Garuda - Garba Rujukan Digital

Penyiraman Tanaman Otomatis Berbasis Nodemcu Dan Iot Menggunakan Sensor Kelembapan Tanah, Kelembapan Udara Dan Temperatur Hernawati Hasan; Sri Sutjiningtyas; Ariawan Djoko Rachmanto; Sugeng Supriyadi; Fajar Nur Sidik
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.981

Penelitian ini bertujuan untuk merancang dan membangun prototipe sistem penyiram tanaman otomatis berbasis NodeMCU dan Internet of Things (IoT) menggunakan sensor kelembapan tanah, sensor temperatur tanah, dan sensor kelembapan udara. Metode penelitian yang digunakan adalah metode prototipe, di mana sistem dikembangkan melalui iterasi berulang yang melibatkan pengujian dan perbaikan oleh pengembang. Hasil pengujian menunjukkan bahwa sistem mampu melakukan penyiraman otomatis berdasarkan nilai kelembapan tanah dan menampilkan data monitoring suhu serta kelembapan udara secara real-time melalui aplikasi IoT. Kesimpulan dari penelitian ini menunjukkan bahwa sistem penyiraman tanaman otomatis ini berhasil dirancang dan dibangun menggunakan NodeMCU dan IoT dengan sensor kelembapan tanah, sensor suhu tanah, dan sensor kelembapan udara, serta dapat dipantau secara langsung melalui platform Blynk dan mampu menyiram tanaman secara konsisten sesuai dengan kondisi kelembapan tanah dan berhenti menyiram ketika kondisi kelembapannya telah terpenuhi, sehingga menjaga kondisi tanaman tetap segar.

Penerapan Algoritma Decision Tree Cart Dalam Analisis Sentimen Produk Kecantikan Lokal Studi Kasus Pada Somethinc Dan Wardah Sri Sutjiningtyas; Samsul Budiarto; Iswanto; Rena Imanina Ilmiah
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.991

Produk kecantikan terdiri atas dua kategori yaitu skincare dan make up. Penelitian ini bertujuan menganalisis sentimen dengan membangun pemodelan untuk memahami respons masyarakat terhadap produk kecantikan. Sentimen ulasan konsumen sebelumnya hanya berdasarkan perkiraan tanpa pemodelan ilmiah yang akurat, menyebabkan prediksi perusahaan sering meleset. Analisis sentimen menjadi solusi utama untuk mengkategorikan ulasan sebagai positif atau negatif, serta membantu perusahaan dalam pengambilan keputusan yang lebih baik. Dataset yang digunakan pada produk Somethinc berjumlah 2215 sedangkan pada produk Wardah 2098. Dalam penelitian ini, dilakukan up sampling karena ada ketidakseimbangan data dengan menyeimbangkan jumlah sampel model memiliki kesempatan lebih baik untuk belajar dari masing-masing kelas secara efektif. Penelitian ini menggunakan metode Decision Tree CART. Kedua produk Somethinc dan Wardah menunjukkan lebih banyak sentimen positif dibandingkan sentimen negatif. Ini menunjukkan bahwa kedua brand ini memiliki penerimaan yang baik di kalangan konsumen. Hasil penelitian dari kinerja model Decision Tree CART dalam mengklasifikasikan sentimen ulasan menghasilkan akurasi sebesar 80,13% untuk produk Somethinc sedangkan untuk produk Wardah menghasilkan akurasi sebesar 86,19%, yang berarti tingkat akurasi model yang di bangun sudah baik dalam mengklasifikasikan sentimen negatif dan positif terhadap produk Somethinc dan Wardah. Dengan menggunakan model ini sebagai referensi untuk mengevaluasi ulasan konsumen terhadap produk, perusahaan dapat menggunakannya sebagai masukan dalam pengambilan keputusan berikutnya.

