Article Per Year (5 Year)
p-Index From 2020 - 2025
1.006
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Mashur Sajiah, Adha
Unknown Affiliation
Computer Science & IT

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
PENGEMBANGAN SISTEM INFORMASI ARSIP KWH SULAWESI TENGGARA MENGGUNAKAN METODE AGILE BERBASIS EXCEL MACRO VBA: STUDI KASUS: STASIUN TELEPON OTOMATIS 1 KENDARI Wahab, Agrian; Ayu, Nurfatzma; Fayiz Syahputra A, Muh. Thariq; Mashur Sajiah, Adha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 6 (2024): JATI Vol. 8 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i6.11763

Abstract

Pengembangan sistem informasi arsip kilowatt-hour (KWH) Telkom Witel Sulawesi Tenggara, khususnya di unit Stasiun Telepon Otomatis 1 Kendari, merupakan langkah strategis untuk mengatasi tantangan pengelolaan dokumen yang semakin kompleks dan penting. Proyek ini menggunakan metode Agile untuk memberikan fleksibilitas dalam merespons perubahan kebutuhan pengguna serta mengimplementasikan solusi berbasis Excel Macro Visual Basic for Applications (VBA). Excel dipilih karena merupakan program lembar kerja yang umum digunakan di lingkungan kerja KWH Sulawesi Tenggara, sementara VBA memungkinkan otomatisasi tugas dan integrasi aplikasi yang efisien. Tujuan proyek ini adalah untuk meningkatkan efisiensi pengelolaan dokumen, produktivitas, serta kualitas layanan yang diberikan oleh Telkom Witel Sulawesi Tenggara. Metode penelitian meliputi pengumpulan data, analisis kebutuhan, pengembangan perangkat lunak, serta uji coba sistem. Hasil pengujian menunjukkan bahwa seluruh fitur, seperti tampilan utama, input, pembaruan, penghapusan, dan pencarian data KWH, berfungsi dengan baik. Sistem ini berhasil meningkatkan akurasi, kecepatan, serta kemudahan dalam pengelolaan arsip. Implementasi sistem informasi ini tidak hanya meningkatkan efisiensi dalam pengelolaan arsip KWH, tetapi juga mendukung peningkatan kinerja organisasi secara keseluruhan, memberikan dampak signifikan terhadap produktivitas dan kualitas layanan yang lebih baik.
IDENTIFIKASI CITRA DAGING AYAM BERFORMALIN MENGGUNAKAN FITUR WARNA HUE SATURATION VALUE (HSV) DAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) Siti Nurhalisa, Waode; Mashur Sajiah, Adha; Adi Saputra, Rizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12444

Abstract

Sulawesi Tenggara merupakan salah satu provinsi penghasil daging ayam di Indonesia. Menurut data BPS, produksi daging ayam di Sulawesi Tenggara pada tahun 2023 mencapai 11.535.209 kg, meningkat 4,32% dari tahun 2021 sebesar 11.053.353 kg. Namun, isu penggunaan formalin pada daging ayam memerlukan solusi deteksi yang cepat, akurat, dan mudah. Salah satu alternatif alami, kertas tumerik dari cairan kunyit, meski ekonomis, hanya berfungsi sebagai kontrol positif dan negatif, sehingga kurang akurat. Penelitian ini bertujuan mengembangkan sistem identifikasi citra daging ayam berformalin menggunakan fitur warna Hue Saturation Value (HSV) dan algoritma K-Nearest Neighbor (K-NN). Proses deteksi meliputi pemasukan citra, pra-pemrosesan, ekstraksi ciri RGB ke HSV, pelatihan K-NN, dan identifikasi citra. Hasil pengujian menggunakan 150 citra daging ayam berformalin dan 150 citra tanpa formalin menunjukkan akurasi sistem sebesar 93,79%, dengan True Positive (TP) 145, False Negative (FN) 5, False Positive (FP) 4, dan True Negative (TN) 146. Nilai metrik meliputi Precision 97,32%, Recall 96,67%, Specificity 97,33%, Accuracy 97% dan F1-Score 96,99%. Sistem ini menunjukkan potensi sebagai metode deteksi formalin yang efektif dan andal.
IDENTIFIKASI KUALITAS IKAN CAKALANG SEGAR BERBASIS CITRA MATA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DENGAN FUNGSI KERNEL RADIAL BASIS FUNCTION Adiningsi, Sri; Pramono, Bambang; Mashur Sajiah, Adha; Adi Saputra, Rizal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12641

