cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surabaya,
Jawa timur
INDONESIA
INTEGER: Journal of Information Technology
ISSN : 2579566X     EISSN : 2579566X     DOI : -
Core Subject : Science,
This journal contains articles from the results of scientific research on problems in the field of Informatics, Information Systems, Computer Systems, Multimedia, Network and other research results related to these fields.
Arjuna Subject : -
Articles 19 Documents
Search results for , issue "Vol 10, No 1: April 2025" : 19 Documents clear
Implementasi Perbandingan Algoritma k-Means dan DB-Scan Pada Beban Listrik Rumah Tangga Aisyi Maulidhia, Alief Nur; Widyastuti, Indri Ika; Sukarno, Friska Intan; Tsany, Rahmat Basya Sharys; Brian, Thomas
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7479

Abstract

Konsumsi daya listrik rumah tangga merupakan aspek penting dalam manajemen energi, terutama dalam upaya meningkatkan efisiensi penggunaan listrik. Clustering merupakan salah satu metode yang dapat digunakan untuk mengelompokkan pola konsumsi daya listrik berdasarkan karakteristik tertentu. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dalam mengelompokkan beban listrik rumah tangga. Dataset yang digunakan berasal dari Household Electric Power Consumption yang tersedia di Kaggle, yang mencatat konsumsi daya listrik rumah tangga dalam satuan menit selama beberapa tahun. Data yang telah diproses melalui tahapan pembersihan, normalisasi, dan reduksi dimensi kemudian diklasterisasi menggunakan K-Means dan DBSCAN. Evaluasi performa dilakukan berdasarkan Silhouette Score dan Davies-Bouldin Index untuk mengukur kualitas klaster yang dihasilkan oleh kedua algoritma. Hasil penelitian menunjukkan bahwa K-Means lebih unggul dalam mengelompokkan data dengan pola konsumsi yang jelas dan terdistribusi secara linier, sementara DBSCAN lebih efektif dalam mendeteksi klaster dengan kepadatan yang bervariasi serta mengidentifikasi data pencilan (outliers). Dengan demikian, pemilihan algoritma klasterisasi sangat bergantung pada karakteristik data dan tujuan analisis yang ingin dicapai.
Deteksi prakejang pada pasien epilepsi berdasarkan rekam sinyal EEG menggunakan metode LSTM Eviyanti, Ade; Fitrani, Arif Senja; Nisak, Umi khoirun; Agustin, Erlina; Zahputra, Aldy Trisza
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7459

Abstract

Epilepsi adalah penyakit otak yang tidak menular dan memengaruhi sekitar 50 juta orang di dunia. Sinyal electroencephalogram (EEG) memberikan informasi penting tentang aktivitas listrik otak. Epilepsi bisa terdeteksi melalui analisis sinyal EEG, tetapi prosesnya rumit, membutuhkan keterampilan manusia, dan memakan waktu. Deteksi prakejang pada pasien epilepsi merupakan tantangan dalam bidang neurologi. Dalam penelitian ini, kami memfokuskan pada pengembangan metode deteksi prakejang menggunakan sinyal EEG dan menggunakan pendekatan metode Long Short-Term Memory (LSTM). Dalam analisisnya. Sinyal EEG direkam dari pasien epilepsi selama periode tertentu, dan kemudian dilakukan pemrosesan dan analisis menggunakan metode LSTM. LSTM adalah jenis jaringan saraf rekuren (RNN) yang terkenal karena kemampuannya dalam memodelkan dan mempelajari urutan data. Pendekatan LSTM memungkinkan pemodelan yang lebih baik terhadap karakteristik dinamis sinyal EEG, termasuk pola sebelum terjadinya prakejang. Dalam penelitian ini, kami menggunakan dataset sinyal EEG yang terdiri dari pasien epilepsi dengan prakejang dan tanpa prakejang. Data tersebut dibagi menjadi set pelatihan dan set pengujian untuk melatih dan menguji model LSTM. Proses pelatihan model dilakukan dengan mengoptimalkan parameter dan menyesuaikan bobot jaringan LSTM berdasarkan data pelatihan. Hasil eksperimen menunjukkan bahwa metode LSTM mampu mendeteksi prakejang pada pasien epilepsi dengan tingkat akurasi 98.44% dengan menggunakan optimizer RMSprop. Penelitian ini memberikan kontribusi dalam pengembangan teknik deteksi prakejang pada pasien epilepsi menggunakan sinyal EEG dan metode LSTM. Hasil-hasil penelitian ini dapat digunakan sebagai dasar untuk pengembangan sistem deteksi prakejang yang lebih lanjut.
Perbandingan Model Decision Tree, Support Vector Machine dan K-Nearest Neighbors untuk Memprediksi Kualitas Air Minum Brian, Thomas; Maulidhia, Alief Nur Aisyi; Sholikhah, Evi Nafiatus; Wibowo, Sekarsari
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7523

