Article Per Year (5 Year)
p-Index From 2021 - 2026
8.724
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Nasional Komputasi dan Teknologi Informasi JETL (Journal Of Education, Teaching and Learning) MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Pendidikan Teknologi Informasi dan Vokasional JATI (Jurnal Mahasiswa Teknik Informatika) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Sistem Komputer Jurnal Ilmiah Wahana Pendidikan Journal of Software Engineering, Information and Communication Technology Bulletin of Information Technology (BIT) Jurnal Informasi Sains dan Teknologi (ISAINTEK) Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Informatika Progres Blend Sains Jurnal Teknik Journal of Education Technology Information Social Sciences and Health Golden Ratio of Data in Summary Jurnal Umum Pengabdian Masyarakat (JUPEMAS) Journal of Informatics and Data Science (J-IDS) Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Ilmiah Sistem Informasi Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Dedy Kiswanto
Universitas Negeri Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Transportation Other

Published : 72 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 72 Documents
Search

 3   4   5   6   7 
SIMULASI HASHING PASSWORD MENGGUNAKAN ARGON2 DAN SCRYPT SERTA PENGEMBANGAN FITUR LOGGING JARINGAN REAL-TIME BERBASIS WEBSITE Nezza Anggraini Yolandari; Kiswanto, Dedy; Davina, Sherly; Sitepu, Ahmad Denil
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8183

Abstract

Penelitian ini mengembangkan sistem keamanan berbasis website dengan mengintegrasikan algoritma hashing Argon2 dan Scrypt serta sistem logging jaringan real-time menggunakan WebSocket (Ratchet PHP). Tujuan utama penelitian ini adalah mensimulasikan keamanan penyimpanan password sekaligus memantau aktivitas jaringan secara langsung untuk mendeteksi anomali. Metode yang digunakan adalah eksperimen melalui simulasi login, hashing, serta deteksi serangan ARP Poisoning pada lingkungan lokal (localhost). Hasil pengujian menunjukkan bahwa Argon2 memiliki waktu hashing lebih cepat dengan tingkat keamanan tinggi, sedangkan Scrypt menawarkan efisiensi memori yang baik. Sistem berhasil mendeteksi serangan ARP Poisoning dalam waktu kurang dari satu detik dan melakukan pemblokiran IP secara otomatis. Kesimpulannya, integrasi hashing dan logging real-time ini efektif meningkatkan keamanan jaringan berbasis website. Ke depannya, sistem dapat dikembangkan ke dalam lingkungan cloud atau IoT untuk perluasan fungsi monitoring.
RANCANG BANGUN SISTEM LOGGING JARINGAN BERBASIS WEB DENGAN VISUALISASI INTERAKTIF GRAFANA UNTUK ANALISIS AKTIVITAS IP MENCURIGAKAN Sukma, Ayman Human; Kiswanto, Dedy; Sembiring, Febe Gracia; Ashillah, Salma
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8200

Abstract

Perkembangan teknologi jaringan meningkatkan ancaman siber seperti brute force dan port scanning, yang sulit dideteksi karena analisis log masih dilakukan secara manual. Penelitian ini merancang Sistem Logging Jaringan Berbasis Web dengan visualisasi interaktif menggunakan Grafana untuk menganalisis aktivitas IP mencurigakan secara real-time. Metode yang digunakan adalah Research and Development (R&D) dengan arsitektur PLG Stack (Promtail, Loki, Grafana) yang dijalankan pada Docker Compose di Ubuntu Server. Log dari Rsyslog dikumpulkan dan divisualisasikan menggunakan LogQL. Hasil menunjukkan sistem berjalan stabil dengan waktu respon 3–5 detik dan akurasi deteksi brute force sebesar 98,5%. Sistem ini efektif sebagai early warning system ringan, memberikan visualisasi cepat dan efisien dalam membantu administrator mendeteksi ancaman keamanan jaringan.
IMPLEMENTASI ZERO TRUST ARCHITECTURE DENGAN JUST IN TIME AUTHENTICATION TOKEN PADA WEBSITE E - WALLET Dealva Arsyad, Thania; Kiswanto, Dedy; Afrrahman S. Effendi, Ali
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8209

