cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 20893787     EISSN : 26850893     DOI : -
Core Subject : Science,
Computer Science & IT
Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi adalah Jurnal Ilmiah bidang Teknik Informatika dan Sistem Informasi yang diterbitkan secara periodik tiga nomor dalam satu tahun, yaitu pada bulan April, Agustus dan Desember. Redaksi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi menerima sumbangan tulisan hasil penelitian atau atau artikel konseptual bidang Teknik Informatika dan Sistem Informasi.
Arjuna Subject : -
Articles 1,113 Documents
 108   109   110   111   112 
Peningkatan Keterlacakan Melalui Pengembangan Sistem Informasi Kalibrasi Pressure Gauge Berbasis ISO/IEC 17025 Hasan, Liestiani; Juliana, Annah; Ernawati, Ayu; Syifaurachman, Syifaurachman
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3721

Abstract

Calibration laboratories have managerial and technical obligations to ensure traceability and data security in accordance with the ISO/IEC 17025:2017 accreditation standard. PT Heksa Instrumen Sinergi currently relies on a manual, spreadsheet-based method for processing pressure gauge calibration data, which is highly susceptible to human error, document duplication, and delays in issuing physical certificates. This research aims to design and implement a web-based calibration information system to digitalize the workflow and enhance the laboratory's compliance with quality standards. The software development utilized the Waterfall method, encompassing requirements analysis for four access privilege levels (Admin, Technician, Analyst, and Issuer), system design utilizing the Unified Modeling Language (UML), and implementation using PHP programming and a MySQL database. The functional testing results, conducted via the Black Box method, demonstrated that the system operates with 100% validity and no errors. The implementation of this system has proven successful in automating the calculation of uncertainty values, issuing standardized digital calibration certificates in real-time, ensuring the integrity of calibration records, and increasing data processing time efficiency by up to 50%. Keywords: Information System; Data Traceability; Data Security; ISO/IEC 17025:2017; Pressure Gauge.   Abstract Laboratorium kalibrasi memiliki kewajiban manajerial dan teknis untuk memastikan ketertelusuran dan keamanan data sesuai dengan standar akreditasi ISO/IEC 17025:2017. PT Heksa Instrumen Sinergi saat ini masih mengandalkan metode manual berbasis spreadsheet untuk memproses data kalibrasi pengukur tekanan, yang sangat rentan terhadap kesalahan manusia, duplikasi dokumen, dan keterlambatan dalam penerbitan sertifikat fisik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi kalibrasi berbasis web untuk mendigitalisasi alur kerja dan meningkatkan kepatuhan laboratorium terhadap standar mutu. Pengembangan perangkat lunak menggunakan metode Waterfall, yang mencakup analisis persyaratan untuk empat tingkat hak akses (Admin, Teknisi, Analis, dan Penerbit), desain sistem menggunakan Unified Modeling Language (UML), dan implementasi menggunakan pemrograman PHP dan basis data MySQL. Hasil pengujian fungsional, yang dilakukan melalui metode Black Box, menunjukkan bahwa sistem beroperasi dengan validitas 100% dan tanpa kesalahan. Implementasi sistem ini telah terbukti berhasil dalam mengotomatiskan perhitungan nilai ketidakpastian, menerbitkan sertifikat kalibrasi digital standar secara real-time, memastikan integritas catatan kalibrasi, dan meningkatkan efisiensi waktu pemrosesan data hingga 50% Kata kunci: Sistem Informasi; Ketertelusuran Data; Keamanan Data; ISO/IEC 17025:2017; Pengukur Tekanan.
Perancangan Sistem Kendali Pompa Submersible Dengan Fuzzy Type-2 Berbasis IoT Dan Android Nafis Pratama Putra; Basuki Rahmat; Eka Prakarsa Mandyartha
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3764

