at 78.57%. The proposed model is easy to implement in a school or a university, as long as the required data is available. Thus, the model can help a school or university to reduce dropout rates and boost academic outcomes.
Peningkatan Kemampuan Pemanfaatan Canva Untuk Kreasi Digital Di SMK Walisongo Semarang Hirzan, Alauddin Maulana; Daru, April Firman; Hartanto, Agus
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 2 (2025): MEI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i2.2904

Abstract

Pelatihan desain grafis berbasis Canva untuk siswa SMK Walisongo Semarang bertujuan untuk meningkatkan keterampilan desain grafis yang relevan dengan kebutuhan industri digital. Metode pelatihan yang digunakan merupakan kombinasi ceramah dan praktikum berbasis asistensi. Ceramah menyampaikan teori dasar desain grafis dan pengenalan platform Canva, sementara praktikum memberikan kesempatan bagi siswa untuk mengaplikasikan pengetahuan dalam proyek desain yang relevan. Hasil dari kuesioner pra dan pasca pelatihan menunjukkan adanya peningkatan yang signifikan dalam pemahaman peserta. Skor pada aspek teori sedikit menurun dari 94% menjadi 90%, namun pemahaman desain meningkat dari 78% menjadi 82%, dan pemahaman produksi file/output melonjak drastis dari 52% menjadi 94%. Peningkatan ini menunjukkan bahwa pelatihan berhasil meningkatkan keterampilan teknis dan pemahaman peserta, memungkinkan mereka untuk mengaplikasikan konsep desain secara efektif dan menghasilkan output yang siap digunakan. Evaluasi ini juga mengindikasikan bahwa metode pelatihan berbasis praktikum dan asistensi sangat efektif dalam meningkatkan kepercayaan diri dan keterampilan peserta, yang sangat relevan dengan tuntutan dunia kerja.
PEMANTAUAN TINGKAT KARBON MONOKSIDA DENGAN SENSOR MQ-9 STUDI KASUS UNIVERSITAS SEMARANG Hirzan, Alauddin Maulana; Adhiwibowo, Whisnumurti; Daru, April Firman
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol. 15 No. 2 (2024): September
Publisher : UNIVERSITAS STEKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/jtikp.v15i2.741

Abstract

Emisi merupakan hal yang sangat serius untuk di atasi, emisi gas karbon monoksida merupakan sisa dari kombusi yang dilakukan oleh kendaraan bermotor seperti motor maupun mobil. Gas ini bersifat tidak berbau maupun berwarna, namun mematikan dalam dosis yang tinggi. Sehingga perlu penanganan serius untuk memantau gas jenis ini. Universitas Semarang merupakan salah satu universitas dengan jumlah mahasiswa terbanyak di Jawa Tengah, maka secara otomatis pengendara kendaraan bermotor pun ikut meningkatkan kandungan gas karbon monoksida di area parkir. Oleh karena itu, penelitian ini memiliki tujuan untuk mendesain sebuah purwarupa deteksi karbon monoksida dengan menggunakan teknologi Internet of Things yang dapat melaporkan ketika terdapat kandungan gas di udara. Model ini dilengkapi dengan sensor MQ-9 yang mampu mendeteksi gas karbon monoksida lebih akurat dibandingkan model-model sebelumnya. Berdasarkan hasil evaluasi yang dilakukan, model ini mampu mendeteksi gas dengan rata-rata 4,17 ppm dari 55 data deteksi yang ada dan tersimpan di Firebase Realtime Database. Dari semua data yang ada, model mendeteksi puncak tertinggi mencapai 18,365 ppm. Meskipun terdapat kenaikan kandungan gas, namun hasil ini masih di bawah batas aman yang dianjurkan. Selain itu, hasil terakhir yang didapatkan dari model ini adalah notifikasi pelaporan yang disampaikan melalui Telegram Bot.
PEMANTAUAN KEBOCORAN GAS DAN PANAS UDARA DENGAN METODE FUZZY BERBASISKAN IOT Wicaksana, Dinar Anggit; Hirzan, Alauddin Maulana
JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol. 15 No. 1 (2024): Maret
Publisher : UNIVERSITAS STEKOM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/jtikp.v15i1.802

Abstract

The fuel commonly used by people for daily needs is Liquefied Petroleum Gas (LPG). LPG leaks can occur in closed spaces with temperatures above 30℃ because they contain very dangerous propane and butane compounds. If there is no early warning, the gas cylinder can expode and cause a major fire. The proposed model is capable of displaying gas concentrations and air heat (temperature and humidity) and reporting via telegram using the fuzzy mamdani algorithm. The aim of the research is to design a model for monitoring gas leaks and air heat. The sensors used in this system are tehe MQ6 sensor for gas detection, DHT22 for temperature and humidity detection, fire sensor, and nodeMCU as an Internet of Things-based processor using the fuzzy logic method. This system will turn on fan, buzzr and send a warning to telegram automatically when conditions are unsafe and dangerous. The conclusion of the research is that buzzer warning and telegram notifications make it easier for users to identify gas leaks so they can take immediate action
ASISTEN KELAS INTERAKTIF MOODLE BERBASISKAN INTERNET OF THINGS DAN TELEGRAM BOT Hirzan, Alauddin Maulana; Surono, Surono; Setiarso, Galih
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3833