Abstract

Seiring meningkatnya popularitas e-wallet, risiko keamanan terhadap data sensitif pengguna juga semakin tinggi. Model keamanan tradisional berbasis perimeter tidak lagi memadai untuk menghadapi ancaman siber modern, sementara implementasi Zero Trust Architecture (ZTA) masih menyisakan celah pada manajemen sesi token yang berdurasi panjang. Penelitian ini bertujuan untuk merancang dan membangun sistem keamanan yang lebih kuat dengan mengintegrasikan ZTA dengan Just-in-Time (JIT) Authentication Token. Metode penelitian yang digunakan adalah Research & Development (R&D) dengan model ADDIE (Analysis, Design, Development, Implementation, Evaluation) untuk mengembangkan prototipe website e-wallet. Hasilnya adalah sebuah sistem yang berhasil menerapkan verifikasi berlapis, di mana setiap permintaan akses dan transaksi kritis divalidasi melalui autentikasi dua faktor (2FA) dan token JIT yang memiliki masa aktif sangat singkat, yakni lima menit. Pendekatan ini terbukti secara efektif meminimalkan permukaan serangan dan mengurangi risiko penyalahgunaan akses secara drastis. Berdasarkan blackbox yang sudah dilakukan dengan tingkat akurasi mencapai 80%, implementasi ZTA dengan token JIT menawarkan solusi keamanan yang lebih dinamis, adaptif, dan dapat diandalkan untuk melindungi ekosistem keuangan digital.
RANCANG BANGUN SISTEM ANALISIS LOG JARINGAN BERBASIS WEB UNTUK DETEKSI REAL-TIME ANCAMAN CANGGIH DAN GERAKAN LATERAL Bonifasius Simbolon, Aldo; Kiswanto, Dedy; Siregar, Dean; Shaleh Lbn Gaol, Anwar
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8219

Abstract

Lanskap keamanan siber saat ini ditandai oleh evolusi ancaman yang terus-menerus dan dinamis, yang bergerak jauh melampaui cakupan malware konvensional dan serangan-serangan sederhana. Pelaku ancaman modern menggunakan teknik tersembunyi seperti pergerakan lateral (lateral movement) yang menghindari sistem keamanan tradisional berbasis tanda tangan (signature-based). Hal ini menciptakan masalah signal-to-noise yang signifikan di dalam data log yang bervolume besar. Penelitian ini menjawab tantangan tersebut dengan merancang dan mengimplementasikan sistem analisis log jaringan berbasis web. Sistem ini dibangun di atas tumpukan observability modern dan open-source yang mencakup Grafana, Loki, dan Prometheus. Solusi yang diusulkan mengintegrasikan alur data hibrida (hybrid data pipeline) untuk log dan metrik dengan logika deteksi berbasis aturan (rule-based) serta dasbor interaktif untuk visualisasi yang berpusat pada analis. Temuan utama dari skenario serangan simulasi menunjukkan bahwa sistem ini secara efektif mendeteksi upaya brute-force SSH dan aktivitas pergerakan lateral berikutnya secara real-time. Intrusion Prevention System (IPS) yang terintegrasi di dalam sistem berhasil memberikan respons otomatis dengan memblokir alamat IP penyerang di tingkat firewall. Studi ini menyimpulkan bahwa platform open-source yang terintegrasi secara holistik dapat berhasil menjembatani kesenjangan antara data log mentah dan intelijen keamanan yang dapat ditindaklanjuti. Hal ini memungkinkan pergeseran dari pemantauan pasif ke strategi pertahanan aktif.
IMPLEMENTASI SISTEM KEAMANAN JARINGAN BERBASIS WEB: LOGGING, DETEKSI ANOMALI DAN PEMBLOKIRAN OTOMATIS Situmorang, Romatua; Kiswanto, Dedy; Khoiriah, Najwatul; Harahap, Fatima Asro
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8230

