Claim Missing Document
Check
Articles

Found 6 Documents
Search

SISTEM MONITORING PENYIMPANAN KEBUTUHAN POKOK BERBASIS INTERNET OF THINGS (IoT) Danang Ade Muktiawan; Nurfiana Nurfiana
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 9, No 1 (2018): Juni
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (877.895 KB) | DOI: 10.36448/jsit.v9i1.1035

Abstract

Sistem monitoring kebutuhan pokok merupakan sebuah sistem yang digunakan untuk melihat ketersediaan kebutuhan bahan pokok. Pentingnya sistem monitoring kebutuhan pokok adalah untuk mengetahui jumlah ketersediaan bahan pokok setiap saat, sehingga apabila ketersediaan kebutuhan pokok berkurang atau habis pengguna dapat memenuhi kebutuhan pokok tersebut. Penelitian ini akan merancang sistem monitoring kebutuhan pokok menggunakan Internet of Things (IoT). IoT adalah sebuah konsep/skenario dimana suatu objek yang memiliki kemampuan untuk mentransfer data melalui jaringan tanpa memerlukan interaksi manusia ke manusia atau manusia ke komputer. Sistem ini menggunakan sensor load cell untuk mengukur berat beras dan sensor limit switch untuk menghitung jumlah telur. Data yang dihasilkan sensor akan diproses oleh arduino dan dikirimkan ke website thingspeak. Proses pengiriman data dari arduino ke thingspeak melalui ethernet shield dan router yang terhubung ke internet menggunakan modem, kemudian dimonitoring menggunakan smartphone android. Hasil uji coba membuktikan bahwa sistem ini dapat mengirimkan informasi yang akurat dari manapun tanpa terhalang jarak, selama sistem terhubung dengan internet.
Rancang Bangun Sistem Presensi Asisten Laboratorium Komputer Berbasis Internet of Things (IoT) Danang Ade Muktiawan; Adimas Aglasia; Bayu Nugroho
Jurnal Ticom: Technology of Information and Communication Vol 13 No 2 (2025): Jurnal Ticom-Januari 2025
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v13i2.147

Abstract

Laboratorium komputer merupakan fasilitas penting dalam mendukung kegiatan pengajaran, penelitian, dan pengembangan teknologi informasi. Salah satu tantangan yang dihadapi adalah pengelolaan kehadiran asisten laboratorium secara efisien. Sistem presensi manual yang masih menggunakan pencatatan berbasis kertas menyebabkan proses pemantauan jadwal piket dan kegiatan asistensi menjadi tidak efektif. Penelitian ini bertujuan untuk merancang dan membangun sistem presensi asisten laboratorium berbasis Internet of Things (IoT) yang memungkinkan pemantauan secara real-time. Sistem ini menggunakan teknologi Radio Frequency Identification (RFID) untuk mendeteksi kehadiran, NodeMCU ESP8266 sebagai mikrokontroler, dan platform berbasis web untuk menampilkan data presensi. Sistem dirancang agar dapat diakses melalui jaringan internet sehingga memudahkan koordinator laboratorium dalam memantau kegiatan piket dan asistensi secara praktis dan efisien. Implementasi sistem ini diharapkan dapat meningkatkan akurasi, efisiensi, dan transparansi dalam pengelolaan presensi asisten laboratorium. Hasil pengujian menunjukkan bahwa sistem mampu mencatat kehadiran asisten secara akurat, menampilkan data presensi secara real-time, dan memberikan kemudahan akses bagi koordinator laboratorium. Dengan demikian, sistem ini berpotensi menjadi solusi efektif dalam pengelolaan presensi laboratorium berbasis IoT.
Peningkatan Performa Analisis Sentimen Ulasan Pelanggan terhadap Layanan Pengiriman Menggunakan Model Naïve Bayes yang Dioptimalkan dengan PSO Yuda Septiawan; Aglasia, Adimas; Muktiawan, Danang Ade
ROUTERS: Jurnal Sistem dan Teknologi Informasi Vol. 3 No. 1, Februari 2025
Publisher : Program Studi Teknologi Rekayasa Internet, Politeknik Negeri Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/rt.v3i1.4001

Abstract

This research is motivated by the rapid growth of the delivery service industry and the importance of customer feedback in competition, especially for ID Express which has a mobile application. The main issue raised is how to analyse the sentiment of customer reviews on the ID Express app on the Google Play Store to improve service quality. User reviews, although rich in information, have not been optimally utilised, making it difficult for companies to understand user perceptions. In this study, we develop a new method to analyse the sentiment of ID Express app user reviews. This method integrates Naïve Bayes algorithm with Particle Swarm Optimisation (PSO)-based feature selection optimisation technique to produce more accurate analysis. The method used includes collecting user review data from the Google Play Store (2020-2023), preprocessing the data, implementing the Naïve Bayes algorithm, and applying PSO for feature selection. Model performance was tested with accuracy and F-measure metrics using 90:10 and 80:20 data sharing ratios. The results showed that the Naïve Bayes algorithm with PSO produced 52% accuracy at 90:10 ratio and 63% at 80:20 ratio, with F-measure values of 43% and 55% respectively. In conclusion, the use of PSO as feature selection improves the accuracy and F-measure of sentiment analysis using Naïve Bayes, especially at a data sharing ratio of 80:20.
PENGENALAN WAJAH PELAKU KRIMINAL BERBASIS SKETSA DENGAN METODE SEGMENTASI DAN CONTENT BASED IMAGE RETRIEVAL Aglasia, Adimas; Ramaputra, Muhammad Galih; Muktiawan, Danang Ade; Septiawan, Yuda
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.8091

