Article Per Year (5 Year)
p-Index From 2021 - 2026
2.189
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Jurnal Informatika dan Teknik Elektro Terapan Journal Zetroem Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Teknik Informatika Jurnal Sains Informatika Terapan (JSIT) Jikom: Jurnal Informatika dan Komputer Da'watuna: Journal of Communication and Islamic Broadcasting
Supatman
Unknown Affiliation
Religion Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Sistem E-Tiket Bus Menggunakan QR-Code Berbasis Website Revicko, Julian; Supatman
Jurnal Informatika dan Komputer Vol 14 No 2 (2024): Oktober
Publisher : Sekolah Tinggi Ilmu Komputer PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55794/jikom.v14i2.187

Abstract

The land public transportation mode remains the main choice for the community in carrying out mobility, especially in traveling between cities and provinces. However, many users are worried because of the rampant fraud committed by irresponsible people, because of this unrest, the perpetrators of land public transportation service providers have begun to use technology in their transaction system, this aims to minimize the existence of passengers who do not have tickets and unauthorized ticket sellers. This research uses the SDLC (System Development Life Cycle) method because it can provide the approach and structure needed in system planning and development. This system was created using the PHP programming language and the CodeIgniter Framework in the development of the system. the utilization of QR Code technology on the system is as a way to encode the code on the ticket into an E-Ticket without using paper, besides aiming to increase security, the QR Code also provides efficiency in the ticket transaction process. The use of this website is also more structured because it prevents damage or loss of tickets, increases time efficiency and increases sales. The result of this research is the successful design of a bus E-Ticket system that uses a QR Code and is website-based.
Klasifikasi Transaksi Obat Puskesmas Bagelen Menggunakan Algoritma KNN Widodo; Supatman
ZETROEM Vol 6 No 1 (2024): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v6i1.3540

Abstract

Negara yang maju identik dengan tingkat kesehatan masyarakat yang tinggi pula. Di Indonesia Puskesmas menjadi ujung tombak dalam rangka meningkatkan aspek kesehatan masyarakat yang berada di wilayah, utamanya jauh dari pusat fasilitas kesehatan seperti di kota – kota besar. Faktor ekonomi dan akses yang terjangkau menjadikan Puskesmas sebagai pilihan masyarakat dalam mendapatkan layanan kesehatan. Dimana Pusksesmas hampir tersedia di seluruh kecamatan di wilayah Indonesia dan mayoritas penduduk Indonesia masih berada dalam status ekonomi menengah ke bawah. Bentuk- bentuk pelayanan kesehatan uang diberikan Puskesmas kepada masyarakat salah satu yaitu penyediaan obat – obatan yang dibutuhkan masyarakat. Puskesmas Bagelen merupakan pusat Kesehatan masyarakat yang berlokasi di wilayah selatan pulau Jawa tepatnya di kabupaten Purworejo, provinsi Jawa Tengah. Puskesmas Bagelen sudah memiliki system manajemen yang terintegrasi dengan Dinas Kesehatan yang baik, akan tetapi system menejemen stock obat belum menggunakan data maining. Penting untuk dilakukan manajemen stock agar tidak terjadi kelangkaan obat terutama untuk obat yang banyak dibutuhkan masyarakat. Penggunakan Algoritma KNN (K-Nearest Neighbour) dalam menentukan stock obat sangatlah penting, dimana metode ini menggunakan perhitungan jarak kedekatan (Euclidean distance) antara data training (data pelatihan) serta data testing (data uji). Dalam hal ini ini kita dapat mengklasifikasikan jumlah transaksi obat tersebut termasuk dalam kategori permintaan tinggi, permintaan sedang, atau permintaan sedikit. Hal ini akan memudahkan petugas dalam rangka membuat order berdasarkan tingkat permintaan obat dari masyarakat. Berdasarkan pada penelitian yang terlah dilakukan oleh penulis diperoleh akurasi sebesar 96% dengan nilai k = 7 dengan jumlah data training 75 record, data testing 25 record.
Implementasi HAProxy sebagai external traffic load balancer cluster Kubernetes yang berjalan di atas Openstack Reza Kurniawan Adi Pratama; Supatman
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.v6i3.360