Abstract

This research aims to implement a web-based network security system that integrates logging, anomaly detection, and automatic blocking capabilities against suspicious activities. The significance of this topic is underpinned by the increasing cyber threats, such as brute force and high request rate attacks, which directly jeopardize system availability. The system is designed using Python Flask and PostgreSQL as the server architecture, employing a Rule-Based detection method to identify specific attack patterns. Testing with Kali Linux simulations proved that the system was 100% effective in successfully providing alerts and effectively blocking attacker IPs. The successful implementation of this internal IPS (Intrusion Prevention System) is validated by the server's denial of access and the display of the message "IP Anda sedang diblokir sementara" ("Your IP is temporarily blocked") on the attacker's browser , demonstrating real-time mitigation. This implementation shows that the system can be an adaptive, proactive solution serving as an additional layer of security within web-based network environments.
Perancangan Sistem Tempat Sampah Pintar Berbasis ESP32 dengan Klasifikasi Sampah Menggunakan Deep Learning dan Integrasi Dashboard Web Monitoring Waruwu, Stefen Agus; Kiswanto, Dedy; Hafika, Rizky Ananda; Noor, Muhammad Yazid
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10264

Abstract

Abstrak - Sistem tempat sampah pintar berbasis Internet of Things (IoT) dikembangkan untuk mengoptimalkan proses pemilahan sampah secara otomatis. Sistem ini menggunakan sensor ultrasonik pada ESP32 untuk mendeteksi keberadaan objek, kamera ESP32-CAM untuk mengambil citra, dan model deep learning MobileNetV2 untuk melakukan klasifikasi ke dalam dua kategori: organik dan daur ulang. Hasil klasifikasi digunakan untuk menggerakkan servo sebagai mekanisme pemisahan, sekaligus dikirim ke dashboard web melalui API untuk pencatatan dan pemantauan. Model dilatih menggunakan dataset 5.000 citra dengan teknik augmentasi, dan menghasilkan performa akurasi sebesar 93% pada data validasi. Sistem berhasil bekerja secara realtime, dengan rata-rata waktu inferensi kurang dari 1 detik. Dashboard mampu menampilkan statistik jumlah sampah, riwayat klasifikasi, dan grafik tren berdasarkan rentang tanggal. Hasil pengujian menunjukkan bahwa sistem dapat mendeteksi objek, mengklasifikasi citra, dan menggerakkan servo dengan stabil. Sistem ini dapat diimplementasikan pada lingkungan nyata untuk mendukung pengelolaan sampah yang lebih efisien dan terotomatisasi.Keywords : IoT; ESP32; ESP32-CAM; klasifikasi sampah; dashboard monitoring; Abstract - An Internet of Things (IoT)-based smart waste bin system was developed to optimize the automatic waste sorting process. This system uses an ultrasonic sensor on ESP32 to detect the presence of objects, an ESP32-CAM camera to capture images, and a MobileNetV2 deep learning model to classify waste into two categories: organic and recyclable. The classification results are used to activate the servo as a separation mechanism, while also being sent to the web dashboard via API for recording and monitoring. The model was trained using a dataset of 5,000 images with augmentation techniques, achieving an accuracy of 93% on the validation data. The system operates in real-time, with an average inference time of less than 1 second. The dashboard is capable of displaying statistics on the amount of waste, classification history, and trend graphs based on date ranges. The test results show that the system can detect objects, classify images, and activate the servo stably. This system can be implemented in a real environment to support more efficient and automated waste management.Keywords: IoT; ESP32; ESP32-CAM; waste classification; monitoring dashboard;
Rancang Bangun Smart Parking System Berbasis AI untuk Deteksi Slot Parkir Otomatis dan Streaming Kamera Web Sebagai Monitoring Real-Time Khoiriah, Najwatul; Kiswanto, Dedy; Siagian, Raihan Insan Pratama; Al-Kautsar, Muhammad Zidane
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10259

