cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Nur Akbar
Contact Email
muhammad.akbar@uin-alauddin.ac.id
Phone
+6285242044250
Journal Mail Official
instek@uin-alauddin.ac.id
Editorial Address
Jl. H. M. Yasin Limpo No. 36 Samata, Gowa, Sulawesi Selatan
Location
Kab. gowa,
Sulawesi selatan
INDONESIA
JURNAL INSTEK (Informatika Sains dan Teknologi)
Published by Universitas Islam Negeri Alauddin Makassar
ISSN : 25411179     EISSN : 25811711     DOI : https://doi.org/10.24252/instek.v6i2
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering
The Scope topics include, but are not limited to : Agent System and Multi-Agent Systems Analysis & Design of Information System Artificial Intelligence Big Data and Data Mining Cloud & Grid Computing Computer Vision Cryptography Decision Support System DNA Computing E-Government E-Business E-Learning Embedded System Enterprise System Green software development Green computing Green Information Technology Human Computer Interaction Image Processing & Computer Vision Informatics Theory Information System IT for Education IT for Industry IT for Chemical Mechatronics Mobile Computing & Applications Natural Language Processing Network & Data Communications Open Source System Semantic Web Social Networking & Application Soft Computing Software Engineering Software Entrepreneurship Web Engineering Wireless Communication Mikrokontroller elektronic and telecomonunication
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 324 Documents
 25   26   27   28   29 
INDUKSI KESELAMATAN PENUMPANG ANGKUTAN UMUM BUS MENGGUNAKAN APLIKASI BERBASIS WEB Febrianta, Arjuna Rizky; Siswanto, Joko; Oktopianto, Yogi
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.48283

Abstract

Risiko bahaya yang besar terhadap penumpang angkutan umum bus disebabkan pelayanan induksi keselamatan yang masih kurang. Aplikasi berbasis website yang berisi informasi dan video tentang induksi keselamatan penumpang angkutan umum bus di PO. New Shantika dibangun dengan menggunakan metode pengembangan ADDIE (analyze, Design, Development, Implementation, Evaluation). Metode IPA (Importance Perfomance Analysis) digunakan untuk menganalisis kebutuhan, storyboard dan UML digunakan untuk melakukan perancangan, capcut dan wordpress digunakan untuk pengembangan, dan metode SUS (System Usability Scale) digunakan untuk pengevaluasian. Analisis kebutuhan dengan IPA menghasilkan 8 indikator pada kuadran 1 dan 1 indikator pada kuadran 2 yang tersaji pada diagram kartesius. Aplikasi yang dibangun berisi tentang 9 penjelasan dan video induksi keselamatan. Pengujian aplikasi menggunakan SUS mendapatkan nilai rata-rata sebesar 74,7(B) yang berarti penumpang sebagai pengguna menerima penggunaan aplikasi yang dibangun. Aplikasi yang dibangun dapat dimanfaatkan sebagai upaya peningkatan keselamatan penumpang angkutan umum bus.
FIRE EARLY WARNING SYSTEM VIA CCTV CAMERA USING CONVOLUTIONAL NEURAL NETWORK Adam, Safri; Anggi Syahrul Kurniawan; Nurul Fadillah
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.48770

Abstract

At the Informatics Engineering Laboratory of Pontianak State Polytechnic, there is a fire detection system using smoke and heat sensors in certain rooms, while CCTV cameras are available throughout the room. Therefore, a fire detection system using CCTV cameras is proposed as an alternative fire detection tool to support sensor-based fire detection. Convolutional Neural Networks (CNNs) are a class of deep learning algorithms specifically designed for processing structured grid data, such as images. They are particularly effective in tasks related to image recognition and classification due to their ability to automatically learn spatial hierarchies of features from input images. This system works by processing video from CCTV cameras and classified using a Convolutional Neural Network (CNN) model that has been previously trained to recognize visual signs related to fire on video from CCTV cameras. Detected fire will be sent a notification via the user's Telegram application. These results show that the system works as expected with an average confidence level of 91.9% accuracy and 20.8% loss. The system was successfully developed into a fire detection application using the Convolutional Neural Network (CNN) model integrated with CCTV cameras and notification features via the Telegram application.
IMPLEMENTASI SISTEM TUTORIAL KEDOKTERAN BERBASIS WEB DI FAKULTAS KEDOKTERAN UNIVERSITAS GUNADARMA Gunawan, Bhakti; Syah, Rama Dian; Zulenka, Sofian; Setyawati, Rena Fuji Erin; Suhatril, Ruddy J
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.48957