Abstract

Penelitian ini mengusulkan sistem pengenalan wajah pelaku kriminal berbasis sketsa yang menggabungkan segmentasi citra dan Content-Based Image Retrieval (CBIR). Alur kerja dimulai dari pra-proses (penyetaraan resolusi 1800×2400, grayscaling) dan ekstraksi koefisien DC pada blok 8×8 untuk menonjolkan energi citra, dilanjutkan segmentasi Multi-Otsu Thresholding guna menghasilkan representasi vektor tiga wilayah sebagai data training basis data wajah. Tahap penelusuran menggunakan CBIR dengan ukuran kemiripan Euclidean Distance antara sketsa kueri dan fitur citra tersegmentasi pada basis data. Evaluasi dilakukan pada kumpulan data berukuran 1.080 citra yang merepresentasikan ±50 identitas (≈20 citra/identitas) dengan skenario kueri berulang; metrik yang dilaporkan meliputi presisi dan waktu proses. Hasil menunjukkan presisi rata-rata 82% dengan waktu proses rata-rata 11,51 detik per kueri, serta variasi presisi 60%–100% pada berbagai identitas. Integrasi segmentasi Multi-Otsu pada tahap indeksasi terbukti membantu memisahkan objek–latar dan menstabilkan pencocokan berbasis sketsa. Temuan ini menegaskan bahwa kombinasi ekstraksi DC + segmentasi berbasis ambang multi-kelas + CBIR efektif untuk skenario sketch-to-photo forensik, dengan potensi penguatan di pekerjaan lanjut melalui modifikasi segmentasi dan skema pembelajaran metrik
Design of A Laboratory Assistant Presence System Using Rfid Sensor and Web Based Esp8266 Microcontroller Juniasyah, Deki; Sudibyo, Novi Herawadi; Muktiawan, Danang Ade
Prosiding International conference on Information Technology and Business (ICITB) 2023: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY AND BUSINESS (ICITB) 9
Publisher : Proceeding International Conference on Information Technology and Business

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

A computer laboratory is a facility that provides space and hardware (computers, printers, monitors and other equipment) as well as software for teaching, researc and development purposes in the field of information and computer technology. The computer laboratory has assistants whose job is to assist lecturers in implementing practical learning. Laboratory assistants accompany lecturers in  practical courses based on a predetermined schedule. Apart from that, there is a picket schedule that must be carried out regularly to prepare replacement assistants if an assistant is unable to attend. After completing the practical lecture, the laboratory assistant writes the summary results on a sheet of paper. This causes a lack of efficiency in monitoring picket schedules and assistance carried out by laboratory assistants. There are several innovations carried out, such as research conducted by [1] regarding the use of radio frequency identification (RFID) technology for employee attendance systems. Researchers use RFID as a sensor to perform employee attendance, nodemcu esp8266 as a microcontroller and the data obtained is displayed on the web. Based on the background of existing problems, in order to improve monitoring of laboratory assistant attendance, the author built a laboratory assistant attendance system with RFID sensors using Web-based ESP8266. From the system that has been created, monitoring of laboratory assistance and picket activities can be monitored by the laboratory coordinator via the website in real time so that it is easier and faster. Apart from that, it becomes easier for laboratory coordinators to discipline assistants who are often late for attendance. Keywords— Presence, RFID, Esp8266, Laboratory, Web 
Deteksi Sentimen Ujaran Kebencian dalam Tweet Media Sosial X dalam Konteks RKUHP Menggunakan Algoritma KNN Yuda Septiawan; Juliansyah Adi Putra; Adimas Aglasia; Danang Ade Muktiawan; Meiliza
JURNAL TECNOSCIENZA Vol. 10 No. 1 (2025): JURNAL TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/0ha06920

Abstract

Penyebaran ujaran kebencian di platform media sosial, terutama dalam konteks undang-undang kontroversial seperti Rancangan Kitab Undang-Undang Hukum Pidana (RKUHP), menimbulkan tantangan kritis dalam menjaga diskursus publik yang konstruktif. Studi ini bertujuan untuk mengidentifikasi dan mengklasifikasikan sentimen dalam tweet yang berkaitan dengan RKUHP menggunakan algoritma K-Nearest Neighbor (KNN). Sebuah dataset berisi 703 tweet dikumpulkan melalui API X dengan kata kunci “RKUHP”, mencerminkan puncak percakapan online pada Juni 2023. Setelah disaring untuk konten Bahasa Indonesia, tweet diproses melalui pembersihan (penghapusan tanda baca, tag, URL), normalisasi, dan terjemahan ke dalam Bahasa Inggris. Penandaan sentimen dilakukan menggunakan TextBlob, dan kemudian diverifikasi oleh ahli linguistik untuk meningkatkan akurasi label. Term Frequency–Inverse Document Frequency (TF–IDF) diterapkan untuk ekstraksi fitur, dan cosine similarity digunakan sebagai metrik jarak. Beberapa nilai K (3, 5, 7, 9) diuji, dengan K = 3 menghasilkan akurasi tertinggi sebesar 56,74%. Evaluasi menunjukkan bahwa KNN dapat mendeteksi sentimen terkait ujaran kebencian dalam tweet Indonesia secara moderat, meskipun masih ada keterbatasan dalam menangani sarkasme, netralitas, dan ambiguitas terjemahan. Hasil ini mendukung upaya untuk meningkatkan deteksi ujaran kebencian otomatis dengan mengintegrasikan embeddings kontekstual, mengatasi ketidakseimbangan kelas, dan memanfaatkan pembelajaran ensembel.