Claim Missing Document
Check
Articles

Found 5 Documents
Search

Sistem Informasi Pajak Pph Pasal 21 Berbasis Sms Gateway Menggunakan Teknologi J2SE Imam Asrowardi; Halim Fathoni; Septafiansyah Dwi Putra
Jurnal Ilmiah ESAI Vol 4 No 3 (2010)
Publisher : Politeknik Negeri Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/esai.v4i3.1346

Abstract

Sistem informasi pajak penghasilan yang masih berjalan masih menggunkan sistem yang manual yaitu dengan melalui telepon atau surat pos. Sehingga membutuhkan waktu yang cukup lama dan biaya yang tinggi untuk mengetahui besarnya pajak penghasilan suatu wajib pajak.  Untuk membantu menyelesaikan permasalahan tersebut,  maka dibuat sebuah program aplikasi yang dapat membantu permasalahan tersebut. Metode pelaksanaan yang digunakan dalam percobaan ini adalah studi kelayakan, desain basis data, pemrograman, pengujian, dan dokumentasi.  Berdasarkan pada hasil pengujian yang telah dilakukan yaitu pengujian dengan 12 sample yang diuji terdapat hanya satu kegagalan uji. Sehingga dapat dikatakan sistem ini dapat memenuhi kebutuhan wajib pajak dan layak untuk diimplementasikan.Keyword : sistem, pajak
PELATIHAN FOTOGRAFI DAN FOTO EDITING PRODUK MENGGUNAKAN KAMERA SMARTPHONE UNTUK UMKM LAMPUNG Rofianto Dani; Eko Win Kenali; Jaka Fitra; Khusnatul Amaliah; Halim Fathoni
Jurnal Abimana (Jurnal Pengabdian Kepada Masyarakat Nasional) Vol 1 No 1 (2024): Mei
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat Politeknik Negeri Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25181/abimana.v1i1.3502

Abstract

Pertumbuhan ekonomi digital yang pesat di Indonesia telah mengubah paradigma bisnis dengan penyebaran internet yang semakin merata di kalangan masyarakat. Lonjakan penggunaan internet dan media sosial, terutama selama pandemi COVID-19, mencapai lebih dari 202 juta individu, di mana sekitar 170 juta di antaranya aktif menggunakan media sosial. Dalam konteks ekonomi digital yang berkembang pesat, peran smartphone menjadi sangat vital. Kualitas kamera smartphone yang semakin baik, fitur pengeditan gambar yang canggih, dan harganya yang terjangkau menjadikannya solusi ideal bagi pelaku bisnis, terutama Usaha Mikro, Kecil, dan Menengah (UMKM), yang ingin mempertahankan dan meningkatkan kinerja bisnis mereka. Penelitian ini bertujuan untuk memberikan pelatihan fotografi produk menggunakan smartphone, khususnya untuk UMKM Binaan Polinela. Kami mengidentifikasi bahwa pelatihan teknik fotografi produk dengan smartphone menjadi kunci untuk membantu UMKM menciptakan foto produk yang lebih estetik dan profesional. Dengan smartphone yang semakin merakyat, pelatihan semacam itu mengurangi risiko pasar dan menyediakan kualitas gambar yang bersaing dengan kamera profesional. Hasil dari pelatihan teknik fotografi produk menggunakan smartphone berdampak positif pada kualitas gambar produk UMKM. Perubahan ini juga berkaitan dengan peningkatan daya tarik produk dan merek, yang tercermin dalam peningkatan penjualan dan kesadaran merek. Hal ini memberikan bukti bahwa pelatihan semacam ini memiliki potensi untuk meningkatkan pertumbuhan bisnis UMKM di era ekonomi digital yang berkembang pesat di Indonesia.
SMART GREENHOUSE ADAPTIF BERBASIS IOT DAN CONTAINER SYSTEM UNTUK OPTIMASI MIKROKLIMAT PEMBIBITAN CABAI KERITING Jaka Fitra; Halim Fathoni; Atika Arpan; Rizka Permata; Mezan El-Khaeri Kesuma; Muhamad Cahyo Rifki Dwi Putra
Jurnal Teknologi Informasi Mura (JTI) Vol. 18 No. 1 (2026): Jurnal Teknologi Informasi Mura MARET
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2995