Abstract

Sulawesi Tenggara, yang mengalami peningkatan potensi perikanan dari 11,25% pada 2019 menjadi 11,60% pada 2021, memiliki kontribusi besar dalam komoditas seperti cakalang, dengan tangkapan sebesar 21.868 ton senilai Rp 501 miliar. Namun, tantangan utama yang dihadapi adalah jaminan mutu dan kualitas ikan untuk mempertahankan kepercayaan konsumen. Proses pendeteksian kesegaran ikan, yang umumnya dilakukan secara manual melalui indera manusia, menjadi tidak efektif untuk volume besar karena memakan biaya dan waktu yang tinggi. Penelitian ini bertujuan mengimplementasikan metode Support Vector Machine (SVM) dengan Kernel Radial Basis Function untuk mendeteksi kualitas ikan segar dan tidak segar berdasarkan citra mata ikan. Dataset yang digunakan sebanyak 1.830 citra, terdiri dari 1.050 citra ikan segar dan 870 citra tidak segar, yang dibagi 80% untuk pelatihan dan 20% untuk pengujian. Model yang dibangun mencapai akurasi sebesar 92,8% dan f1-score 93,4% berdasarkan confusion matrix. Pengujian menggunakan K-Fold Cross-Validation (K=10) menghasilkan akurasi tertinggi sebesar 94,54% dengan deviasi standar 1,69, menunjukkan kestabilan dan keandalan model. Hasil penelitian ini mendukung penerapan sistem deteksi otomatis berbasis citra mata ikan sebagai alat yang efisien dan akurat untuk menilai kualitas ikan, serta dapat meningkatkan daya saing produk perikanan di pasar global.
SISTEM MANAJEMEN BANK SAMPAH BERBASIS INTERNET OF THINGS (IOT) UNTUK PENGELOLAAN SAMPAH YANG EFISIEN Uzma, Tunfatul; Isnawaty, Isnawaty; Mashur Sajiah, Adha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13014

Abstract

Permasalahan pengelolaan sampah yang kurang optimal menjadi ancaman serius bagi lingkungan, terutama di wilayah perkotaan yang mengalami pertumbuhan penduduk pesat. Ketidakefisienan dalam pengelolaan, seperti pencatatan manual dan kurangnya integrasi teknologi, memperburuk dampak negatif sampah terhadap lingkungan. Penelitian ini bertujuan untuk merancang sistem kontrol timbangan sampah berbasis Internet of Things (IoT) yang mengintegrasikan load cell, NodeMCU, dan HX711. Data berat sampah dengan tingkat akurasi tinggi dikirim secara real-time ke server pusat menggunakan protokol MQTT untuk dianalisis lebih lanjut. Hasil pengujian menunjukkan tingkat kesalahan rata-rata deteksi berat sebesar 3,115% untuk sampah logam dan 19,532% untuk sampah non-logam, sementara konektivitas NodeMCU ke WiFi memiliki tingkat keberhasilan 90%. Sistem menunjukkan performa stabil dengan delay rata-rata 1 detik, throughput 1 paket/s, dan tanpa kehilangan paket. Temuan ini membuktikan bahwa teknologi WSN dan IoT mampu meningkatkan efisiensi operasional bank sampah dan menawarkan solusi praktis untuk pengelolaan sampah yang lebih baik, mendukung lingkungan yang berkelanjutan.
ANALISIS TREN MUSIC DI SPOTIFY MENGGUNAKAN HADOOP MAPREDUCE Sulastri, Ade; Ardiansyah, Alvian; Rahmat Saputra, Alvin; Akbar Perdana, Muhammad; Mashur Sajiah, Adha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13807

