Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Infomedia Journal of Advanced Vocational Information and Communication Technology (JAVICT)
Isbat Uzzin Nadhori
Politeknik Elektronika Negeri Surabaya
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Smart Home Implementation with Home Assistant Platform in Modern Housing Alan Tri Arbani Hidayat; M. Udin Harun Al Rasyid; Isbat Uzzin Nadhori; Yeremia Ega Wahyudi; Yoga Prastyo Bayu Laksono
Journal of Advanced Vocational Information and Communication Technology Vol. 1 No. 1 (2026)
Publisher : ISAS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/javict.v1i1.1482

Abstract

The implementation of smart home systems using the Home Assistant platform in modern residential environment addresses residents’ needs for practical, effective, and energy-efficient home management. Although the smart home market is projected to grow by 16.3 until 2027, its adoption in Indonesia still faces challenges related to public understanding and device integration complexity. The developed system integrates temperature and humidity sensors, energy consumption measurement sensors, motion defection sensors, relays for device control, and an esp32 as the central control unit. Data from esp32 is transmitted in real-time to Firebase Real Time Database, then integrated with Home Assistant and Node-RED and add-ons for securing monitoring. Evaluation demonstrates effective performance in integrating devices from various vendors and protocols, as well as responsiveness of automation features. This development provides an efficient, cost-effective, and ease-adopted smart home implementation model, demonstrating how the open-source Home Assistant platform can enhance energy efficiency, comfort, and security for residents of modern housing in Indonesia.
Penerapan Algoritma Binning pada Preprocessing Data untuk Meningkatkan Akurasi Klasifikasi Multi-Kelas: Studi Kasus Data SDG Wiradika Nur Fadhillah; Ronny Susetyoko; Isbat Uzzin Nadhori
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 2 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i2.7165

Abstract

Klasifikasi data memainkan peran esensial dalam analisis data, terutama untuk data Sustainable Development Goals (SDGs) yang seringkali memiliki karakteristik kompleks seperti nilai hilang dan distribusi tidak seimbang, sehingga memerlukan tahap preprocessing yang efektif. Penelitian ini bertujuan untuk mengevaluasi secara komprehensif efektivitas tiga teknik binning, yaitu Fixed Binning, Random Binning, dan KNN Binning, dalam meningkatkan akurasi klasifikasi multikelas pada data SDGs. Teknik binning ini diimplementasikan dan diuji menggunakan tiga algoritma klasifikasi utama, yaitu Random Forest, Logistic Regression, dan Multilayer Perceptron (MLP). Penelitian ini menggunakan dua dataset yang merepresentasikan data SDGs, yaitu data pembangunan berkelanjutan dan ketahanan pangan. Dataset tersebut adalah dataset UKT dengan 2.137 entri dan dataset Ketahanan pangan dengan 514 entri. KNN Binning dipilih karena kemampuannya mengelompokkan data berdasarkan kedekatan antar instans, adaptif terhadap distribusi data yang kompleks. Hasil penelitian secara konsisten menunjukkan bahwa KNN Binning memberikan peningkatan akurasi tertinggi. Secara spesifik, kombinasi KNN Binning dengan Random Forest menghasilkan akurasi 92.25% pada dataset UKT dan 73.79% pada dataset Ketahanan pangan. Lebih lanjut, kombinasi ini juga menunjukkan peningkatan pada metrik presisi, recall, dan F1 score. Temuan ini menggarisbawahi superioritas KNN Binning dalam menangani data SDGs yang beragam dan tidak merata, sehingga memberikan kontribusi penting bagi pengembangan teknik preprocessing yang lebih akurat, andal, dan dapat meningkatkan performa model klasifikasi secara keseluruhan untuk analisis data SDGs.
Co-Authors Alan Tri Arbani Hidayat M Udin Harun Al Rasyid, M Udin Harun Ronny Susetyoko Wiradika Nur Fadhillah Yeremia Ega Wahyudi Yoga Prastyo Bayu Laksono