Abstract

Abstrak - Pertumbuhan jumlah kendaraan dan terbatasnya kapasitas area parkir menuntut adanya sistem monitoring yang lebih efisien dan mampu memberikan informasi ketersediaan slot secara real-time. Penelitian ini merancang dan membangun Smart Parking System berbasis Internet of Things (IoT) dan kecerdasan buatan (AI) dengan memanfaatkan modul ESP32-CAM sebagai sensor visual dan model YOLOv8 untuk mendeteksi kendaraan secara otomatis. Sistem diimplementasikan menggunakan arsitektur client–server, di mana ESP32-CAM mengirimkan citra area parkir ke backend Python melalui protokol HTTP POST untuk diproses menggunakan model AI. Hasil deteksi kemudian disimpan pada database MySQL dan ditampilkan melalui dashboard web sebagai monitoring real-time, lengkap dengan indikator status slot parkir serta live streaming kamera. Pengujian dilakukan melalui 50 skenario berbeda, mencakup single-object, multi-object, variasi pencahayaan, dan edge-case. Sistem mencapai akurasi deteksi kendaraan sebesar 90% dan akurasi penentuan status slot sebesar 100%, dengan latensi pemrosesan 0,8–1,2 detik. Hasil tersebut menunjukkan bahwa integrasi IoT dan AI mampu menghasilkan solusi parkir cerdas yang efektif, responsif, serta potensial untuk dikembangkan pada skala implementasi yang lebih luas.Kata kunci : Parkir Cerdas; Internet of Things; ESP32-CAM; YOLOv8; Deteksi Slot Parkir; Pemantauan Real-Time; Penglihatan Komputer; Abstract - The growth in the number of vehicles and limited parking space capacity requires a more efficient monitoring system that can provide real-time information on slot availability. This research designs and builds a Smart Parking System based on the Internet of Things (IoT) and artificial intelligence (AI) by utilizing the ESP32-CAM module as a visual sensor and the YOLOv8 model to automatically detect vehicles. The system is implemented using a client–server architecture, where ESP32-CAM sends images of the parking area to the Python backend via the HTTP POST protocol to be processed using the AI model. The detection results are then stored in a MySQL database and displayed via a web dashboard as real-time monitoring, complete with parking slot status indicators and live camera streaming. Testing was conducted through 50 different scenarios, including single-object, multi-object, lighting variations, and edge cases. The system achieved 90% vehicle detection accuracy and 100% parking slot status determination accuracy, with a processing latency of 0.8–1.2 seconds. These results demonstrate that the integration of IoT and AI can produce an effective, responsive smart parking solution with the potential for development on a wider implementation scale.Keywords: Smart Parking; Internet of Things; ESP32-CAM; YOLOv8; Deteksi Slot Parkir; Monitoring Real-Time; Computer Vision;
Implementasi Sistem Keamanan Laci Pintar: Integrasi Kendali Akses Berbasis Web dan Klasifikasi Anomali Getaran Menggunakan Machine Learning Drilanang, Mhd Ilyasyah; Kiswanto, Dedy; Nababan, Sirus Daniel Haholongan; Putri, Fahra Pebiana
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10317

Abstract

Abstrak - Penelitian ini mengimplementasikan sistem keamanan laci pintar berbasis IoT dan Edge Machine Learning untuk mengatasi kelemahan kunci konvensional dan tingginya false alarm pada sensor getar biasa. Tujuan utama penelitian adalah mengembangkan sistem klasifikasi anomali getaran secara real-time menggunakan algoritma Rule-Based Decision Tree pada mikrokontroler ESP32. Sistem mengintegrasikan sensor MPU-6050, sensor LDR, dan solenoid lock yang dikendalikan melalui dashboard web. Metode klasifikasi menerapkan logika multi-threshold dengan parameter empiris Threshold Force 4.5 m/s² dan Counter Persistence 5 siklus. Berdasarkan pengujian terhadap 30 sampel uji data getaran, sistem menghasilkan akurasi sebesar 100% dalam membedakan pola "senggolan" dan "congkelan". Mekanisme counter terbukti menurunkan tingkat false alarm hingga 0% dibandingkan metode threshold tunggal. Selain itu, sistem menunjukkan responsivitas tinggi dengan rata-rata latensi notifikasi ke dashboard sebesar 2 detik. Penelitian ini berkontribusi pada pengembangan solusi keamanan fisik yang responsif, akurat, dan minim alarm palsu.Kata kunci :  Laci Pintar; Pembelajaran Mesin Edge; Deteksi Anomali Getaran; Keamanan IoT; ESP32; Abstract - This research implements a smart drawer security system based on IoT and Edge Machine Learning to overcome the weaknesses of conventional locks and the high rate of false alarms on ordinary vibration sensors. The main objective of the research is to develop a real-time vibration anomaly classification system using the Rule-Based Decision Tree algorithm on an ESP32 microcontroller. The system integrates an MPU-6050 sensor, an LDR sensor, and a solenoid lock controlled through a web dashboard. The classification method applies multi-threshold logic with empirical parameters of Threshold Force 4.5 m/s² and Counter Persistence 5 cycles. Based on testing on 30 vibration data test samples, the system produces 100% accuracy in distinguishing "nudge" and "pry" patterns. The counter mechanism is proven to reduce the false alarm rate to 0% compared to the single threshold method. In addition, the system shows high responsiveness with an average notification latency to the dashboard of 2 seconds. This research contributes to the development of physical security solutions that are responsive, accurate, and have minimal false alarms.Keywords: Smart Drawer;, Edge Machine Learning; Vibration Anomaly Detection; IoT Security; ESP32;
Sistem Monitoring Kualitas Udara dan Peringatan Dini Berbasis IoT dengan Prediksi Polusi Menggunakan Random Forest Regression Syukron, Ananda Irya Shakila; Kiswanto, Dedy; Hafiz, Alvin; Harahap, Salsa Nabila
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10243