Abstract

Teknologi cloud computing dan microservices telah berkembang menjadi sebuah kombinasi yang menyediakan lingkungan yang fleksibel dan skalabel untuk aplikasi terdistribusi. Meskipun demikian, Kubernetes yang diimplementasikan di atas Openstack menghadapi tantangan terutama terkait aksesibilitas aplikasi, stabilitas sistem dan kinerja load balancing pada level eksternal. Penelitian ini mengeksplorasi implementasi HAProxy sebagai load balancer eksternal pada Kubernetes untuk meningkatkan efisiensi distribusi lalu lintas dan stabilitas sistem. Penelitian dilakukan melalui eksperimen pada Kubernetes cluster yang diimplementasikan di atas Openstack dengan pemasangan HAProxy yang dikonfigurasi untuk skenario pembagian beban lalu lintas data, penggunaan sumber daya (CPU dan memori), serta ketersediaan tinggi pada sistem. Simulasi aksesibilitas aplikasi dilakukan dengan cara melakukan akses aplikasi dan trace host melalui jaringan yang berbeda-beda, kemudian simulasi permintaan pengguna dilakukan menggunakan alat pengujian Apache Benchmark (ab) untuk mengukur efektivitas HAProxy dalam menangani jumlah permintaan yang tinggi serta simulasi ketersediaan tinggi dilakukan dengan mematikan salah satu server. Hasil penelitian menunjukkan bahwa HAProxy mampu memberikan presentase keberhasilan 100% untuk aksesibilitas aplikasi, efisiensi sumber daya container dengan konsumsi paling tinggi 46m (milicores) CPU dan 8 Mi (Mebibytes) pada memori setelah diberikan beban sebanyak 10.000 request, serta ketersediaan tinggi walaupun terdapat server yang mati atau bermasalah.
Sistem Pendukung Keputusan Implementasi Metode Analytical Hierarchy Process Rekomendasi Pemilihan Bibit Cabai Bayu Sembiring, Edward; Supatman
JEKIN - Jurnal Teknik Informatika Vol. 4 No. 3 (2024)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v4i3.924

Abstract

Pemilihan bibit cabai merupakan faktor penentu hasil dari tanaman cabai, pemilihan bibit cabai yang dilakukan petani masih bersifat tradisional dan manual sehingga terkadang akan menghasilkan panen yang kurang maksimal, hal ini dikarenakan kurangnya pengetahuan untuk memilih benih cabai yang berkualitas. Skripsi ini bertujuan untuk mengembangkan sisitem pendukung keputusan dengan menggunakan metode AHP. Metode AHP digunakan untuk menganaiisis dan  memprioritaskan kriteria sesuai dengan preferensi petani. Proses ini melibatkan tahap identifikasi kriteria, pembobotan, dan perankingan berdasarkan nilai yang sudah dihitung. Dengan penggunan kriteria seperti ukuran, tekstur, warna, daya tumbuh, dan daya tahan, pembuatan sistem penunjang keputusan untuk memberikan hasil pada data bibit Cabai Megatop F1, Cabai Beton F1, Cabai Balebat F1, Cabai Busur, Cabai Colombus, Cabai Darmais dapat memberikan hasil dengan menggunakan perhitungan motode Analytical Hierarchy Process (AHP). berdasarkan data bibit cabai tersebut didapati bibit cabai Megaton F1 merupakan rekomendasi bibit cabai denga nilai AHP yaitu 0.556. Penggunaan Sistem Pendukung Keputusan berbasis AHP ini mampu memberikan rekomendasi rekomendasi bibit cabai terbaik dan tingkat akurasi yang dicapai cukup akurat sehingga dapat membantu petani untuk menentukan kualitas bibit cabai terbaik.
Implementasi Metode K-Nearest Neighbor Dalam Menentukan Klasifikasi Strata Posyandu Di Kabupaten Brebes Farkhatun Zaidah; Supatman
JEKIN - Jurnal Teknik Informatika Vol. 5 No. 1 (2025)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v5i1.1124

Abstract

Abstrak - Posyandu (Pos Pelayanan Terpadu ) merupakan kesehatan dasar yang menjadi bagian dari program pemerintah dalam mendukung upaya kesehatan berbasis masyarakat (UKBM). Posyandu diinisiasi, dikelola, dan dilaksanakan oleh masyarakat untuk kepentingan bersama yang untuk mengurangi angka kematian ibu dan angka kematian bayi di Indonesia. Permasalahan yang dihadapi dalam pelaksanaan Posyandu di Kabupaten Brebes mencakup tantangan dalam mengelompokkan strata Posyandu berdasarkan kualitas layanan yang diberikan. Pengelompokan yang kurang tepat dapat menyebabkan evaluasi dan prioritas peningkatan layanan tidak efektif, sehingga mempengaruhi keberhasilan program kesehatan masyarakat. Oleh karena itu, dibutuhkan solusi berbasis data untuk menghasilkan klasifikasi strata Posyandu yang akurat dalam membantu pengambilan keputusan. Penelitian ini mengusulkan implementasi metode K- Nearest Neighbor (K-NN) dalam menentukan klasifikasi strata Posyandu di Kabupaten Brebes. K-NN dipilih karena kemampuannya dalam menangani data numerik dan menghasilkan prediksi yang presisi. Data yang digunakan dalam penelitian ini diambil dari buku profil Posyandu tiap kecamatan di Kabupaten Brebes dalam kurun waktu 2021 - 2024. Pengukuran kinerja yang digunakan meliputi: akurasi, presisi, recall, dan f1-score. Berdasarkan hasil pengujian, klasifikasi strata Posyandu menggunakan metode K-Nearest Neighbor menunjukkan akurasi, presisi, racall, f1-score secara beturutan yaitu 100%, 100%, 100%, dan 100%, pada pengujian dengan nilai K = 9 dengan rasio perbandingan 80% : 20% Hasil penelitian ini membuktikan bahwa metode K-Nearest Neighbor dapat ditetapkan secara efektif untuk klasifikasi strata Posyandu .Dengan demikian , penelitian ini mendukung peningkatan kualitas layanan dan keberhasilan program kesehatan masyarakat di Kabupaten Brebes .  
Klasifikasi Kedelai Gmo Dan Non-Gmo Menggunakan Metode Convolutional Neural Network Yogatama, Dhani; Supatman
Jurnal Sains Informatika Terapan Vol. 4 No. 2 (2025): Jurnal Sains Informatika Terapan (Juni, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i2.582