Abstract

Pendidikan adalah aspek kehidupan yang juga menjadi hak asasi dari tiap manusia. Oleh karena itu, pendidikan tidak boleh putus dalam keadaan apapun. Semenjak terjadinya pandemi di seluruh dunia, popularitas platform Moodle sebagai tempat pembelajaran daring meningkat. Namun hal ini tidak diimbangin dengan sumber daya manusianya. Banyak sekali para pengajar senior yang tidak familiar dengan platform tersebut. Oleh karena itu, peneliti mengusulkan untuk mendesain sebuah asisten kelas interaktif berbasiskan Internet of Things dan Telegram Bot untuk membantu para pengajar untuk mengakses Moodle hanya melalui aplikasi berpesan instan. Dari hasil pengujian yang dilakukan, model tersebut telah sukses melayani 117.628 permintaan. Namun juga disertai permintaan dalam antrian mencapai 75.526 permintaan dan permintaan gagal mencapai 3.175 permintaan. Berdasarkan kecepatan waktu respons nya, model dapat melayani 1000 pengguna dengan rata-rata waktu 66,86 detik. Bisa disimpulkan bahwa model yang diusulkan berhasil melayani banyak pengguna meskipun memiliki kegagalan yang tidak signifikan.
APLIKASI MANAJEMEN INVENTORI BERBASIS MOBILE MENGGUNAKAN FLUTTER DAN FIREBASE REALTIME DATABASE Saputri, Agnes; Hirzan, Alauddin Maulana
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4324

Abstract

Manajemen Inventori penting dilakukan dalam bisnis apapun untuk membantu mengoptimalkan persediaan stok, meminimalisir kerugian, serta meningkatkan mutu pelayanan. Pada Toko Mebel Isti lebih dari 500 SKU barang dikelola hanya menggunakan Microsoft Excel sederhana mengakibatkan sulitnya pemantauan data stok. Peluang kerugian dapat mencapai minimal Rp 30.000.000/bulan akibat batalnya transaksi oleh konsumen akibat waktu tunggu pengecekan stok barang ke gudang membutuhkan estimasi waktu 15 menit. Dengan pengembangan Aplikasi STOKIS menggunakan framework flutter dan firebase realtime database dengan metode waterfall yang telah diuji cobakan selama 15 hari dapat memangkas waktu pengecekan stok barang menjadi kurang dari 1 menit, hal tersebut juga berdampak pada peningkatan mutu pelayanan. Dari hasil analisis UI/UX dengan kuesioner UEQ menghasilkan nilai dengan kategori excellent dengan rincian nilai daya tarik 2.82, kejelasan 2.80, efisiensi 2.85, ketepatan 2.80, stimulasi 2.75, kebaruan 2.73 dan hasil survey kepuasan pengguna menghasilkan nilai rata-rata 67.75 yang berarti tergolong dalam area High Marginal dengan grade D serta rating OK.
Arowana cultivation water quality forecasting with multivariate fuzzy timeseries and internet of things Alauddin Maulana Hirzan; April Firman Daru; Lenny Margaretta Huizen
Computer Science and Information Technologies Vol 6, No 2: July 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/csit.v6i2.p136-146

Abstract

Water quality plays a crucial role in the growth and survival of arowana fish, with imbalances in key parameters (pH, temperature, turbidity, dissolved oxygen, and conductivity) leading to increased mortality rates. While previous studies have introduced various monitoring models using Arduino IDE and intrinsic approaches, they lack predictive capabilities, leaving cultivators unable to take proactive measures. To address this gap, this study develops a predictive model integrating the internet of things (IoT) with a fuzzy time series (FTS) algorithm. Through rigorous evaluation and validation, the proposed FTS-multivariate T2 model demonstrated superior performance, achieving an exceptionally low error rate of 0.01704%, outperforming decision tree (0.13410%), FTS-multivariate T1 (0.88397%), and linear regression (20.91791%). These findings confirm that FTS-multivariate T2 not only accurately predicts water quality but also significantly reduces the mean absolute percentage error, providing a robust solution for sustainable arowana aquaculture.
Rancang Bangun Sistem Manajemen Perangkat IOT Berbasis Cloud dengan Fitur Self-Diagnostic dan Over-The-Air Update Muhammad Yusuf Abdurrahman; Alauddin Maulana Hirzan
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 3 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i3.10308

Abstract

Implementasi perangkat Internet of Things (IoT) sering menghadapi kendala pemeliharaan pada lokasi dengan akses fisik terbatas. Penelitian ini bertujuan merancang sistem manajemen perangkat IoT berbasis cloud yang mengintegrasikan fitur Self-Diagnostic dan pembaruan Over-The-Air (OTA). Sistem dikembangkan menggunakan mikrokontroler ESP32 dengan infrastruktur Cloud Hybrid yang menggabungkan Thinger.io, Firebase, dan GitHub. Metode penelitian yang digunakan adalah Prototyping yang meliputi tahap analisis kebutuhan hingga implementasi sistem kecerdasan buatan berbasis Fuzzy Logic dan Polynomial Regression. Fitur Self-Diagnostic berperan mendeteksi integritas perangkat keras melalui pemindaian jalur I2C secara otomatis, sementara fitur Tri-Method OTA (Local, Chunking, dan Cloud) menyediakan pembaruan firmware yang andal. Hasil pengujian menunjukkan tingkat keberhasilan pembaruan sistem mencapai 98% hingga 100% pada berbagai kondisi jaringan. Validasi algoritma prediksi menunjukkan tingkat presisi yang lebih tinggi untuk titik koordinat spesifik dibandingkan dengan data Weather API, dengan selisih suhu rata-rata pada STATION-02 hanya sebesar 0,1°C hingga 0,3°C. Penelitian ini membuktikan bahwa integrasi manajemen jarak jauh dan analisis data cerdas mampu mentransformasi data mentah menjadi narasi informasi yang preventif. Sistem ini memberikan solusi berkelanjutan bagi infrastruktur IoT melalui otomatisasi diagnosis dan fleksibilitas pemeliharaan firmware tanpa memerlukan kehadiran fisik di lokasi.