Abstract

Proses pembelajaran tutorial (problem based learning) memiliki critical insidents yang membuat pelaksanaan pembelajaran tutorial belum optimal. Tujuan dari penelitian ini adalah mengimplementasikan sistem tutorial berbasis web untuk pelaksanaan pembelajaran tutorial. Penelitian ini menggunakan metode waterfall untuk membuat sistem. Tahapan metode waterfall adalah pengumpulan kebutuhan, desain sistem, implementasi sistem, pengujian sistem, dan pemeliharaan sistem. Hasil dari penelitian ini yaitu sistem tutorial berbasis web di fakultas kedokteran universitas gunadarma. Pengujian sistem menggunakan metode blackbox menunjukkan semua fitur menu yang disediakan sistem berhasil berjalan dengan baik serta mahasiswa dan tutor berhasil melakukan pemakaian sistem. Sistem tutorial berbasis web ini membantu pelaksanaan pembelajaran tutorial menjadi lebih optimal.
KLASIFIKASI PECAHAN UANG KERTAS RUPIAH MENGGUNAKAN TRANSFER LEARNING DENGAN MODEL MOBILENETV2 Rissa Ilmia Agustin; Jamaludin Indra; Sutan Faisal; Ahmad Fauzi; Rija Nur Hijriyya
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.49123

Abstract

Memanfaatkan mesin sebagai perantara dalam proses pembelian dan penjualan adalah bagaimana teknologi otomasi diterapkan. Mesin berfungsi sebagai penjual dan memiliki kemampuan seperti otak, seperti kecepatan dan keakuratan dalam membaca dan mengidentifikasi nominal uang. Dengan menggunakan teknologi otomatis ini, transaksi jual beli menjadi lebih nyaman. Metode Convolutional Neural Network (CNN) merupakan salah satu komponen dari teknologi Deep Transfer Learning digunakan dalam penelitian ini untuk mengenali uang kertas rupiah. Selain itu, penelitian ini memilih arsitektur model MobileNetV2 yang sesuai dan memodifikasi laju pembelajaran keduanya berdampak pada kinerja model klasifikasi. Untuk menjamin bahwa model memiliki kesempatan yang memadai untuk belajar dari data pelatihan, jumlah epoch yang ideal juga diperhitungkan. Selain itu, hal ini dapat berdampak pada pencapaian kinerja tinggi dengan waktu komputasi yang efisien, pemanfaatan ukuran batch yang optimal juga diselidiki. Evaluasi kinerja model selama pelatihan memberikan hasil sebagai berikut : f1-score 98% recall 98%, presisi 98%, dan akurasi pada set pengujian 97.86%.
OPTIMASI DAN INTEGRASI CONVOLUTIONAL NEURAL NETWORK PADA APLIKASI ANDROID UNTUK DETEKSI PENYAKIT DAUN PADI Kusuma, Bagus; Teguh Iman Hermanto; Candra Dewi Lestari
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.49657

Abstract

Padi adalah tanaman pangan utama di Indonesia dan memiliki peran vital dalam perekonomian serta kehidupan sehari-hari masyarakat. Namun, produksi padi saat ini mengalami penurunan akibat serangan hama dan penyakit. Deteksi dini dan klasifikasi penyakit padi yang akurat sangat penting untuk mengurangi dampak negatif ini. Penelitian ini membangun dan melatih model Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV3 Large untuk mengenali kondisi kesehatan tanaman padi. Model dilatih dengan dataset citra daun padi berlabel, melalui 30 epoch, batch size 45, dan optimizer Lion. Hasil pengujian menunjukkan akurasi 75% untuk data uji dengan loss 59%, dan akurasi 76% untuk data latih dengan loss 61%. Model ini juga berhasil diimplementasikan dalam aplikasi mobile berbasis Android. Penelitian ini diharapkan dapat berkontribusi pada sektor pertanian Indonesia dengan menyediakan alat deteksi penyakit padi yang lebih efisien dan efektif.
EVALUASI PENERIMAAN PENGGUNA APLIKASI DIGITALISASI KELURAHAN MENGGUNAKAN MODEL UTAUT2 Rauf, Cindy Ainsyah Ef; Katili, Muhammad Rifai; Muthia
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50023