Challenges and strategies for improving lecturer research performance through research-oriented key performance indikator 7 at Universitas Nurtanio Bandung Edah Jubaedah; Raya Mustiraya; Sri Sutjiningtyas; Hendrik Sudria Munawar
Bulletin of Educational Management and Innovation Vol. 4 No. 1 (2026): Bulletin of Educational Management and Innovation
Publisher : Rafandha Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56587/bemi.v4i1.147

Background: Research performance is a key indicator of institutional quality and academic competitiveness in higher education. Universitas Nurtanio Bandung faces challenges in optimizing KPI 7 achievement, particularly in lecturer research productivity, scientific publications, external grants, intellectual property outputs, and institutional reward mechanisms. Purpose: This study aims to analyze the current condition of KPI 7 achievement and formulate optimization strategies to improve lecturer research performance at Universitas Nurtanio Bandung. Method: This study used a qualitative approach with a descriptive exploratory design. Data were collected through in-depth interviews with nine structural leaders, including vice rectors, research institution leaders, and faculty deans. The data were transcribed and analyzed using NVivo 12 through word frequency analysis, text search query, coding analysis, hierarchy chart, and project map visualization. Findings: The findings show that lecturer research activities are dominated by internal and external grant-based schemes. The main obstacles include limited external research grants, low journal publication productivity, insignificant intellectual property outputs, competition among lecturers, and the absence of a structured reward system. The study indicates that KPI 7 optimization requires an integrated strategy through stronger institutional policy, lecturer capacity building, research mentoring, external collaboration, grant access expansion, publication support, and a clear reward system. These findings highlight the importance of institutional commitment in building a sustainable research culture and improving lecturer research performance.

Solusi AI Untuk Melindungi Privasi dan Keamanan Data Pengguna Zen Munawar; Sri Sutjiningtyas; Novianti Indah Putri; Milla Marlina; Rita Komalasari; Herru Soerjono
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2794

Integrasi AI pada data masif memicu risiko privasi serius. Penelitian ini menganalisis solusi teknis seperti privasi diferensial untuk menyeimbangkan perlindungan data dengan kinerja sistem AI. Penelitian ini bertujuan untuk menganalisis isu-isu krusial terkait privasi dan keamanan data yang muncul akibat integrasi masif Kecerdasan Buatan (AI) di berbagai industri, serta mengevaluasi pendekatan teknis yang dapat menjaga kerahasiaan informasi pengguna tanpa mengorbankan kinerja sistem. Fokus utama penelitian ini adalah mengkaji efektivitas mekanisme perlindungan data seperti privasi diferensial, pembelajaran federasi, enkripsi homomorfik, dan komputasi multi-pihak yang aman dalam memitigasi risiko pelanggaran privasi dan akses ilegal. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi literatur sistematis untuk mengevaluasi solusi privasi pada sistem kecerdasan buatan.Hasil penelitian menunjukkan bahwa teknik seperti federated learning dan enkripsi homomorfik efektif melindungi data pribadi dalam sistem AI. Namun, implementasinya menghadapi tantangan trade-off berupa penurunan kecepatan komputasi dan akurasi model. Rekomendasi desain berfokus pada keseimbangan antara keamanan dan performa guna mendukung regulasi AI yang aman serta terukur.Teknik perlindungan data seperti federated learning efektif menjaga privasi, namun berisiko menurunkan performa komputasi AI. Kesimpulannya, diperlukan keseimbangan antara keamanan dan efisiensi. Rekomendasinya, pengembang harus mengadopsi desain privacy-by-design dan pemerintah perlu menyusun regulasi teknis yang mendukung inovasi AI yang aman serta terukur bagi masyarakat.

Analisis Sentimen K-Popers di Twitter (X) terhadap Harga Tiket Konser Menggunakan Metode Support Vector Machine: Studi Kasus: Golden Disk Awards 2024 Sri Sutjiningtyas; Samsul Budiarto; Marlyna Infryanty Hutapea; Nurulqolbi Mutmainnah
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 9 No. 2 (2025): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol9No2.pp350-355

Korean Pop (K-Pop) in Indonesia has grown rapidly, creating a large and influential community of fans, known as “K-Popers”. The popularity of K-Pop is supported by digital technology that allows easy access to South Korean music and entertainment content. Social media, including Twitter (X), became the main platform for K- Pop fans or K-Popers to interact and share opinions about the South Korean music industry. The ticket price of The 38th Golden Disc Awards (GDA) 2024 in Jakarta became a controversial hot topic, causing debate among fans regarding the overpriced ticket price. This study aims to analyze the sentiment of K-Popers towards GDA 2024 ticket prices using the Support Vector Machine (SVM) method to classify positive and negative sentiments related to GDA 2024 ticket prices. The analysis showed that negative sentiment was more dominant with 62.31% of 2698 tweets, indicating the need to evaluate the ticket price policy by the organizers. Sentiment classification with SVM method achieved the highest accuracy of 85.19% with polynomial kernel at the proportion of training and test data of 90:10, indicating that this method is good at classifying positive and negative sentiments. This research provides insights for event organizers regarding fan responses and can help in planning ticket pricing policies and marketing strategies so as to increase subsequent customer satisfaction.

