Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Fokus Elektroda (Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali)
L.M. Bahtiar Aksara
Universitas Halu Oleo
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Validasi Surat Akademik Menggunakan QR Code dan Algoritma AES pada Siakadbeta Universitas Halu Oleo La Surimi; Adha Mashur Sajiah; Natalis Ransi; , Jumadil Nangi; L.M. Bahtiar Aksara; Rizal Adi Saputra
Jurnal Fokus Elektroda : Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) Vol. 8 No. 3 (2023): Jurnal Fokus Elektroda Vol 8 No 3 2023
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Halu Oleo

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

Abstract

Abstract — Letters are an important part of administration at a university. Letters are a formal means of communication between internal institutions within a university. In the academic process at Halu Oleo University, letters are generally used for applications for academic dispensation, for example KRS dispensation requests, uploading repair grades and UKT payment dispensations. This letters is still carried out in a conventional way so it is still difficult to validate the integrity of the letter, even though the letter contains a stamp or signature of the head of the institution. Therefore, in this study a validation system for academic letters was developed using the QR Code and the AES Algorithm. The AES algorithm is used to ensure document data integrity. While the QR Code is used so that the validation process is easily carried out by the user. The results of testing with the black box showed that the results of the implementation of the system design can run effectively. Whereas in testing the performance of the data validation process it showed that when the number of attachments is 25, the results of the QR Code cannot be scanned. This is due to the density of the contents of the QR Code and the scanning tool used. Keyword — AES Algorithm, Document Validation, QR Code, and Rational Unified Process, and Document Validation.
KLASIFIKASI STATUS GIZI IBU HAMIL MENGGUNAKAN ALGORITMA BOOSTING DENGAN METODE SMOTE Annisa Auliya Ramadhani; Rizal Adi Saputra; L.M. Bahtiar Aksara; Isnawaty
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 8 No 2 (2026): EDISI 28
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v8i2.7530

Abstract

Status gizi ibu hamil merupakan faktor penentu utama dalam pertumbuhan janin. Ketidakseimbangan gizi pada masa ini dapat menyebabkan gangguan kesehatan, termasuk stunting. World Health Organization (WHO) melaporkan bahwa sekitar 20% kasus stunting terjadi sejak masih didalam kandungan, yang menegaskan pentingnya pemantauan status gizi sejak awal kehamilan. Penelitian ini bertujuan untuk membandingkan performa dua algoritma Boosting, yaitu Extreme Gradient Boosting (XGBoost) dan Categorical Boosting (CatBoost), yang diintegrasikan dengan metode Synthetic Minority Oversampling Technique (SMOTE) untuk menangani ketidakseimbangan kelas pada dataset. Dataset penelitian ini terdiri dari 386 data rekam medis antropometri dari Puskesmas Abeli, mencakup fitur umur, berat badan awal, tinggi badan, Lingkar Lengan Atas (LiLA), dan Indeks Massa Tubuh (IMT) sebelum hamil untuk memprediksi empat kelas status gizi: Kurang, Normal, Lebih, dan Obesitas. Seleksi fitur dan penentuan label juga telah dikonsultasikan dengan ahli gizi untuk memastikan relevansi klinis. Hasil pengujian menunjukkan bahwa kombinasi XGBoost dengan SMOTE mencapai performa terbaik dengan akurasi 98,72%, presisi 99,31%, recall 98,75%, dan F1-score 99,01%, melampaui model CatBoost dengan SMOTE dengan akurasi 97,44%, presisi 98,65%, recall 97,50%, dan F1-score 97,99%. Temuan ini membuktikan bahwa integrasi XGBoost dan SMOTE sangat andal sebagai alat bantu klasifikasi status gizi ibu dan dapat mendukung deteksi dini risiko stunting sejak masa kehamilan.
Co-Authors , Jumadil Nangi Adha Mashur Sajiah Annisa Auliya Ramadhani Isnawaty La Surimi Natalis Ransi Rizal Adi Saputra