Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi JATI (Jurnal Mahasiswa Teknik Informatika)
Hafiz, Alvin
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Neuroscience Transportation

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
MENGIDENTIFIKASI POLA KONSUMSI ENERGI RUMAH TANGGA MENGGUNAKAN ALGORITMA GRAF BERBASIS C++ Hafiz, Alvin; Amanah, Fadillah; Damurti, Revi; Harliana, Putri
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.v8i6.11788

Abstract

Penelitian ini berfokus pada identifikasi pola konsumsi energi di sektor rumah tangga, yang merupakan salah satu penyumbang terbesar konsumsi energi di Indonesia, khususnya listrik. Seiring dengan peningkatan jumlah penduduk dan perubahan perilaku konsumsi energi akibat faktor-faktor seperti teknologi, gaya hidup, dan ekonomi, pengelolaan energi yang efisien menjadi tantangan besar. Untuk mengatasi tantangan ini, diperlukan metode yang efektif dalam memantau dan menganalisis pola konsumsi energi. Dalam penelitian ini, algoritma graf digunakan untuk merepresentasikan hubungan antar perangkat listrik di rumah tangga, serta frekuensi dan waktu penggunaannya. Algoritma ini kemudian diimplementasikan dengan menggunakan C++, yang mampu menganalisis data dalam skala besar dengan waktu komputasi yang lebih cepat. Hasil penelitian mengungkap pola konsumsi yang bervariasi berdasarkan karakteristik rumah tangga, serta mengidentifikasi potensi penghematan energi. Dengan demikian, penelitian ini memberikan wawasan penting untuk meningkatkan efisiensi pengelolaan energi di sektor rumah tangga.
PERANCANGAN APLIKASI “CINELIVRO” BERBASIS GLIDE UNTUK MENGATUR DAFTAR TONTONAN DAN BACAAN PRIBADI Bush Henrydunan, John; Hafiz, Alvin; Irya Shakila Syukron, Ananda; Simanjuntak, Yesy; Perdana, Adidtya
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.v9i4.13943

Abstract

Perkembangan teknologi informasi dan aplikasi mobile semakin pesat, memberikan kemudahan dalam berbagai aspek kehidupan, termasuk pengelolaan daftar tontonan dan bacaan pribadi. Namun, banyak pengguna masih mengalami kesulitan dalam mengorganisasi film dan buku yang ingin mereka ikuti. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi CineLivro berbasis Glide dengan pendekatan no-code guna mempermudah pengguna dalam mencatat, mengelola, dan mengakses daftar tontonan serta bacaan mereka. Metode yang digunakan mencakup perancangan sistem berbasis Google Sheets sebagai basis data, implementasi fitur CRUD (Create, Read, Update, Delete), serta pengujian aksesibilitas dan keamanan data pengguna. Hasil pengujian menunjukkan bahwa aplikasi dapat berfungsi dengan baik dalam mengelola data film dan buku, serta memiliki fitur login berbasis email yang menjamin privasi pengguna. Implementasi no-code dengan Glide memungkinkan pengembangan aplikasi yang cepat dan efisien tanpa memerlukan keterampilan pemrograman yang kompleks. Dengan fitur yang mendukung kemudahan akses dan pengelolaan data secara personal, CineLivro diharapkan menjadi solusi efektif bagi pengguna dalam mengatur aktivitas hiburan mereka secara lebih terstruktur dan fleksibel.
EFISIENSI ANGGARAN DALAM WACANA PUBLIK: ANALISIS SENTIMEN PLATFORM X DENGAN NAÏVE BAYES Ananda Hafika, Rizky; Hafiz, Alvin; Agus Waruwu, Stefen; Yazid Noor, Muhammad; Advis Ambrosius Sitohang, Yuda; Saputra, Kana
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.v9i4.13967

