Article Per Year (5 Year)
p-Index From 2021 - 2026
2.127
P-Index
This Author published in this journals
All Journal CIRCUIT: Jurnal Ilmiah Pendidikan Teknik Elektro InComTech: Jurnal Telekomunikasi dan Komputer SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan Logista: Jurnal Ilmiah Pengabdian Kepada Masyarakat Specta Journal of Technology Risenologi Jurnal Bakti Masyarakat Indonesia Humanism : Jurnal Pengabdian Masyarakat Jurnal Sistim Informasi dan Teknologi PIKAT Jurnal Teknik Elektro dan Komputasi (ELKOM)
Amalia Rizqi Utami
Institut Teknologi Kalimantan
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
PENERAPAN METODE LSTM, ARIMA DAN SARIMA UNTUK MEMPREDIKSI JAM SIBUK PADA TRAFIK INTERNET Muhammad Triyoga Rasyadan; Amalia Rizqi Utami; Barokatun Hasanah
InComTech : Jurnal Telekomunikasi dan Komputer Vol. 16 No. 1 (2026)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v16i1.27716

Abstract

Jam sibuk terjadi karena antrian padat jaringan di jam-jam tertentu menyebabkan kemacetan jaringan dan penurunan kinerja. Penelitian ini melakukan peramalan jam sibuk trafik internet dari PT. Comtelindo Balikpapan menggunakan metode LSTM, ARIMA dan SARIMA. Hasil peramalan dihitung menggunakan metode TCBH untuk menentukan nilai jam sibuk. Metode ARIMA, SARIMA dan LSTM diterapkan untuk meramalkan trafik jam sibuk selama periode 28 hari, 56 hari dan 84 hari. Analisis nilai RMSE dan MAPE menunjukkan variasi akurasi prediksi. ARIMA dan SARIMA mengalami peningkatan nilai RMSE dan MAPE seiring dengan panjang periode peramalan, menunjukkan ketidakpastian lebih tinggi. Namun, pada peramalan 56 hari terdapat penurunan signifikan dalam RMSE dan MAPE dengan ARIMA mencatat RMSE sebesar 5013.23, MAPE sebesar 7.73% dan SARIMA mencatat RMSE sebesar 5127.80, MAPE sebesar 8.07%. Ini menunjukkan akurasi sangat baik di bawah 10%. LSTM menunjukkan kesalahan rendah untuk periode pendek (28 hari) dengan RMSE sebesar 1057.18 dan MAPE sebesar 3.34%, tetapi performanya menurun untuk periode lebih panjang. Pengujian dilakukan pada ketiga metode dengan membagi data menjadi empat bagian untuk melihat bagaimana metode merespons data yang ada. Metode ARIMA mendapatkan nilai parameter terbaik untuk data yang sangat kompleks, walaupun nilai parameter MAPE termasuk kategori peramalan yang cukup. Metode SARIMA mendapatkan nilai parameter terbaik untuk data yang cukup kompleks. Metode LSTM mendapatkan nilai parameter terbaik untuk data yang tidak kompleks. Semua model bermanfaat untuk prediksi trafik internet, namun pengembangan lebih lanjut dalam pengolahan data pelatihan diperlukan untuk meningkatkan akurasi peramalan, terutama untuk LSTM.
Sistem Monitoring Air Conditioner (AC) Pada Ruang Kelas Institut Teknologi Kalimantan Berbasis Internet of Things (IoT): Sistem Monitoring Air Conditioner (AC) Pada Ruang Kelas Institut Teknologi Kalimantan Berbasis Internet of Things (IoT) Amalia Rizqi Utami; Barokatun Hasanah; Muhammad Iqbal Sep Firsen; Ryan Fikri
SPECTA Journal of Technology Vol. 10 No. 1 (2026): Specta Journal of Technology
Publisher : LPPM ITK

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35718/specta.v10i1.1018

Abstract

This research discusses the implementation of a monitoring system based on Internet of Things (IoT) technology to monitor air conditioning usage in the form of a website. This system is designed to collect data about air conditioner usage in real time and monitor the on/off conditions of the air conditioner. Several components are used such as the DHT11 module as a temperature sensor which functions to read room temperature, the PZEM- 004t module which functions to read voltage, current and power which operates on AC when it is off or on, the Arduino UNO microcontroller to process input/output data, ESP8266 for connecting to a wi-fi network. In addition, software is used to support the research process such as Arduino to program the Arduino UNO microcontroller, XAMPP to create a database, and Visual Studio Code to create programs on websites. In this study, there are several stages such as analysis of user needs, system design, system testing, data analysis, and conclusions. Then after testing and data collection, the current and power values were obtained when the AC was off, namely 0.4 A and 1.7 Watt – 1.8 Watt. When the AC is on, the current and power values are 1.08 A – 1.19 A and the power is 216.8 Watt – 244.6 Watt.
Sistem Keamanan Rumah Berbasis YOLO dan Face Recognition untuk Mendeteksi Pencuri dengan Wajah Tertutup Lucky Stepy; Amalia Rizqi Utami; Mifta Nur Farid
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol. 8 No. 1 (2026): Jurnal Teknik Elektro dan Komputasi (ELKOM)
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v8i1.5288

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem keamanan rumah berbasis You Only Look Once (YOLO) untuk deteksi wajah dan Face Recognition dengan metode Histogram of Oriented Gradient (HOG) untuk identifikasi wajah. Sistem dirancang agar mampu membedakan antara penghuni rumah dan orang asing, termasuk pendeteksian wajah dengan masker atau tertutup sebagian. Dataset wajah akan dikumpulkan melalui raspberry pi menggunakan kamera dan disimpan otomatis melalui input nama pengguna. Dataset ini kemudian dilatih untuk menghasilkan face encoding yang digunakan dalam proses pengenalan wajah. Sistem akan mendeteksi manusia dengan YOLO dan mengenali wajah menggunakan face recognition. Jika wajah tidak dikenali atau tertutup, maka sistem akan mengaktifkan buzzer dan mengirim notifikasi ke aplikasi Home Security. Sistem diuji dalam pendeteksian satu hingga dua wajah yang dikenali dan tidak dikenali, serta wajah tertutup. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi deteksi mencapai 93.5% dalam mendeteksi keberadaan pencuri dengan wajah tertutup dan dalam mengenali wajah pemilik rumah. Sistem juga mampu merespon notifikasi dan kendali buzzer melalui aplikasi secara real-time.
Co-Authors Anitaria Tendean Barokatun Hasanah Chaerul Annas Dedy Sagala Della Rahmayanti Dewi Ratna Sari Dian Wulandari Dui Satrya .W Dwi Surya Santaki Hilmi Mahdi Ifandi Rahmad Riswanto Kharis Sugiarto Lucky Stepy M Faizal M. Firdaus M. Syaffana T.H. Mifta Nur Farid Mohammad Iqbal Ditrinov Muhamad Rizki Zulfikar Muhammad Hisyam Muzaki Muhammad Iqbal Sep Firsen Muhammad Ridho Dewanto Muhammad Triyoga Rasyadan Muhammad Verrell Ferly Rezha Musfiroh Milli Alhayu Nelson Rombe Noor Hikmah Wulandari Putri Setyarini Risty Jayanti Yuniar Rizcky Gandarrityaz Rizki Dwicahyo Ryan Fikri Saini Saini Selawati Limbong Shela Shaleha Yun Tonce Kusuma Priyanto Yustiadi Sampe Zafira Azyati