Abstract

The need for drinking water is increasing so that appropriate method support is needed to determine water potability. In this study, machine learning models will be implemented including Decision Tree, Support Vector Machine, and K-Nearest Neighbors to determine the best model in classifying drinking water quality from the Kaggle Water Quality dataset. The dataset consists of 3,276 data with 9 parameters consisting of ph, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_carbon, Trihalomethanes and Turbidity, and one Potability attribute as a target that indicates the feasibility of consumption. This study will apply several machine learning models consisting of Decision Tree, Support Vector Machine, and K-Nearest Neighbors. Based on the results of the trial using 20% and 30% testing data, the results are close to the same for the confusion matrix model evaluation metrics (Accuracy, F1 Score, Precision and Recall). So it can be concluded that the Decision Tree classification model gets the best Accuracy value among other classification models of 70.50% on 20% testing data and 70.98% on 30% testing data. However, the one chosen as the final classification model is Support Vector Machine because it has the highest value by meeting three requirements with F1 Score, Precision and Recall values of 82.40% each) from the four requirements tested.
Rancang Bangun dan Analisis Kinerja HRD Menggunakan Metode Agile Scrum Berbasis Website Putri, Rahmi Rizkiana; Farras, Mohamad Raihan; Makarim, Salim Bin Mahmud
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.6871

Abstract

Pertumbuhan jumlah Sumber Daya Manusia (SDM) di PT Primamas Segara Unggul berdampak signifikan terhadap tata kelola dan organisasi perusahaan. Manajemen SDM yang efektif adalah kunci keberhasilan perusahaan, terutama dalam pengembangan, pelatihan, dan pembinaan karyawan. Kompleksitas tugas-tugas Human Resource Development (HRD) memerlukan pendekatan terintegrasi dan efisien. Pada penelitian ini menerapkan metode agile scrum dalam pengembangan aplikasi merupakan proses yang melibatkan analisis kebutuhan dari target penelitian yang dapat dilakukan dengan peneliti melakukan survey dan wawancara sebelum melalui tahap perancangan desain. Dalam penelitian ini, penulis melakukan kegiatan survey dan wawancara. Kegiatan survey dilakukan untuk mengumpulkan data informasi yang dibutuhkan. Berdasarkan hasil penelitian dan implementasi sistem Human Resources Information System (HRIS) menggunakan metode Agile Scrum, beberapa kesimpulan dapat diambil sebagai berikut: Sistem HRIS yang dikembangkan berhasil diimplementasikan sesuai dengan rencana yang telah ditetapkan. Fitur-fitur utama yang mencakup pengelolaan data karyawan, laporan SP, surat perjanjian PKWT, surat pengunduran diri, surat keterangan karyawan keluar, serta data mutasi kerja berhasil diterapkan dan berfungsi dengan baik. Implementasi sistem HRIS telah menunjukkan peningkatan efisiensi dalam pengelolaan data SDM. Hal ini dibuktikan dengan hasil evaluasi yang menunjukkan peningkatan persentase persetujuan dari 64% saat perancangan lalu menjadi 76% setelah implementasi. Mayoritas responden merasa bahwa sistem ini membantu meningkatkan efisiensi dan produktivitas dalam pengelolaan tugas-tugas manajemen SDM.
Aplikasi Web Progresif untuk Repositori Tugas Akhir Mahasiswa (Studi Kasus ITTelkom Surabaya) Muzakki, Achmad; Ma'ady, Mochamad Nizar Palefi; Asfari, Ully
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.6633

