Claim Missing Document
Check
Articles

Found 3 Documents
Search

Implementasi dan Analisis Protokol Komunikasi IoT untuk Crowdsensing pada Bidang Kesehatan Ata Amrullah; M. Udin Harun Al Rasyid; Idris Winarno
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2365

Abstract

Perkembangan teknologi informasi dan komunikasi telah menandai berlangsungnya era revolusi industri 4.0. Kemudahan pertukaran data antar perangkat yang bergerak menjadikan paradigma baru pada pengumpulan data terpusat yang disebut crowdsensing. Pada bidang kesehatan, crowdsensing tidak lagi mengandalkan telepon bergerak sebagai perangkat pengumpul informasi karena keterbatasan sensor tertanam pada telepon. Berbagai penelitian menggunakan crowdsensing telah mengandalkan kemampuan dari perangkat Internet of Things (IoT). Crowdsensing pada sektor kesehatan dapat membantu mengumpulkan sumber data yang substansial tentang kondisi kesehatan masyarakat secara umum. Namun, kebanyakan teknik crowdsensing hanya mengandalkan satu protokol komunikasi. Metode ini dapat menyebabkan masalah jika perangkat IoT menggunakan protokol komunikasi yang beragam. Oleh sebab itu, kami mengusulkan arsitektur gateway protokol multi-komunikasi untuk crowdsensing. Ketiga protokol komunikasi yang dijalankan pada gateway adalah MQTT, HTTP dan CoAP. Gateway ini berfungsi untuk menangkap data dari crowdsensor dan mengubah ketiga protokol ke dalam protokol yang sama dengan back-end server di cloud. Hasil pengujian menunjukkan bahwa gateway mampu menerima data dengan baik meskipun ketiga protokol dijalankan secara bersamaan. Protokol CoAP memiliki kinerja yang lebih baik daripada kedua protokol dalam pengujian throughput. Protokol MQTT memiliki performa terbaik pada pengukuran delay.
Analysis of IoT Technology Utilization and Inventory Management System on Operational Efficiency and Visitor Experience at Tourism Destinations in Bandung Loso Judijanto; Bambang Suharto; Ata Amrullah
West Science Social and Humanities Studies Vol. 2 No. 12 (2024): West Science Social and Humanities Studies
Publisher : Westscience Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58812/wsshs.v2i12.1493

Abstract

This study examines the impact of IoT technology utilization and inventory management systems on operational efficiency and visitor experience at tourism destinations in Bandung City. Employing a quantitative research approach, data were collected from 220 respondents using a structured questionnaire with a Likert scale (1–5). The relationships among variables were analyzed using Structural Equation Modeling-Partial Least Squares (SEM-PLS). The findings reveal that both IoT technology and inventory management systems significantly enhance operational efficiency, which in turn positively impacts visitor experience. IoT technology showed a stronger direct effect on visitor experience, while inventory management systems had a greater influence on operational efficiency. Operational efficiency also played a mediating role, linking technological and management practices to improved visitor satisfaction. These results highlight the importance of integrating advanced technologies and efficient management systems to enhance the competitiveness and service quality of tourism destinations. The study provides actionable insights for tourism stakeholders to prioritize technology investments and strategic planning for sustainable growth.
Penerapan Dimensi Reduksi Pada Machine Learning Dalam Klasifikasi Kanker Payudara Berdasarkan Parameter Medis Jamilatul Badriyah; Nilam Ramadhani; Agung Muliawan; Khanun Roisatul Ummah; Ata Amrullah
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 6 No 3 (2024): Desember
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v6i3.379

Abstract

Kanker payudara adalah salah satu penyakit mematikan yang menyerang wanita karena jaringan payudara tumbuh tidak terkendali. Penelitian ini bertujuan untuk menerapkan teknik machine learning dalam klasifikasi kanker payudara untuk mendukung diagnosis yang lebih cepat dan akurat. Data yang digunakan dalam penelitian ini mencakup berbagai parameter medis seperti panjang radius, cekungan, jumlah titik cekung, posisi simetri, dimensi fraktal, luas, kehalusan dan lainnya. Metode yang digunakan dalam penelitian ini meliputi teknik klasifikasi seperti Deep learning dan Neural Network dengan kombinasi dimensi reduksi menggunakan Principal Component Analysis (PCA). Penggunaan dimensi reduksi dalam mengurangi kompleksitas data dan meningkatkan kinerja model. Hasil dari penelitian ini menunjukkan bahwa dimensi reduksi menggunakan Principal Component Analysis pada machine learning dapat meningkatkan akurasi kinerja model dengan akurasi tertinggi 96,84 pada Deep Learning