Abstract

Efisiensi anggaran merupakan isu krusial dalam pengelolaan keuangan negara yang sering menjadi sorotan publik, khususnya di media sosial seperti Twitter. Opini masyarakat yang tersebar di platform tersebut mencerminkan tingkat kepercayaan terhadap keterbukaan dan akuntabilitas pemerintah. Namun, data opini yang bersifat tidak terstruktur menimbulkan tantangan dalam analisis sentimen publik secara menyeluruh. Penelitian ini bertujuan untuk mengevaluasi opini masyarakat mengenai efisiensi anggaran menggunakan algoritma Naïve Bayes. Sebanyak 1.610 tweet dikumpulkan dan diproses melalui tahap preprocessing yang meliputi pembersihan data, case folding, tokenisasi, normalisasi, penghapusan stopword, dan stemming. Setelah preprocessing, data diberi label secara manual untuk klasifikasi sentimen. Selanjutnya, dilakukan ekstraksi fitur menggunakan metode TF-IDF dan pembagian data menjadi 80% untuk pelatihan dan 20% untuk pengujian model. Hasil analisis menunjukkan bahwa opini publik cenderung negatif dengan distribusi 58,4% negatif, 23,5% netral, dan 18,1% positif. Model klasifikasi menghasilkan akurasi sebesar 73,29%, dengan nilai F1-score tertinggi pada sentimen negatif (0,82) dan terendah pada sentimen netral (0,06), yang mengindikasikan adanya ketidakseimbangan data. Penelitian ini menyimpulkan bahwa algoritma Naïve Bayes cukup efektif dalam mengidentifikasi sentimen negatif, namun memerlukan perbaikan dalam mendeteksi sentimen netral, antara lain melalui teknik penyeimbangan data dan eksplorasi algoritma lain di masa mendatang.
DETEKSI JERUK NIPIS DAN JERUK JUNGGA MENGGUNAKAN ALGORITMA CNN Hafiz, Alvin; Angel Tumanggor, Asri; Delvin Ibo, Martince; Yazid Noor, Muhammad; Palendeo Sitepu, Kalpin; Syahputra, Hermawan
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.v9i4.14040

Abstract

Jeruk nipis (Citrus aurantifolia) dan jeruk jungga (Citrus jambhiri Lush) merupakan dua jenis buah yang memiliki nilai ekonomi tinggi di Indonesia, namun sulit dibedakan secara visual dalam kondisi mentah. Masalah ini menyebabkan ketidaktepatan dalam proses sortir manual yang dilakukan petani atau distributor, berpotensi menimbulkan kerugian ekonomi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan metode pengolahan citra digital dan algoritma Convolutional Neural Network (CNN) guna membedakan jeruk nipis dan jeruk jungga secara efisien dan akurat. Dataset terdiri dari 100 citra dengan karakteristik warna dan tekstur yang berbeda. Metode yang digunakan meliputi pra-pemrosesan (resizing, normalisasi, denoising, konversi ke grayscale), segmentasi (thresholding dan edge detection), ekstraksi fitur (RGB untuk warna dan GLCM untuk tekstur), serta pelatihan model CNN. Hasil penelitian menunjukkan bahwa model CNN mampu mencapai akurasi pelatihan sebesar 90% dan validasi 85%. Analisis nilai RGB menunjukkan perbedaan signifikan pada komponen G dan B, sedangkan GLCM mengindikasikan bahwa jeruk jungga memiliki tekstur lebih kasar daripada jeruk nipis. Namun, confusion matrix menunjukkan bahwa model masih mengalami kesalahan klasifikasi terhadap jeruk nipis, menghasilkan akurasi keseluruhan sebesar 52,9%. Oleh karena itu, diperlukan peningkatan kualitas model dan strategi augmentasi data untuk hasil klasifikasi yang lebih optimal.
Sistem Monitoring Kualitas Udara dan Peringatan Dini Berbasis IoT dengan Prediksi Polusi Menggunakan Random Forest Regression Syukron, Ananda Irya Shakila; Kiswanto, Dedy; Hafiz, Alvin; Harahap, Salsa Nabila
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10243

