Article Per Year (5 Year)
p-Index From 2021 - 2026
2.461
P-Index
This Author published in this journals
All Journal Jurnal Pembelajaran Berpikir Matematika Simtek : Jurnal Sistem Informasi dan Teknik Komputer Indonesian Journal on Data Science semanTIK
Andi Muh Islah
STMIK CATUR SAKTI KENDARI
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
RANCANG BANGUN PINTU GERBANG MENGGUNAKAN WEB SERVER BERBASIS IOT Juliansyah, Farhan; Supit, Yonal; Islah, Andi Muhammad
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 1 (2025): April 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i1.1518

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem pintu gerbang berbasis Internet of Things (IoT) menggunakan Web Server. Sistem ini memanfaatkan ESP32 sebagai mikrokontroler utama yang terhubung ke jaringan WiFi, sehingga memungkinkan pengguna untuk mengendalikan pintu gerbang melalui antarmuka web. Pengguna dapat membuka dan menutup gerbang secara nirkabel melalui perintah yang dikirimkan dari halaman web yang diakses melalui browser. Motor stepper digunakan untuk menggerakkan pintu, dan sensor ultrasonik digunakan untuk mendeteksi hambatan saat gerbang sedang ditutup, untuk menghindari kerusakan atau kecelakaan. Sistem ini juga menyediakan notifikasi status gerbang secara real-time. Hasil pengujian menunjukkan bahwa sistem berfungsi dengan baik dalam mengontrol pintu gerbang.
SISTEM INFORMASI GEOGRAFIS PERSEBARAN LELANG PERUMAHAN BTN DI KOTA KENDARI Pradana, Muh Sakti; Henny, Henny; Sukma, Ilin; Islah, Andi Muh
Simtek : jurnal sistem informasi dan teknik komputer Vol. 7 No. 1 (2022): April 2022
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v7i1.120

Abstract

Kota Kendari merupakan salah satu kota yang mempunyai penduduk yang mengalami perkembangan. Seiring dengan pertambahan penduduk, kebutuhan akan hunian yang layak semakin banyak. Tujuan penelitian ini adalah merancang dan membangun Sistem Informasi Geografis Persebaran Lelang Perumahan BTN Di Kota Kendari Berbasis web. Tahapan penelitian menggunakan metode Waterfall (air terjun), dan metode perancangan sistem menggunakan Unified Modeling Language (UML). Bahasa pemrograman yang digunakan adalah Hypertext Prepocessor (PHP) dan Structured Query Language (SQL). Hasil dari penelitian ini yaitu sebuah Sistem Informasi Geografis Persebaran Lelang Perumahan BTN yang menampilkan informasi, jalur tempuh menuju Perumahan BTN yang dilelang.
PENGEMBANGAN SISTEM PEMANTAUAN PEMAKAIAN LISTRIK RUMAH BERBASIS INTERNET OF THINGS Wijaya, Ade Pramudya; Said, Muhammad Sadly; Islah, Andi Muhammad
Simtek : jurnal sistem informasi dan teknik komputer Vol. 10 No. 2 (2025): Oktober 2025
Publisher : STMIK Catur Sakti Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51876/simtek.v10i2.1676

Abstract

Energi listrik merupakan kebutuhan pokok dalam kehidupan sehari-hari. Pemborosan energi sering terjadi akibat rendahnya kesadaran dan keterbatasan sistem pemantauan yang efisien. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan pemakaian energi listrik rumah berbasis Internet of Things (IoT) yang dapat memberikan informasi penggunaan listrik secara real-time. Sistem memanfaatkan mikrokontroler ESP32 yang terintegrasi dengan sensor arus ACS712 dan sensor tegangan ZMPT101B. Data hasil pengukuran dikirim melalui koneksi WiFi ke platform web berbasis PHP dan MySQL. Hasil pengujian menunjukkan sistem mampu membaca tegangan dan arus dengan akurat, menghitung daya secara tepat, serta menampilkan data secara real-time tanpa gangguan. Sistem ini diharapkan dapat membantu pengguna meningkatkan efisiensi energi listrik rumah tangga dan menjadi dasar pengembangan lanjutan.
Klasifikasi Daerah Rawan Longsor menggunakan Metode Deep Learning Berbasis Data Citra Sentinel-1 Cakra Cakra; Baharuddin Baharuddin; Andi Muhammad Islah; Samsuddin; La Ode Muhammad Bahtiar Aksara
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.246