Abstract

Pembibitan cabai keriting merupakan fase krusial yang memerlukan kondisi mikroklimat yang stabil agar bibit dapat tumbuh dengan vigor optimal. Pada praktik lapangan, fluktuasi suhu dan kelembapan, serta ketidakteraturan penyiraman sering menyebabkan penurunan vigor, pertumbuhan tidak seragam, dan potensi peningkatan mortalitas bibit. Penelitian ini mengembangkan Smart Greenhouse adaptif berbasis Internet of Things (IoT) dan container system sebagai solusi untuk mengendalikan mikroklimat secara otomatis, real-time, dan terukur. Sistem dirancang menggunakan mikrokontroler ESP32-S3 dengan sensor BMP280 untuk pengukuran suhu, kelembapan, dan tekanan udara. Fogging, ventilasi otomatis, dan kontrol irigasi digunakan sebagai aktuator adaptif. Seluruh data lingkungan dikirimkan ke Firebase Realtime Database dan divisualisasikan melalui Blynk IoT, sementara arsitektur perangkat lunak berbasis Docker diimplementasikan untuk meningkatkan modularitas, skalabilitas, dan stabilitas sistem. Hasil pengujian menunjukkan bahwa sistem mampu mempertahankan suhu rata-rata 27,1°C dan kelembapan 74,3% dengan tingkat error pembacaan sensor hanya 0,73%. Aktuator merespons perubahan lingkungan dalam 3–6 detik dan mampu mengembalikan kondisi ke rentang optimal dalam waktu singkat. Kinerja container system menunjukkan mampu memproses lebih dari 1.200 permintaan per jam tanpa peningkatan latency signifikan. Secara keseluruhan, sistem terbukti efektif dalam meningkatkan presisi pengendalian mikroklimat, efisiensi penggunaan air, serta akurasi pemantauan lingkungan pada fase pembibitan cabai keriting. Penelitian ini memberikan dasar bagi pengembangan lanjutan menuju pertanian presisi berbasis automasi dan kecerdasan buatan.
KONTRIBUSI GBDT FEATURE SELECTION TERHADAP PENINGKATAN AKURASI DEEP LEARNING UNTUK PREDIKSI DISSOLVED OXYGEN PADA KOLAM AKUAKULTUR SKALA MIKRO Halim Fathoni; Eko Win Kenali; Jaka Fitra; Dani Rofianto; Khusnatul Amaliah
JUTIM (Jurnal Teknik Informatika Musirawas) Vol. 11 No. 1 (2026): JUTIM (Jurnal Teknik Informatika Musirawas) Maret
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dissolved oxygen (DO) merupakan parameter kualitas air yang kritis dalam sistem akuakultur karena berpengaruh langsung terhadap kelangsungan hidup organisme budidaya. Penelitian ini mengusulkan model prediksi kadar oksigen terlarut pada kolam budidaya skala mikro berukuran 2,4 × 2,4 meter dengan kedalaman air 55 cm menggunakan kombinasi Gradient Boosting Decision Tree (GBDT) dan Long Short-Term Memory (LSTM). GBDT digunakan untuk seleksi fitur dari dua belas variabel input yang mencakup data sensor kualitas air dan data meteorologi dari stasiun cuaca otomatis, termasuk radiasi surya, curah hujan, tekanan udara, kelembaban, dan kecepatan angin. Variabel baru berupa Heat Flux dan Wind Mix diturunkan dari karakteristik fisik kolam untuk merepresentasikan intensitas energi per satuan volume air. Parameter LSTM dioptimalkan menggunakan cross-validation grid search dengan K=5 fold dan 96 kombinasi parameter. Data dikumpulkan dari sistem IoT dan stasiun cuaca otomatis selama Oktober–Desember 2024. Hasil evaluasi model menunjukkan RMSE=0,4963 mg/L, MAE=0,368 mg/L, dan MAPE=0,129, lebih baik dibandingkan LSTM Baseline (RMSE=0,4254, MAE=0,300, MAPE=0,105).
SMART GREENHOUSE ADAPTIF BERBASIS IOT DAN CONTAINER SYSTEM UNTUK OPTIMASI MIKROKLIMAT PEMBIBITAN CABAI KERITING Jaka Fitra; Halim Fathoni; Atika Arpan; Rizka Permata; Mezan El-Khaeri Kesuma; Muhamad Cahyo Rifki Dwi Putra
Jurnal Teknologi Informasi Mura (JTI) Vol. 18 No. 1 (2026): Jurnal Teknologi Informasi Mura MARET
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v18i1.2995

Abstract

Pembibitan cabai keriting merupakan fase krusial yang memerlukan kondisi mikroklimat yang stabil agar bibit dapat tumbuh dengan vigor optimal. Pada praktik lapangan, fluktuasi suhu dan kelembapan, serta ketidakteraturan penyiraman sering menyebabkan penurunan vigor, pertumbuhan tidak seragam, dan potensi peningkatan mortalitas bibit. Penelitian ini mengembangkan Smart Greenhouse adaptif berbasis Internet of Things (IoT) dan container system sebagai solusi untuk mengendalikan mikroklimat secara otomatis, real-time, dan terukur. Sistem dirancang menggunakan mikrokontroler ESP32-S3 dengan sensor BMP280 untuk pengukuran suhu, kelembapan, dan tekanan udara. Fogging, ventilasi otomatis, dan kontrol irigasi digunakan sebagai aktuator adaptif. Seluruh data lingkungan dikirimkan ke Firebase Realtime Database dan divisualisasikan melalui Blynk IoT, sementara arsitektur perangkat lunak berbasis Docker diimplementasikan untuk meningkatkan modularitas, skalabilitas, dan stabilitas sistem. Hasil pengujian menunjukkan bahwa sistem mampu mempertahankan suhu rata-rata 27,1°C dan kelembapan 74,3% dengan tingkat error pembacaan sensor hanya 0,73%. Aktuator merespons perubahan lingkungan dalam 3–6 detik dan mampu mengembalikan kondisi ke rentang optimal dalam waktu singkat. Kinerja container system menunjukkan mampu memproses lebih dari 1.200 permintaan per jam tanpa peningkatan latency signifikan. Secara keseluruhan, sistem terbukti efektif dalam meningkatkan presisi pengendalian mikroklimat, efisiensi penggunaan air, serta akurasi pemantauan lingkungan pada fase pembibitan cabai keriting. Penelitian ini memberikan dasar bagi pengembangan lanjutan menuju pertanian presisi berbasis automasi dan kecerdasan buatan.