Abstract

Abstrak - Pencemaran udara merupakan ancaman serius terhadap kesehatan masyarakat dan kualitas lingkungan, sehingga diperlukan sistem pemantauan yang responsif, andal, dan proaktif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kualitas udara dan peringatan dini berbasis Internet of Things (IoT) dengan integrasi machine learning untuk prediksi tingkat polusi secara real-time. Metode penelitian mencakup pengembangan perangkat keras berbasis ESP32 yang terhubung dengan sensor DHT11 (suhu dan kelembaban) serta MQ-135 (konsentrasi gas), pengiriman data ke server VPS melalui protokol HTTP, pembuatan dashboard web untuk visualisasi dan notifikasi, serta pembangunan model prediksi menggunakan Random Forest Regression. Dataset dikumpulkan secara real-time dengan total 38.733 entri, kemudian diproses melalui preprocessing (pembersihan, imputasi missing value, normalisasi Min-Max) dan dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil evaluasi menunjukkan bahwa model memiliki performa sangat baik dengan R² Score 0,8829 (latih) dan 0,8852 (uji), MAE 2,98, serta RMSE 5,13 pada data uji mengonfirmasi akurasi tinggi dan minimnya risiko overfitting. Analisis feature importance mengungkapkan bahwa konsentrasi gas (PPM) merupakan variabel paling dominan dalam prediksi AQI (skor 0,8497). Sistem peringatan dini juga terbukti efektif saat AQI melebihi ambang batas (misalnya ≥151), indikator LED berubah merah, alarm suara aktif berulang, dan insiden secara otomatis tercatat dalam log digital untuk manajemen respons yang terukur. Secara keseluruhan, integrasi IoT dan Random Forest Regression menghasilkan sistem monitoring yang tidak hanya informatif dan andal, tetapi juga proaktif dalam mitigasi risiko kesehatan akibat polusi udara.Kata kunci : IoT; Random Forest Regression; Kualitas Udara; Sistem Peringatan Dini; Abstract - Air pollution poses a serious threat to public health and environmental quality, requiring a responsive, reliable, and proactive monitoring system. This study aims to design and implement an Internet of Things (IoT)-based air quality monitoring and early warning system with machine learning integration for real-time pollution level prediction. The research methods included developing ESP32-based hardware connected to DHT11 (temperature and humidity) and MQ-135 (gas concentration) sensors, sending data to a VPS server via the HTTP protocol, creating a web dashboard for visualization and notification, and building a prediction model using Random Forest Regression. The dataset was collected in real-time with a total of 38,733 entries, then processed through preprocessing (cleaning, missing value imputation, Min-Max normalization) and divided with a ratio of 80:20 for training and testing. The evaluation results show that the model performs very well with an R² Score of 0.8829 (training) and 0.8852 (testing), MAE of 2.98, and RMSE of 5.13 on the test data, confirming high accuracy and minimal risk of overfitting. Feature importance analysis revealed that gas concentration (PPM) was the most dominant variable in AQI prediction (score 0.8497). The early warning system also proved effective when the AQI exceeded the threshold (e.g., ≥151), with the LED indicator turning red, the audible alarm sounding repeatedly, and the incident being automatically recorded in a digital log for measurable response management. Overall, the integration of IoT and Random Forest Regression resulted in a monitoring system that is not only informative and reliable but also proactive in mitigating health risks due to air pollution.Keywords: IoT; Random Forest Regression; Air Quality Monitoring; Early Warning System;
Co-Authors Adidtya Perdana, Adidtya Advis Ambrosius Sitohang, Yuda Agus Waruwu, Stefen Amanah, Fadillah Ananda Hafika, Rizky Angel Tumanggor, Asri Bush Henrydunan, John Damurti, Revi Dedy Kiswanto Delvin Ibo, Martince Harahap, Salsa Nabila Hermawan Syahputra Irya Shakila Syukron, Ananda Kana Saputra S Palendeo Sitepu, Kalpin Simanjuntak, Yesy Syukron, Ananda Irya Shakila Yazid Noor, Muhammad