Article Per Year (5 Year)
p-Index From 2021 - 2026
0.882
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business AnoaTIK: Jurnal Teknologi Informasi dan Komputer Jurnal PETISI (Pendidikan Teknologi Informasi) Indonesian Journal of Innovation Multidisipliner Research
Ilham Julian Efendi
Univesitas Halu Oleo
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 5 Documents
Search

 1 
ANALISIS DAN IMPLEMENTASI SISTEM KONTROL LAMPU RUMAH OTOMATIS MENGGUNAKAN METODE FUZZY LOGIC I Made Alit Dwi Saputra; Ilham Julian Efendi; Subardin
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 3 No 2 (2025): Desember 2025
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v3i2.128

Abstract

Efficient use of electrical energy is one of the important aspects in a smart home system. One solution is an automatic lighting control system that can turn lights on or off based on environmental conditions. This study aims to design and implement an automatic home lighting control system using the Mamdani fuzzy logic inference method, with the integration of the Internet of Things (IoT) through the Blynk application for remote monitoring and control. This system usesanLDR sensor to detect environmental lighting levels and a PIR sensor to detect human movement. Data from the sensors is processed using predetermined rule-based fuzzy logic to produce lighting control decisions (ON or OFF). The implementation offuzzy logic is carried out on an Arduino microcontroller, while IoT connectivity and user interface are handled by the ESP8266 module connected to the Blynk platform. The test results show that the system can work automatically with responsiveness and accuracy. The lights turn on only when the light is dim/dark and there is movement, and can be controlled manually through the Blynk application. This system also allows monitoring ofsensor values (LDR and PIR) in real time via mobile devices. With the integration offuzzy logic and IoT, the system is proven to be effective in improving energy efficiency and user comfort in the home environment
Tourist Arrival Forecasting in Wakatobi Using LSTM with Comparative Analysis La Ode Alvin Rahmat Saputra; La Ode Muh. Golok Jaya; Ilham Julian Efendi; Isnawaty Isnawaty
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.8788

Abstract

Wakatobi Regency, located in Southeast Sulawesi, Indonesia, is widely recognized as one of the world’s leading marine tourism destinations due to its rich biodiversity, coral reef ecosystems, and growing ecotourism sector. Despite its international reputation, the region continues to experience substantial fluctuations in monthly tourist arrivals. These variations are influenced by seasonal tourism cycles, weather conditions, transportation accessibility, economic dynamics, and the long-term structural impacts caused by the COVID-19 pandemic. Such instability creates significant challenges for regional authorities in designing sustainable tourism policies, allocating resources, and planning infrastructure development. Therefore, accurate tourism forecasting has become increasingly important for supporting evidence-based decision making and improving destination management strategies. This study develops and evaluates a Long Short-Term Memory (LSTM)-based forecasting model to predict monthly tourist arrivals in Wakatobi using 192 monthly observations collected from January 2010 to December 2025. The proposed LSTM model is compared with three benchmark models, namely SARIMAX, XGBoost, and Transformer, to assess comparative forecasting performance. Hyperparameter optimization is conducted through a systematic grid search process, resulting in the optimal configuration consisting of a window size of 6, 128 LSTM units in the first layer, 64 units in the second layer, and a dropout rate of 0.1. Experimental results indicate that the LSTM model achieves the highest predictive accuracy with a MAPE of 8.98%, categorized as High Accuracy, alongside an MAE of 104.65 and RMSE of 143.20. These results outperform Transformer, XGBoost, and SARIMAX models. Statistical validation using the Diebold-Mariano test further confirms the superiority of LSTM forecasting performance. Additionally, the developed model is implemented in a Flask-based web application that enables regional government officials to conduct interactive forecasting with multiple prediction horizons and SHAP-based interpretability analysis.
RANCANG BANGUN PROTOTIPE KEAMANAN PARKIR OTOMATIS SENSOR PENDETEKSI KENDARAAN MENGGUNAKAN RFID Aswan; Ilham Julian Efendi; Subardin
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.142

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan prototipe sistem parkir otomatis berbasis RFID guna meningkatkan efisiensi dan keamanan akses kendaraan. Sistem ini menggunakan modul RFID RC522 untuk membaca UID kartu, mikrokontroler ESP32 sebagai pengendali utama dan penghubung ke aplikasi Blynk berbasis Internet of Things (IoT), serta motor servo SG90 sebagai penggerak palang parkir. Metode penelitian yang digunakan adalah Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan sistem. Proses identifikasi kendaraan dilakukan dengan memanfaatkan modul RFID RC522 yang berfungsi membaca UID (Unique Identifier) dari kartu RFID. Data UID tersebut kemudian diverifikasi oleh ESP32. Jika UID sesuai dengan data yang terdaftar, ESP32 akan mengirimkan sinyal untuk menggerakkan motor servo agar membuka palang parkir, sekaligus mengirimkan informasi status ke aplikasi Blynk berupa notifikasi “Akses Diterima” atau “Akses Ditolak”. Berdasarkan hasil pengujian, sistem mampu membaca kartu RFID dengan tingkat akurasi 100% pada jarak 2–3 cm dan memberikan respons rata-rata 1,3 detik untuk membuka atau menolak akses, serta menampilkan status verifikasi secara real-time melalui aplikasi Blynk. Dengan hasil ini, sistem dinilai layak sebagai solusi otomatisasi parkir yang efisien, praktis, dan dapat dikembangkan lebih lanjut untuk berbagai kebutuhan pengelolaan akses kendaraan.
Penerapan Algoritma Fuzzy Tsukamoto Pada Analisis Kesesuaian Tanaman Jagung di Sulawesi Tenggara Berbasis Web GIS Sumiartin Sumiartin; Statiswaty Statiswaty; Ilham Julian Efendi
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 7 No. 2 (2026): JURNAL PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v7i2.4436

