Article Per Year (5 Year)
p-Index From 2021 - 2026
2.036
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 Komputer, Informasi dan Teknologi 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 : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
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.
SISTEM INFORMASI HARGA KOST BERBASIS CITRA VISUAL MENGGUNAKAN HYBRID RESNET DAN SUPPORT VECTOR MACHINE (SVM) Glenn, Jonathan Alonso; 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.v14i1.9043

Abstract

Mencari tempat kos yang pas dengan budget merupakan tantangan tersendiri bagi mahasiswa dan pekerja di kota-kota besar. Proses pencarian biasanya memakan waktu cukup lama karena harus datang langsung ke lokasi satu per satu untuk melihat kondisi dan fasilitas kos sebelum bisa memperkirakan harganya. Untuk mengatasi hal ini, penelitian ini mendesain sebuah sistem yang dapat mengenali kategori kos dengan fotonya menggunakan aplikasi teknologi berbasis deep learning. Metode yang diusulkan menggabungkan ResNet50 sebagai pengekstrak fitur gambar dengan SVM sebagai pengklasifikasi. Data yang digunakan berasal dari 1009 foto kos di wilayah Yogyakarta yang sudah dikelompokkan menjadi tiga kategori yaitu kelas rendah, menengah, dan tinggi. Untuk mendapatkan parameter terbaik pada proses learning, dilakukan optimasi menggunakan GridSearchCV dengan teknik 10-fold cross validation. Setelah diuji, sistem mampu mengklasifikasikan dengan tingkat akurasi 80.69%, nilai precision 81.01%, recall 80.03%, dan F1-score 80.79%. Sistem ini kemudian dikembangkan menjadi aplikasi smartphone berbasis Flutter yang terhubung dengan server Flask. Hasil pengujian aplikasi mampu memprediksi dengan tingkat keyakinan di atas 75%. Dengan adanya sistem ini, pencari kos bisa melakukan penilaian awal terhadap kategori dan perkiraan harga kos sebelum memutuskan untuk berkunjung langsung.
Co-Authors Achhmad Agam Ariq Azhar Zhafari Bayu Sembiring, Edward Faozi, Miftah Farkhatun Zaidah Fauzie, Mohammad Glenn, Jonathan Alonso Kleruk, Venansius Maulana, Nur Revicko, Julian Reza Kurniawan Adi Pratama Widodo Yogatama, Dhani