Abstract

Abstrak - Pencemaran udara merupakan ancaman serius terhadap kesehatan masyarakat dan kualitas lingkungan, sehingga diperlukan sistem pemantauan yang responsif, andal, dan proaktif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kualitas udara dan peringatan dini berbasis Internet of Things (IoT) dengan integrasi machine learning untuk prediksi tingkat polusi secara real-time. Metode penelitian mencakup pengembangan perangkat keras berbasis ESP32 yang terhubung dengan sensor DHT11 (suhu dan kelembaban) serta MQ-135 (konsentrasi gas), pengiriman data ke server VPS melalui protokol HTTP, pembuatan dashboard web untuk visualisasi dan notifikasi, serta pembangunan model prediksi menggunakan Random Forest Regression. Dataset dikumpulkan secara real-time dengan total 38.733 entri, kemudian diproses melalui preprocessing (pembersihan, imputasi missing value, normalisasi Min-Max) dan dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model memiliki performa sangat baik dengan R² Score 0,8829 (latih) dan 0,8852 (uji), MAE 2,98, serta RMSE 5,13 pada data uji mengonfirmasi akurasi tinggi dan minimnya risiko overfitting. Analisis feature importance mengungkapkan bahwa konsentrasi gas (PPM) merupakan variabel paling dominan dalam prediksi AQI (skor 0,8497). Sistem peringatan dini juga terbukti efektif saat AQI melebihi ambang batas (misalnya ≥151), indikator LED berubah merah, alarm suara aktif berulang, dan insiden secara otomatis tercatat dalam log digital untuk manajemen respons yang terukur. Secara keseluruhan, integrasi IoT dan Random Forest Regression menghasilkan sistem monitoring yang tidak hanya informatif dan andal, tetapi juga proaktif dalam mitigasi risiko kesehatan akibat polusi udara.Kata kunci : IoT; Random Forest Regression; Kualitas Udara; Sistem Peringatan Dini; Abstract - Air pollution poses a serious threat to public health and environmental quality, requiring a responsive, reliable, and proactive monitoring system. This study aims to design and implement an Internet of Things (IoT)-based air quality monitoring and early warning system with machine learning integration for real-time pollution level prediction. The research methods included developing ESP32-based hardware connected to DHT11 (temperature and humidity) and MQ-135 (gas concentration) sensors, sending data to a VPS server via the HTTP protocol, creating a web dashboard for visualization and notification, and building a prediction model using Random Forest Regression. The dataset was collected in real-time with a total of 38,733 entries, then processed through preprocessing (cleaning, missing value imputation, Min-Max normalization) and divided with a ratio of 80:20 for training and testing. The evaluation results show that the model performs very well with an R² Score of 0.8829 (training) and 0.8852 (testing), MAE of 2.98, and RMSE of 5.13 on the test data, confirming high accuracy and minimal risk of overfitting. Feature importance analysis revealed that gas concentration (PPM) was the most dominant variable in AQI prediction (score 0.8497). The early warning system also proved effective when the AQI exceeded the threshold (e.g., ≥151), with the LED indicator turning red, the audible alarm sounding repeatedly, and the incident being automatically recorded in a digital log for measurable response management. Overall, the integration of IoT and Random Forest Regression resulted in a monitoring system that is not only informative and reliable but also proactive in mitigating health risks due to air pollution.Keywords: IoT; Random Forest Regression; Air Quality Monitoring; Early Warning System;
Integrasi Sensor Ultrasonik dan Computer Vision (YOLO) Berbasis ESP32-CAM untuk Klasifikasi Objek pada Sistem Parkir Manik, Kristin Impana; Kiswanto, Dedy; Defi, Aqilah; Gaol, Anwar Shaleh Lbn
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10263