Abstract

Digitalisasi adalah teknologi informasi yang mengutamakan suatu kegiatan yang dilakukan secara digital dibandingkan menggunakan tenaga manusia. Digitalisasi sudah diterapkan oleh pemerintah melalui pelayanan publik berbasis digital dengan meluncurkan aplikasi Digitalisasi Kelurahan. Penggunaan aplikasi masih terdapat kendala berupa proses pembuatan surat yang membutuhkan waktu lebih lama, sering terjadi eror saat menggunakan aplikasi serta masih terdapat beberapa layanan surat keterangan yang belum tersedia melalui aplikasi. Model penelitian yang digunakan adalah Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) dengan menggunakan teknik analisis deskriptif dan teknik analisis kuantitatif dengan pendekatan PLS-SEM. Hasil penelitian menunjukkan bahwa variabel social influence memiliki pengaruh tingkat penerimaan pengguna aplikasi Digitalisasi Kelurahan berdasarkan pengujian t-test dan p-values pada hubungan variabel tersebut dalam pengujian inner model.
IMPLEMENTATION OF HELPDESK CHATBOT APPLICATION FOR INFORMATION SYSTEM SERVICES IN HIGHER EDUCATION Sumiyati; Rahayu, Puji; Adiwinata, Calvin; Marbun, Rosmalinda
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50073

Abstract

This study implements a helpdesk chatbot application for information system services in higher education. The background is the students' need for quick and accurate academic information, especially during the Covid-19 pandemic. The method used is the waterfall model, with data collection stages through questionnaires, observation, and literature study. The development result is a web-based chatbot application that can automatically answer student questions related to academic information systems. Testing shows that this application successfully improves information service efficiency, reduces the workload of helpdesk admins, and increases user satisfaction. In conclusion, this helpdesk chatbot is effective in providing information to students anytime and anywhere, with recommendations for further development in the future.
PERANCANGAN SISTEM PENGENALAN WAJAH MENGGUNAKAN PYTHON, OPENCV DAN HAARCASCADE Masnur, Masnur; Alam, Syahirun; Zainal, Muhammad; Emil Fazil, Muhammad
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50354

Abstract

Teknologi pengenalan wajah telah menjadi solusi populer dalam meningkatkan keamanan dan efisiensi akses di berbagai institusi, termasuk perpustakaan, namun keterbatasan anggaran dan infrastruktur di institusi pendidikan sering kali menjadi kendala dalam implementasi sistem yang efektif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pengenalan wajah berbasis Python, OpenCV, dan Haarcascade di Perpustakaan Universitas Muhammadiyah Parepare sebagai solusi yang terjangkau dan efisien untuk manajemen akses pengguna. Metode yang digunakan meliputi Haarcascade untuk mendeteksi wajah dengan mengidentifikasi fitur terang-gelap wajah melalui cascade classifier, Python sebagai bahasa pemrograman utama untuk mengintegrasikan dan menjalankan algoritma pengenalan wajah, dan Jupyter Notebook sebagai platform pengembangan untuk memfasilitasi pemrograman serta dokumentasi visual dari seluruh proses. Pengujian dilakukan dalam kondisi lingkungan perpustakaan yang bervariasi, termasuk perubahan pencahayaan dan sudut pandang wajah. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi wajah dengan tingkat akurasi tinggi, respons cepat, dan tingkat false positives yang rendah, sehingga cocok untuk kebutuhan perpustakaan yang memerlukan manajemen akses yang otomatis dan efektif. Implikasi dari penelitian ini adalah sistem ini memberikan solusi yang tidak hanya hemat biaya tetapi juga dapat diandalkan dalam kondisi terbatas, memberikan kontribusi bagi literatur pengenalan wajah dalam lingkungan pendidikan dengan sumber daya yang terbatas. Hasil ini menunjukkan bahwa sistem pengenalan wajah berbasis Haarcascade, Python, dan Jupyter Notebook dapat diadaptasi untuk aplikasi lain di institusi pendidikan, khususnya yang memerlukan solusi keamanan berbasis teknologi yang efisien.
IMPLEMENTASI METODE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (SMART) DALAM REKOMENDASI PEMILIHAN SMARTPHONE Nur Cahyo, Wahyu; Ucta Pradema Sanjaya; Sahri
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50774