Abstract

Tanah longsor merupakan bencana yang sering terjadi di wilayah tropis dengan kerugian besar terhadap aspek sosial, ekonomi, dan lingkungan. Sulawesi Tenggara termasuk salah satu wilayah dengan tingkat kerawanan tinggi akibat kondisi topografi berbukit, curah hujan tahunan yang tinggi, serta aktivitas manusia seperti deforestasi dan pertambangan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi daerah rawan longsor menggunakan metode Deep Learning berbasis Convolutional Neural Network (CNN) dengan memanfaatkan data radar Sentinel-1 GRD. Data penelitian mencakup 54 lokasi InaRisk BNPB dari enam kabupaten di Sulawesi Tenggara. Proses penelitian meliputi akuisisi data Sentinel-1, pra-pemrosesan (speckle filtering, kalibrasi radiometrik, koreksi topografi), ekstraksi patch multi-skala, pembangunan dan pelatihan CNN menggunakan TensorFlow/Keras, serta evaluasi model dengan metrik Accuracy, Precision, Recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan model terbaik diperoleh pada patch 128×128 dengan akurasi 85,71%, presisi 85,81%, recall 85,71%, F1-score 85,46%, dan AUC-ROC 0,9807. Temuan ini menunjukkan potensi CNN dalam mendukung pemetaan kerawanan longsor secara akurat untuk mitigasi bencana di Sulawesi Tenggara. Landslides are disasters that frequently occur in tropical regions, causing severe impacts on social, economic, and environmental aspects. Southeast Sulawesi is among the regions with high susceptibility due to its hilly topography, high annual rainfall, and human activities such as deforestation and mining. This study aims to develop a landslide susceptibility classification model using a Deep Learning approach based on Convolutional Neural Networks (CNN) by utilizing Sentinel-1 GRD radar data. The research dataset consists of 54 InaRisk BNPB locations across six districts in Southeast Sulawesi. The research process includes Sentinel-1 data acquisition, preprocessing (speckle filtering, radiometric calibration, topographic correction), multi-scale patch extraction, CNN model construction and training using TensorFlow/Keras, and model evaluation with metrics such as Accuracy, Precision, Recall, F1-score, and AUC-ROC. The results show that the best model was achieved using 128×128 patches, reaching an accuracy of 85.71%, precision of 85.81%, recall of 85.71%, F1-score of 85.46%, and AUC-ROC of 0.9807. These findings demonstrate the potential of CNN to support accurate landslide susceptibility mapping for disaster mitigation in Southeast Sulawesi.
Co-Authors Abd. Rahman Adham Panggu Rumanda Amanah Bugis, Sukriadi Andi Patombongi Andi Tenriawaru Baharuddin Baharuddin Cakra Cakra Hamdan Gani Henny Henny, Henny Ikbal Suhardin Irwansyah, Muhammad Adhe Juliansyah, Farhan La ode Muhammad Bahtiar Aksara Liya, Aprisarita Makkulau Makkulau Maruji Maruji Muh Ade Furkan Mukhsar . Pradana, Muh Sakti Sadly Said, Muhammad Said, Muhammad Sadly Samsuddin Suarna, Dedi Sukma, Ilin Sulkifly Said, Muhammad Supit, Yonal Syafruddin Syarif Wijaya, Ade Pramudya Zamsir Zamsir