Abstract

Seiring bertambahnya jumlah alumni di kampus Institut Teknologi Telkom Surabaya yang masih tergolong baru karena berdiri sejak 5 tahun yang lalu, tidak jarang mahasiswa tingkat akhir membuat judul Tugas Akhir (TA) yang mirip atau bahkan sama dengan alumni untuk memenuhi nilai mereka. Tentu saja judul yang sama tersebut dilarang karena mahasiswa harus membuat judul baru yang berbeda dari sebelumnya. Karena jika judul Tugas Akhir sama, maka output yang dihasilkan akan sama juga. Hal ini menyebabkan kesulitan dalam penerbitan jurnal oleh dosen. Tingginya kemiripan judul tugas akhir baik yang disengaja maupun tidak disengaja mengindikasikan kurangnya referensi tugas akhir terdahulu yang dapat diakses oleh mahasiswa. Oleh karena itu, penelitian ini bertujuan untuk membuat Digital Library (DIGILIB) berbasis Progressive Web Application (PWA) sebagai repositori online yang menghimpun dokumen-dokumen Tugas Akhir mahasiswa. Diharapkan dengan adanya proyeksi DIGILIB ini dapat menjadi wadah bagi mahasiswa untuk melakukan pencarian judul Tugas Akhir, dan akses bagi civitas akademika, namun tertutup bagi khalayak luar melainkan hanya menampilkan abstrak Tugas Akhir. Sehingga pemantauan judul Tugas Akhir mahasiswa dapat dilakukan dengan mudah, apalagi kampus ITTelkom Surabaya memiliki program studi yang masih satu rumpun yaitu Sistem Informasi, Rekayasa Perangkat Lunak dan Bisnis Digital. Untuk penelitian selanjutnya, kami menyarankan untuk mengevaluasi program PWA dengan menggunakan model TAM, UTAUT atau SUS.
Ekstraksi Fitur Kupu-Kupu Menggunakan GLCM, Lacunarity, HSV, dan MLP Rahayu, Putri Nur; Annisa, Aulia Rahma; Ardiana, Mirza; Andika, Yudi; Rakhmadi, Ardhon
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7533

Abstract

Extraction feature in butterflies are using GLCM, Lacunarity, and HSV. The combination of extraction feature is to improve accuration of butterflies. In this research , there are three steps for extraction. First step is extraction with GLCM and lacunarity for extraction texture, and HSV for extraction color, the second step is classification with MLP.
Implementasi K-Fold Dalam Prediksi Hasil Produksi Agrikultur Pada Algoritma K-Nearest Neighbor (KNN) Sunarko, Victor Immanuel; Dimara, Denis Lizard Sambawo; Siagian, Pangestu Sandya Etniko; Manalu, Daniel; Anggraeny, Fetty Tri
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.6892

Abstract

Sektor agrikultur khususnya pertanian di Indonesia merupakan tulang punggung perekonomian, dengan tenaga kerja pertanian mencapai 38,14 juta orang pada Februari 2023, atau 27,52% dari total tenaga kerja nasional. Meskipun memiliki potensi besar, sektor ini menghadapi tantangan signifikan, termasuk lahan terbatas, perubahan iklim, dan kelangkaan air, yang mengharuskan penerapan pertanian berkelanjutan. Penelitian ini bertujuan untuk meningkatkan efisiensi produksi pertanian melalui penerapan kecerdasan buatan (AI) dan analisis data. Metodologi yang digunakan meliputi pembagian data untuk memprediksi hasil produksi pertanian dengan algoritma k-nearest neighbour (KNN). Uji skenario dilakukan dengan pendekatan k-fold cross-validation dan hold-out data sharing. Hasil penelitian menunjukkan akurasi tertinggi sebesar 98,36% menggunakan k-fold cross-validation dan 97,42% dengan metode hold-out.Kata Kunci: KNN, K-Fold, Hold-Out, Prediksi, Agrikultur
Sistem Monitoring PLTS Hybrid Off-Grid pada Instalasi Pengolahan Limbah Pabrik Kripik Kawasan Mojokerto Pradana, Yuditya Adi; Muljanto, Widodo Pudji; Faradisa, Irmalia Suryani
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7412