Abstract

Kemajuan teknologi informasi telah memberikan dampak yang signifikan pada berbagai aspek kehidupan manusia, terutama penggunaan smartphone yang meluas, yang kini telah menjadi kebutuhan penting bagi sebagian besar individu. Memilih smartphone bisa jadi sulit karena banyaknya pilihan dan beragamnya minat pengguna. Tujuan dari penelitian ini adalah untuk membuat Sistem Pendukung Keputusan (SPK) berbasis web yang memanfaatkan metode Simple Multi-Attribute Rating Technique (SMART) untuk memberikan rekomendasi smartphone yang dipersonalisasi berdasarkan preferensi pengguna. Tahapan penelitian meliputi: Perencanaan: Menyusun strategi pengembangan sistem. Pengumpulan Data: Mengumpulkan data mengenai spesifikasi teknis smartphone. Pemilihan Data: Memilih data yang relevan untuk tujuan penelitian. Implementasi Data: Memasukkan data ke dalam sistem dengan menggunakan metodologi SMART. Pemeringkatan Data: Mengatur data sesuai dengan hasil analisis metode SMART, penelitian ini menemukan bahwa menggabungkan teknik SMART ke dalam sistem pendukung keputusan dapat menghasilkan rekomendasi ponsel pintar yang lebih akurat dan selaras dengan preferensi pengguna. Teknik ini juga membantu mengurangi kebingungan dan ketidakpuasan konsumen setelah membeli smartphone. Penelitian ini menyimpulkan bahwa teknik SMART sangat efektif dalam sistem rekomendasi pembelian smartphone. Rekomendasi yang diberikan lebih akurat dan selaras dengan preferensi pengguna. Penelitian di masa depan harus menyelidiki penerapan teknik SMART dalam situasi yang berbeda dan memperluas kriteria untuk membuat rekomendasi.
IMPLEMENTASI ARTIFICIAL NEURAL NETWORK PADA KASUS REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI JUMLAH PAKAN AYAM PETELUR Ali Asgar Zainal Abidin; Kusrini; Ferry Wahyu Wibowo
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 9 No 2 (2024): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v9i2.50836

Abstract

Produksi telur ayam petelur adalah bagian penting dalam industri peternakan dan berperan besar dalam memenuhi kebutuhan masyarakat akan telur sebagai sumber makanan. Penelitian ini menggunakan algoritma Jaringan Saraf Tiruan (JST), yang sering digunakan untuk memprediksi data, untuk melakukan prediksi jumlah pakan yang dibutuhkan oleh ayam petelur. Penelitian ini bukan tentang hasil prediksi konkret, tetapi lebih tentang evaluasi kemampuan algoritma JST dalam melakukan prediksi berdasarkan dataset yang diperoleh dari sumber Kaggle.Dalam penelitian ini, berbagai model arsitektur jaringan neural telah dieksplorasi, termasuk model dengan struktur 5-30-1, 5-40-1, 5-50-1, dan 5-60-1. Setiap model telah dilatih dan diuji, dan hasilnya menunjukkan bahwa model arsitektur terbaik adalah yang memiliki struktur 5-40-1, dengan tingkat kinerja (MAPE) terendah sekitar 4.04 dan RMSE sebesar 6.71, yang merupakan tingkat kesalahan terendah dibandingkan dengan enam model lainnya. Ini mengindikasikan bahwa model tersebut dapat digunakan dengan baik untuk melakukan prediksi jumlah pakan yang dibutuhkan oleh ayam petelur.

Page 27 of 33 | Total Record : 324

 25   26   27   28   29 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 10 No 2 (2025): OCTOBER Vol 10 No 1 (2025): APRIL Vol 9 No 2 (2024): OCTOBER Vol 9 No 1 (2024): APRIL Vol 8 No 2 (2023): OCTOBER Vol 8 No 1 (2023): APRIL Vol 7 No 2 (2022): OCTOBER Vol 7 No 1 (2022): APRIL Vol 6 No 2 (2021): OCTOBER Vol 6 No 1 (2021): APRIL Vol 5 No 2 (2020): OCTOBER Vol 5 No 1 (2020): APRIL Vol 4 No 2 (2019): OCTOBER Vol 4 No 1 (2019): APRIL Vol 3 No 1 (2018): Volume.3, Nomor.1.April 2018 Vol 3 No 2 (2018): OCTOBER Vol 2 No 2 (2017): Volume 2, Nomor 2, oktober 2017 Vol 2 No 1 (2017): Volume 2, Nomor 1, April 2017 Vol 1 No 1 (2016): Volume.1, Nomor.1, Oktober 2016 More Issue