Penyiraman Tanaman Otomatis Berbasis Nodemcu Dan Iot Menggunakan Sensor Kelembapan Tanah, Kelembapan Udara Dan Temperatur Hernawati Hasan; Sri Sutjiningtyas; Ariawan Djoko Rachmanto; Sugeng Supriyadi; Fajar Nur Sidik
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.981

Penelitian ini bertujuan untuk merancang dan membangun prototipe sistem penyiram tanaman otomatis berbasis NodeMCU dan Internet of Things (IoT) menggunakan sensor kelembapan tanah, sensor temperatur tanah, dan sensor kelembapan udara. Metode penelitian yang digunakan adalah metode prototipe, di mana sistem dikembangkan melalui iterasi berulang yang melibatkan pengujian dan perbaikan oleh pengembang. Hasil pengujian menunjukkan bahwa sistem mampu melakukan penyiraman otomatis berdasarkan nilai kelembapan tanah dan menampilkan data monitoring suhu serta kelembapan udara secara real-time melalui aplikasi IoT. Kesimpulan dari penelitian ini menunjukkan bahwa sistem penyiraman tanaman otomatis ini berhasil dirancang dan dibangun menggunakan NodeMCU dan IoT dengan sensor kelembapan tanah, sensor suhu tanah, dan sensor kelembapan udara, serta dapat dipantau secara langsung melalui platform Blynk dan mampu menyiram tanaman secara konsisten sesuai dengan kondisi kelembapan tanah dan berhenti menyiram ketika kondisi kelembapannya telah terpenuhi, sehingga menjaga kondisi tanaman tetap segar.

Penerapan Algoritma Decision Tree Cart Dalam Analisis Sentimen Produk Kecantikan Lokal Studi Kasus Pada Somethinc Dan Wardah Sri Sutjiningtyas; Samsul Budiarto; Iswanto; Rena Imanina Ilmiah
Jurnal Sains Informatika Terapan Vol. 5 No. 1 (2026): Jurnal Sains Informatika Terapan (Februari, 2026)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v5i1.991

Produk kecantikan terdiri atas dua kategori yaitu skincare dan make up. Penelitian ini bertujuan menganalisis sentimen dengan membangun pemodelan untuk memahami respons masyarakat terhadap produk kecantikan. Sentimen ulasan konsumen sebelumnya hanya berdasarkan perkiraan tanpa pemodelan ilmiah yang akurat, menyebabkan prediksi perusahaan sering meleset. Analisis sentimen menjadi solusi utama untuk mengkategorikan ulasan sebagai positif atau negatif, serta membantu perusahaan dalam pengambilan keputusan yang lebih baik. Dataset yang digunakan pada produk Somethinc berjumlah 2215 sedangkan pada produk Wardah 2098. Dalam penelitian ini, dilakukan up sampling karena ada ketidakseimbangan data dengan menyeimbangkan jumlah sampel model memiliki kesempatan lebih baik untuk belajar dari masing-masing kelas secara efektif. Penelitian ini menggunakan metode Decision Tree CART. Kedua produk Somethinc dan Wardah menunjukkan lebih banyak sentimen positif dibandingkan sentimen negatif. Ini menunjukkan bahwa kedua brand ini memiliki penerimaan yang baik di kalangan konsumen. Hasil penelitian dari kinerja model Decision Tree CART dalam mengklasifikasikan sentimen ulasan menghasilkan akurasi sebesar 80,13% untuk produk Somethinc sedangkan untuk produk Wardah menghasilkan akurasi sebesar 86,19%, yang berarti tingkat akurasi model yang di bangun sudah baik dalam mengklasifikasikan sentimen negatif dan positif terhadap produk Somethinc dan Wardah. Dengan menggunakan model ini sebagai referensi untuk mengevaluasi ulasan konsumen terhadap produk, perusahaan dapat menggunakannya sebagai masukan dalam pengambilan keputusan berikutnya.

Title

Found 27 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 27 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 27 Documents
Search