Abstract

Indonesia merupakan negara agraris di mana sektor pertanian memegang peranan penting dalam pembangunan nasional. Jagung menjadi salah satu komoditas strategis karena digunakan sebagai bahan pangan, pakan ternak, dan bahan baku industri. Sulawesi Tenggara memiliki potensi besar dalam pengembangan jagung, namun produktivitasnya masih tergolong rendah dibandingkan provinsi tetangga. Kondisi ini menunjukkan perlunya strategi pemetaan wilayah yang tepat berdasarkan faktor lingkungan untuk mendukung peningkatan produksi. Seiring kemajuan teknologi, pemanfaatan Web Geographic Information System (Web GIS) memungkinkan analisis spasial yang efisien untuk menentukan wilayah potensial dalam pengembangan jagung. Dalam penelitian ini, algoritma Fuzzy Tsukamoto diterapkan untuk menganalisis kesesuaian wilayah potensial tanaman jagung pada Kabupaten/Kota di Provinsi Sulawesi Tenggara. Kriteria yang digunakan mencakup curah hujan, temperatur, kelembapan udara, dan penyinaran matahari. Metode inferensi fuzzy ini digunakan untuk mengolah data yang bersifat tidak pasti sehingga menghasilkan rekomendasi nilai kesesuaian lahan yang lebih terukur. Hasil penelitian menunjukkan bahwa sistem berhasil melewati pengujian black box dengan seluruh fungsi berjalan sesuai kebutuhan pengguna. Selain itu, algoritma Fuzzy Tsukamoto telah diimplementasikan dengan benar dengan nilai MAE sebesar 0.005, yang menandakan hasil perhitungan sistem sangat mendekati perhitungan manual. Sistem Web GIS yang dikembangkan mampu memvisualisasikan variasi tingkat kesesuaian wilayah tanaman jagung di Sulawesi Tenggara, di mana Kolaka, Konawe, Konawe Selatan, dan Konawe Utara masuk kategori Sangat Sesuai (S1); Bombana, Buton Selatan, Buton Tengah, Buton Utara, Kolaka Timur, Muna Barat, Muna, dan Baubau masuk kategori Sesuai (S2); sementara Buton, Kolaka Utara, Konawe Kepulauan, Wakatobi, dan Kendari masuk kategori Sesuai Marginal (S3).
Perbandingan XGBoost dan LSTM untuk Prediksi Rentang Harga Penutupan Saham BBRI, ANTM dan ASII Auliya Afifah Adnan Hakim; Adha Mashur Sajiah; Ilham Julian Efendi
Indonesian Journal of Innovation Multidisipliner Research Vol. 4 No. 3 (2026): Juli - September
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v4i3.2030

Abstract

Prediksi harga saham harian umumnya menghasilkan satu nilai titik sehingga tidak menggambarkan ketidakpastian pergerakan harga, padahal pelaku pasar membutuhkan gambaran rentang untuk mengelola risiko. Penelitian ini bertujuan membandingkan kinerja XGBoost dan Long Short-Term Memory (LSTM) dalam memprediksi titik tengah serta rentang harga penutupan harian saham BBRI, ASII, dan ANTM. Data historis 2020 sampai 2025 dibentuk menjadi empat belas fitur relatif, lalu dibagi secara kronologis menjadi data training, validation, dan testing agar informasi masa depan tidak bocor ke dalam proses pelatihan. Ketiga kuantil, yaitu kuantil bawah, tengah, dan atas, dipelajari secara terpisah melalui pendekatan regresi kuantil. Evaluasi dilakukan dengan akar galat kuadrat rata-rata, galat persentase absolut rata-rata, koefisien determinasi, ketepatan arah, cakupan rentang, lebar rentang rata-rata, interval score, waktu komputasi, dan ukuran model. Ketahanan model juga diuji pada kondisi bullish, bearish, dan sideways, kemudian diverifikasi melalui forward test 121 hari perdagangan tahun 2026 tanpa pelatihan ulang. Pada historical test, XGBoost memberikan RMSE terendah untuk seluruh saham dan unggul pada tujuh dari sembilan kombinasi kondisi pasar. Pada forward test, XGBoost tetap unggul untuk BBRI dan ASII, sedangkan LSTM sedikit lebih baik untuk ANTM serta menghasilkan coverage lebih tinggi pada ketiga saham. Hasil ini menunjukkan bahwa XGBoost lebih konsisten untuk prediksi titik, sementara LSTM lebih baik dalam mencakup harga aktual pada rentang prediksi forward.
Co-Authors Adha Mashur Sajiah Adnan Hakim Aswan I Made Alit Dwi Saputra Isnawaty Isnawaty La Ode Alvin Rahmat Saputra La Ode Muh. Golok Jaya Statiswaty Subardin Sumiartin Sumiartin