Abstract

The rapid advancement of Genetically Modified Organisms (GMO) in agriculture raises concerns regarding food safety, labeling, and consumer protection, especially in soybean commodities. Due to the high visual similarity between GMO and and non-GMO soybeans, traditional identification methods such as molecular testing are often impractical for real-time inspection. This research proposes a classification approach using Convolutional Neural Network (CNN) to automatically distinguish between GMO and non-GMO soybean seeds based on digital images. The dataset used consists of 1,000 soybean seed images, evenly divided between GMO and non-GMO categories, collected using a controlled imaging setup. The preprocessing stage involved cropping, resizing images to 128x128 pixels, and pixel normalization. The dataset was then split into a 70% training set, 10% validation set, and 20% test set to ensure robust model evaluation. The CNN model architecture includes convolutional, pooling, and dense layers, trained using the Adam optimizer and categorical crossentropy loss function. The evaluation results show that the model achieved a test accuracy of 99.00%, with high precision, recall, and F1-score for both classes. These findings demonstrate that CNN can be used to classify soybean seeds without manual feature extraction, offering a practical solution for quality control in agriculture and food processing industries.
Klasifikasi Citra Daun Tanaman Herbal Untuk Penyakit Kanker-Diabetes-Hipertensi Menggunakan Model Xception Faozi, Miftah; Supatman
Jurnal Sains Informatika Terapan Vol. 4 No. 2 (2025): Jurnal Sains Informatika Terapan (Juni, 2025)
Publisher : Riset Sinergi Indonesia (RISINDO)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62357/jsit.v4i2.627

Abstract

Tanaman herbal telah lama dimanfaatkan sebagai sumber pengobatan tradisional di berbagai budaya, termasuk di Indonesia yang kaya akan keanekaragaman hayati. Kesamaan morfologi antar jenis daun herbal seringkali menyulitkan mengenali secara visual, terutama bagi masyarakat umum yang tidak memiliki latar belakang botani. Pemanfaatan teknologi pengolahan citra dan pembelajaran mendalam untuk klasifikasi tanaman herbal memiliki peran penting dalam mendukung konservasi dan pemanfaatan sumber daya alam. Penelitian ini bertujuan untuk mengembangkan klasifikasi otomatis daun herbal menggunakan pendekatan transfer learning dengan model Xception. Tahapan penelitian meliputi akuisi citra daun tanaman herbal, preprocessing citra, pelatihan model Xception, dan pengujian. Citra daun herbal yang digunakan dalam penelitian ini berjumlah 600 citra daun Cincau, Kemangi, Seledri, Jambu Biji, Pepaya, dan Blimbing Wuluh dari data primer dan sekunder. Model dilatih menggunakan optimizer Adamax dengan ukuran citra 128x128 piksel dan dievaluasi berdasarkan akurasi, precision, recall, dan f1-score. Hasil pengujian diperoleh kinerja mencapai akurasi 98,33%, presisi 99%, recall 98%, dan f1-score 98%. Temuan ini, menunjukkan bahwa model Xception yang mampu mengklasifikasikan 3 kelompok tanaman untuk pengobatan herbal dan masing-masing kelompok terdiri dari 2 jenis tanaman dengan unjukkerja yang sangat tinggi. Model ini dapat diimplementasikan sebagai bagian dari sistem pendukung keputusan dalam bidang farmasi dan konservasi tanaman obat.
Klasifikasi Pendapatan Driver Shopee Food Menggunakan Metode K-Means Ariq Azhar Zhafari; Supatman
Da'watuna: Journal of Communication and Islamic Broadcasting Vol. 4 No. 4 (2024): Da'watuna: Journal of Communication and Islamic Broadcasting (In Press)
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/dawatuna.v4i4.1735