Abstract

Abstrak - Penelitian ini mengembangkan sistem smart parking berbasis Internet of Things (IoT) yang mengintegrasikan sensor ultrasonik dan metode computer vision berbasis YOLO menggunakan modul ESP32-CAM untuk mendeteksi jarak serta mengklasifikasikan objek manusia dan non-manusia secara real-time. Sensor ultrasonik HC-SR04 digunakan untuk membaca jarak objek di area depan dan belakang kendaraan, sementara ESP32-CAM berfungsi menangkap citra lingkungan yang selanjutnya diproses melalui server berbasis Flask. Informasi jarak dan hasil klasifikasi objek kemudian diolah untuk menentukan status kondisi parkir, yaitu aman, hati-hati, dan bahaya, yang ditampilkan pada dashboard pemantauan real-time serta diteruskan ke indikator fisik berupa lampu lalu lintas mini dan buzzer sebagai peringatan kepada pengguna. Pengujian fungsional menunjukkan bahwa sistem mampu bekerja secara stabil dalam membaca jarak, mendeteksi keberadaan objek, serta menampilkan status parkir secara konsisten pada berbagai skenario jarak dan kondisi lingkungan. Integrasi sensor ultrasonik dan computer vision pada sistem ini memberikan informasi yang lebih komprehensif dibandingkan penggunaan sensor tunggal, sehingga berpotensi meningkatkan keselamatan dan efektivitas pemantauan area parkir. Untuk penelitian selanjutnya, sistem ini berpotensi dikembangkan melalui optimalisasi model deteksi objek serta perluasan variasi kondisi pengujian guna memastikan kinerja sistem yang andal pada lingkungan parkir yang lebih kompleks.Kata kunci : ESP32CAM; Internet of Things; Sensor Ultrasonik; Sistem Parkir Pintar; YOLO; Abstract – This research develops an Internet of Things (IoT)-based smart parking system that integrates ultrasonic sensors and YOLO-based computer vision using the ESP32-CAM module to detect object distance and classify human and non-human objects in real time. The HC-SR04 ultrasonic sensors are used to measure object distance in the front and rear areas of the vehicle, while the ESP32-CAM captures environmental images that are processed through a Flask-based server. The distance information and object classification results are then utilized to determine parking condition status, namely safe, caution, and danger, which are displayed on a real-time monitoring dashboard and transmitted to physical indicators in the form of a mini traffic light and buzzer. Functional testing shows that the system operates stably in reading distances, detecting object presence, and consistently displaying parking status under various distance and environmental conditions. The integration of ultrasonic sensing and computer vision provides more comprehensive information than single-sensor approaches, indicating its potential to improve safety and effectiveness in parking area monitoring. For future research, this system has the potential to be further developed through the optimization of the object detection model and the expansion of testing condition variations to ensure reliable system performance in more complex parking environment.Keywords: ESP32CAM; Internet of Things; Ultrasonic Sensor; Smart Parking System; YOLO;