Abstract

Paper ini berfokus pada perancangan dan implementasi sistem monitoring untuk PLTS Hybrid Off-Grid 1,2 KWp dengan penekanan pada penggunaan protokol Modbus sebagai standar komunikasi data. Protokol Modbus TCP/IP dipilih karena kemampuannya dalam mengintegrasikan berbagai perangkat pengukuran seperti sensor PZEM-017 dan Multifunction Power Meter melalui media komunikasi RS485. Node-RED digunakan sebagai platform SCADA untuk visualisasi parameter listrik secara real-time, seperti tegangan, arus, daya, dan energi (kWh). Hasil pengujian menunjukkan bahwa sistem monitoring yang dirancang berhasil memberikan data dengan rata-rata error yang berada di bawah batas toleransi standar 5% untuk sistem monitoring PLTS. Error tertinggi tercatat sebesar 1.82% pada parameter daya solar panel, yang disebabkan oleh fluktuasi intensitas cahaya matahari dan ketidaksempurnaan konversi daya oleh inverter. Sementara itu, parameter lainnya menunjukkan rata-rata error di bawah 1.66%.
Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi Deepseek Prilindaputra, Brilian; Putri, Dinda Rima Rachcita; Ulinnuha, Nurissaidah
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7541

Abstract

Kemunculan DeepSeek, AI canggih yang dikembangkan di China, telah memberikan dampak yang signifikan terhadap lanskap teknologi global. Namun, pengadopsiannya telah mendapat reaksi beragam, dengan beberapa negara memilih untuk memblokir aksesnya karena masalah keamanan data. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi DeepSeek di Google Play Store, secara khusus menargetkan ulasan pengguna dari Amerika Serikat. Dengan menggunakan metode klasifikasi Support Vector Machine (SVM), analisis sentimen dilakukan untuk mengkategorikan opini pengguna ke dalam sentimen positif, netral, dan negatif. Dataset yang terdiri dari 10.000 ulasan yang dikumpulkan melalui web scraping, telah dipreproses menggunakan teknik pembersihan teks, pembobotan TF-IDF, dan lemmatization. Model SVM dilatih dan divalidasi menggunakan k-fold cross validation (k-fold = 10), mencapai akurasi terbaik pada parameter C = 100 dan kernel RBF. Hasil evaluasi menunjukkan akurasi rata-rata 90,33%, dengan akurasi puncak 92,20% pada fold 10. Temuan ini menunjukkan polaritas sentimen yang kuat di antara para pengguna. Penelitian ini penyebaran kata dari analisis wordcloud memberikan wawasan bagi para pengembang dan pemangku kepentingan dalam meningkatkan aplikasi AI dengan mengatasi kekhawatiran pengguna dan meningkatkan kepuasan pengguna secara keseluruhan.
Prediksi Hasil Tangkapan Ikan di Kota Pasuruan Dengan Metode Support Vector Machine (SVM) Chanafi, Imam; Sarwani, Mohammad Zoqi; Udin, Muhammad
INTEGER: Journal of Information Technology Vol 10, No 1: April 2025
Publisher : Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.integer.2024.v10i1.7163

Abstract

 Kota Pasuruan yang terletak di Provinsi Jawa Timur merupakan kota yang kaya akan potensi dan beragam sumber daya serta mempunyai peran penting dalam sektor industri dan perdagangan. Untuk mengelola dan mengembangkan potensi ini, Dinas Perairan Kota Pasuruan memiliki tugas menjaga keseimbangan ekosistem perikanan sekaligus memberdayakan para nelayan dan pembudidaya ikan. Tujuan dari penelitian ini adalah untuk mengetahui prediksi hasil tangkapan ikan di Kota Pasuruan menggunakan Metode Support Vector Machine (SVM). Data yang diperoleh dari Dinas Perikanan Kota Pasuruan dalam waktu 5 tahun mulai tahun 2019 sampai 2023. Dari hasil penelitian ini, maka dapat disimpulkan hasil nilai MAPE Train Linear 18.07%, MAPE Test Linear 22.92%. Sedangkan untuk MAPE Train Polynominal 16.95%, MAPE Test Polynominal 18.46%.

Page 1 of 2 | Total Record : 19