Abstract

PT Shopee Internasional Indonesia is a company that has e-commerce features and also has a food and food delivery service known as Shopee Food which started operating in April 2020. At the beginning of 2021, Shopee Food started fulfilling food and drink orders, thereby attracting many driver partners to deliver it to consumers. This is because the payment system is easy to use. The income received by drivers through ShopeePay is accumulated and properly recorded in the Shopee Food driver account. Therefore, it is necessary to classify a driver's income every week to find out the highest and lowest income. The aim of the research carried out is grouping to minimize the objective function set in the clustering process, which basically tries to minimize variation within one cluster and maximize variation between clusters, and to classify several incomes based on the K-Means method. The research method used is the K-Means clustering method which is used to group data into several groups (clusters) based on similar features. Data collection was carried out for 5 months (May-October) 2023. Then the data obtained was identified in which week the income data was the highest and lowest. So the clustering is carried out which is displayed in the diagram by marking 4 features to make it easier to read the results, namely red (low), blue (medium), black (highest), and blue box (average). The results obtained based on diagrams (visual data) produce the highest data in the 1st month with income of IDR 39,000.00, while the lowest data is in the 4th month with IDR 6,400.00 and with a small data ratio. The conclusion obtained from the research results is that you get the highest income, namely in month 1 with an income of IDR 39,000.00.
Analisa Citra Warna Darah Reject Berdasarkan Fitur Histogram Menggunakan KNN Achhmad Agam; Supatman
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3332

Abstract

Manual quality assessment of Platelet Concentrate (TC) is highly subjective and inconsistent, necessitating an objective, automated classification system. This study aims to develop a computationally efficient, low-cost model for TC quality classification using Histogram Features extracted from grayscale images combined with the K-Nearest Neighbor (KNN) algorithm. The methodology employed critical preprocessing steps, including StandardScaler for normalization and SMOTE for balancing the training data, followed by optimization across K=1 to K=30. The optimal model achieved a maximum accuracy of 69.23% at K=6, with an F1-Score of 71.43%, confirming robust performance on the imbalanced testing set. The results validate the effectiveness of the Histogram-KNN approach as a consistent and reliable decision support system for rapid TC quality screening in resource-limited settings.
PROTOTYPE MONITORING PENYIRAMAN OTOMATIS PADA TANAMAN DI TAMAN KOTA BERBASIS INTERNET OF THINGS (IOT) MENGGUNAKAN SOFTWARE ARDUINO IDE Kleruk, Venansius; Supatman
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.v14i1.8947

Abstract

Abstrak. Pemeliharaan taman kota seringkali menghadapi tantangan dalam efisiensi penyiraman dan pemantauan kondisi tanaman secara real-time. Penelitian ini bertujuan untuk merancang dan membangun prototipe sistem penyiraman otomatis berbasis Internet of Things (IoT) dengan menggunakan NodeMCU V3 (ESP8266) dan software Arduino IDE. Sistem ini mengintegrasikan sensor kelembaban tanah, sensor suhu dan kelembaban udara (DHT11), sensor suhu tahan air (DS18B20), serta sensor level air untuk mengukur kondisi lingkungan tanaman. Data yang diperoleh ditampilkan secara nirkabel melalui aplikasi Blynk di smartphone. Hasil pengujian menunjukkan bahwa sistem mampu menyiram tanaman secara otomatis berdasarkan ambang kelembaban tertentu, serta memberikan informasi pemantauan secara akurat dan efisien. Prototipe ini diharapkan dapat mendukung pengelolaan taman kota yang lebih ramah lingkungan dan mendukung konsep smart green city. Abstract. Efficient irrigation and real-time monitoring are essential aspects of urban park management. This research focuses on the development of an Internet of Things (IoT)-based automatic irrigation system using NodeMCU V3 (ESP8266) programmed with the Arduino IDE. The proposed system employs soil moisture, DHT11, DS18B20, and water level sensors to monitor environmental parameters affecting plant growth. Sensor data are transmitted wirelessly and visualized through the Blynk application. Experimental results demonstrate that the system operates effectively in performing automatic irrigation based on soil moisture thresholds and provides reliable monitoring information. The proposed prototype has the potential to support sustainable urban park management and smart green city initiatives.
Co-Authors Achhmad Agam Ariq Azhar Zhafari Bayu Sembiring, Edward Faozi, Miftah Farkhatun Zaidah Fauzie, Mohammad Glenn, Jonathan Alonso Gustiawan Permadi, Mario Kleruk, Venansius Maulana, Nur Revicko, Julian Reza Kurniawan Adi Pratama Widodo Yogatama, Dhani