Co-Authors Abdi Azzaki G, Fikri Abid Syuja, Muhammad Adidtya Perdana, Adidtya Adventino Gulo, Steven Afiati Nasution, Nadrah Afiq Alghazali Lubis Afrrahman S. Effendi, Ali Agi Berutu, Iwan Ahmad Fahrezi, Bryan Akbar, Muhammad Budi Al-Kautsar, Muhammad Zidane Alfin Syahri Alfin, Muhammad Alvansyah, Oka Alvin Hafiz Amanah, Fadilla Ananda Irya Shakila Syukron Andreas Sinabariba, Ade Anggraini Yolandari, Nezza Aqilah Defiyanti Ardani Achmad Arifin, Muhammad Hidayatul Ashillah, Salma Asro Harahap, Fatimah Audy Priscilia, Selfi Aulia Artika, Delvita Aulia, Windy Auzi, Sybil Azima Lubis, Fauzan Azis, Zainal Azzahra, Dita Putri Bob Valentino Bonifasius Simbolon, Aldo Br Hutagalung, Fhadillah Citra Hasiana Rajagukguk, Gloria Davina, Sherly Dealva Arsyad, Thania Defi, Aqilah Dewi Lestari Dly, Revidamurti Drilanang, Mhd Ilyasyah Dwi Febrianti, Bunga Ega Pratama Evanthe, Hansel Evanthe, Hansel Valent Fadilla Amanah Fahra Pebiana Putri Fauzan Azima Lubis Felix John Pardamean Hutabarat Fhadillah Br Hutagalung Fitra, Muhammad Rizki Andrian Gaol, Anwar Shaleh Lbn Gloria Citra Hasiana Rajagukguk Gulo, Steven Adventino Hafika, Rizky Ananda Hafiz, Alvin Hanafiah Hanafiah Harahap, Fatima Asro Harahap, Salsa Nabila Hasibuan, Najwa Latifah Henrydunan, John Bush Heppy Ria Sibarani, Ronasip Hermawan Syahputra Hidayat, M Fauzan Human Sukma, Ayman Hutabarat, Felix John Pardamean Hutagalung, Fhadillah Br Ichwanul Muslim Karo Karo Idris Putra Hatoguan Insan Pratama Siagian, Raihan Iwan Agi Berutu Jehian, Neysa Talitha Jibran Muzakki Khan, Adhevta Josua Pinem Juliana Silalahi, Feby Khildan Rifail Azis Khoiriah, Najwatul Kristin Impana Manik Latifah Hasibuan, Najwa Lubis, Ardilla Syahfitri Lubis, Fauzan Azima M.Pd., Zulherman Malau, Mei Lammi Manik, Albert Ramadhan Manik, Kristin Impana Maulida Surbakti, Nurul Meliala, Ruth Amelia Vega S Melly Br Bangun Mhd Ilyasyah Drilanang Muhammad Agus Syaputra Lubis Muhammad Alby Savana Hasibuan Muhammad Naufal Musyaafa Muhammad Zidane Al-Kautsar Muslim Sinaga, Rizal Nababan, Sirus Daniel Nababan, Sirus Daniel Haholongan Nasution, Adzkia Nasution, Afifah Naila Nasution, Aurela Khoiri Nasution, Siti Ananda Nazwar Farezi Nezza Anggraini Yolandari Noor, Muhammad Yazid Nurul Maulida Surbakti Panggabean, Suvriadi Parapat, Gerhard Hasangapon Paskah Abadi Simanullang Pebiana Putri, Fahra Peter Tymothy Hutabarat Prana Walidin, Adamsyach Pritiy Singgam Purba, Jogi Putra Paskah Halawa, Sovantri Putri Handayani Simbolon, Agata Putri Syaifullah, Sarah Putri, Fahra Pebiana Putri, Rezkya Nadilla Rabiah Adawi Raffi Akbar Tanjung, Muhammad Ramadhani, Fanny Rangga Wahyu Pratama Rifail Azis, Khildan Ririn Amelia Br Siregar Riyan Wardhana Rizal Muslim Sinaga Rizki Andrian Fitra, Muhammad Rizky Ananda Hafika Rizky Wahyudi Safitri, Eli Safrida Napitupulu Sapta Warman Zai, Tri Sembiring, Febe Gracia Shaleh Lbn Gaol, Anwar Siagian, Raihan Insan Pratama Sianipar, Freyro Dobry silalahi, evelyn keisha Silalahi, Feby Juliana Simanullang, Paskah Abadi Siregar, Dean Sitanggang, Yoseph Christian Sitepu, Ahmad Denil Sitepu, Keysa Shifa Adwitia Siti Mamduhah siti wulandari Sitohang, Yuda Advis Ambrosius Situmorang, Romatua SM Sidabutar, Yusiva Sovantri Putra Paskah Halawa Sri Dewi Stefen Agus Waruwu Sukma, Ayman Human Suryaningsih, Embun Suvriadi Panggabean Syahri, Alfin Syukron, Ananda Irya Shakila Talitha Jehian, Neysa Tri Sapta Warman Zai Tua Halomoan Harahap, Tua Halomoan Vega S. Meliala, Ruth Amelia Vincentius Manurung, Enriko Vivielda Farmawaty Tambunan Wahyudi, Rizky Waruwu, Stefen Agus Yohana Lorinez S. Yusuf Al-Hafiz, Ahmad Zidane Al-Kautsar, Muhammad Zulfahrizan, Atta Zulfi, M. Fikri