Abstract

Penelitian ini menganalisis tren musik di Spotify selama 10 tahun terakhir dengan memanfaatkan Hadoop MapReduce untuk memahami pola konsumsi musik di era digital. Spotify, sebagai platform streaming musik terkemuka, menghasilkan data besar yang mencerminkan preferensi pengguna, termasuk genre, artis, dan lagu yang paling populer. Tujuan penelitian ini adalah mengidentifikasi tren musik berdasarkan genre dominan, artis terpopuler, serta lagu yang paling sering didengarkan. Dataset yang digunakan diperoleh dari Kaggle dan playlist Spotify, terdiri atas 807 entri dengan tiga variabel utama: judul lagu, artis, dan genre. Proses analisis dilakukan melalui implementasi Hadoop MapReduce, meliputi tahapan pemetaan data, reduksi, hingga visualisasi hasil. Hasil penelitian menunjukkan bahwa genre pop mendominasi dengan kemunculan sebanyak 38% dari total dataset. Artis seperti The Weeknd, Justin Bieber, dan Taylor Swift tercatat sebagai artis dengan frekuensi kemunculan tertinggi. Lagu Blinding Lights oleh The Weeknd menjadi salah satu lagu dengan jumlah kemunculan terbanyak. Secara keseluruhan, Hadoop MapReduce berhasil mengidentifikasi tren musik secara efisien, memberikan wawasan penting bagi industri musik dalam merancang strategi distribusi dan promosi berdasarkan preferensi pasar yang terukur.
IDENTIFIKASI TANAMAN OBAT PADA DAUN BERDASARKAN EKSTRAKSI FITUR HISTOGRAM OF ORIENTED GRADIENTS (HOG) DAN LOCAL BINARY PATTERNS (LBP) MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBORS Anggin Tri Muslimin, Hasna; Mashur Sajiah, Adha; Sarita, Muh. Ihsan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13983

Abstract

Tanaman obat memiliki peran penting dalam pengobatan karena mengandung bahan aktif yang dapat digunakan sebagai obat alami maupun sintetik. Keberagaman tanaman obat di Indonesia memerlukan proses klasifikasi yang akurat untuk memastikan spesiesnya. Namun, klasifikasi manual sering kali memakan waktu, membutuhkan keahlian tinggi, dan cukup rumit.Penelitian ini bertujuan untuk mengevaluasi akurasi algoritma Fuzzy K-Nearest Neighbors (Fuzzy KNN) dalam klasifikasi tanaman obat berdasarkan ciri daun. Metode yang digunakan adalah ekstraksi fitur Histogram of Oriented Gradients (HOG) dan Local Binary Patterns (LBP) untuk meningkatkan akurasi model. Berdasarkan hasil pengujian, algoritma Fuzzy KNN menunjukkan kinerja yang baik dalam mengklasifikasikan tanaman obat seperti aloe vera, kemangi, kembang sepatu, lemon, dan lainnya. Hasil klasifikasi menunjukkan nilai accuracy 91,11%, precision 96,67%, dan recall 100%. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem klasifikasi otomatis untuk tanaman obat, yang dapat membantu ahli botani dan herbalis dalam mengidentifikasi spesies dengan lebih cepat dan akurat.
Co-Authors Adiningsi, Sri Akbar Perdana, Muhammad Anggin Tri Muslimin, Hasna Ardiansyah, Alvian Ayu, Nurfatzma Bambang Pramono Fayiz Syahputra A, Muh. Thariq Isnawaty Isnawaty, Isnawaty Muh. Ihsan Sarita, Muh. Ihsan Rahmat Saputra, Alvin Rizal Adi Saputra Siti Nurhalisa, Waode Sulastri, Ade Uzma, Tunfatul Wahab, Agrian