Abstract

Rice, as a strategic commodity, faces major challenges due to climate change and the wasteful use of water in manual irrigation, which is only 30–50% efficient. This study developed a smart submersible pump irrigation system based on the Interval Type-2 Fuzzy Logic System (IT2FLS), integrated with the Internet of Things (IoT) and an android mobile application. The system uses an ESP32 microcontroller as the main control unit, soil moisture sensors, rain sensors, and Type-2 fuzzy logic processing on the server to generate automated decisions that are more robust against sensor data uncertainty. Testing was conducted on rice paddy fields. The test results showed that the system was able to save up to 38.7% in water usage and up to 38.6% in electricity compared to manual irrigation. The android application functioned well for real-time monitoring and remote control. This study proves that the integration of IT2FLS, IoT, and mobile applications can improve rice paddy irrigation efficiency and support the implementation of smart farming. Kata kunci: Interval Type-2 Fuzzy Logic; IoT; rice field irrigation; android app; submersible pump  Abstrak Padi sebagai komoditas strategis menghadapi tantangan besar akibat perubahan iklim dan pemborosan air irigasi manual yang efisiensinya hanya 30–50%. Penelitian ini mengembangkan sistem irigasi cerdas pompa submersible berbasis Interval Type-2 Fuzzy Logic System (IT2FLS) terintegrasi dengan Internet of Things (IoT) dan aplikasi mobile android. Sistem ini menggunakan mikrokontroler ESP32 sebagai unit kendali utama, sensor kelembapan tanah, sensor hujan, serta pemrosesan logika fuzzy tipe-2 pada server untuk menghasilkan keputusan otomatis yang lebih robust terhadap ketidakpastian data sensor. Pengujian dilakukan pada lahan sawah. Hasil pengujian menunjukkan sistem mampu menghemat penggunaan air hingga 38,7% dan listrik hingga 38,6% dibandingkan irigasi manual. Aplikasi android berfungsi dengan baik untuk monitoring real-time dan kontrol jarak jauh. Penelitian ini membuktikan bahwa integrasi IT2FLS, IoT, dan aplikasi mobile dapat meningkatkan efisiensi irigasi sawah serta mendukung implementasi smart farming. Kata kunci: Interval Type-2 Fuzzy Logic; IoT; irigasi sawah; aplikasi android; pompa Submersible
ANALISIS PERBANDINGAN KINERJA KNN DAN LOGISTIC REGRESSION PADA KLASIFIKASI RISIKO STROKE Asri Rahma Ayunanda; Putry Wahyu Setyaningsih
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3812

Abstract

Stroke is a primary cause of mortality globally, making accurate risk classification vital for early intervention. This study aims to evaluate the effectiveness of K-Nearest Neighbor (KNN) compared to Logistic Regression in detecting stroke risk. Utilizing 4,981 medical records from Kaggle, the SMOTE technique was implemented to address data imbalance across 80:20 and 70:30 split scenarios. Results indicate that Logistic Regression outperforms KNN, providing more consistent performance in detecting high-risk classes. The most optimal performance was achieved by Logistic Regression at an 80:20 ratio, reaching 80.00% recall and 74.12% accuracy. This study demonstrates that Logistic Regression is a more effective and sensitive method for identifying clinical stroke risk factors in medical decision support systems. Keywords: Classification; KNN; Logistic Regression; SMOTE; Stroke   Abstrak Stroke merupakan penyebab kematian utama secara global, sehingga klasifikasi risiko yang akurat sangat penting untuk intervensi dini. Penelitian ini bertujuan mengevaluasi efektivitas algoritma K-Nearest Neighbor (KNN) dibandingkan Logistic Regression dalam mendeteksi risiko stroke. Dengan menggunakan dataset 4.981 rekam medis dari Kaggle, teknik SMOTE diterapkan untuk menangani ketidakseimbangan data pada skenario pembagian 80:20 dan 70:30. Hasil menunjukkan Logistic Regression mengungguli KNN dengan performa lebih konsisten dalam mendeteksi kelas risiko. Kinerja paling optimal dicapai Logistic Regression pada rasio 80:20 dengan nilai recall 80,00% dan akurasi 74,12%. Penelitian ini membuktikan Logistic Regression adalah metode yang lebih efektif dan sensitif dalam mengidentifikasi faktor risiko klinis stroke untuk mendukung sistem keputusan medis. Kata kunci: Klasifikasi; KNN; Logistic Regression; SMOTE; Stroke
Pengembangan Website Pojok Statistik Institut Keguruan dan Teknologi Larantuka Menggunakan Metode User Centered Design Melky Falenchyl; Dominikus Boli Watomakin; Bernadete Deta
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3825

Abstract

The Statistics Corner website of the Institut Keguruan dan Teknologi Larantuka (IKTL) currently lacks the capability to provide interactive statistical information services or data presentations that are easily understood by users. This study aims to develop the Pojok Statistik website using the User-Centered Design (UCD) method by integrating a "Text To Chart " feature that automatically converts statistical information stored in text-based CSV files into graphical visualizations. The research stages included identifying the user context, analyzing requirements, design, implementation, and system evaluation. The results demonstrated an effectiveness rate of 91.01% (categorized as "Very Effective"), an accessibility rate of 88.89% (categorized as "Very Good"), and a Text To Chart feature accuracy of 100%. These findings indicate that the developed website successfully meets user needs and enhances the presentation of statistical information, making it more interactive and easier to comprehend. Keywords: User-Centered Design; Website; Pojok Statistik; Text-To-Chart; Data Visualization   Abstrak Website Pojok Statistik Institut Keguruan dan Teknologi Larantuka (IKTL) belum mampu menyediakan layanan informasi statistik yang interaktif dan penyajian data yang mudah dipahami pengguna. Penelitian ini bertujuan mengembangkan Website Pojok Statistik menggunakan metode User-Centered Design (UCD) dengan mengintegrasikan fitur Text To Chart untuk mengubah informasi statistik dalam bentuk teks yang tersimpan pada berkas CSV menjadi visualisasi grafik secara otomatis. Tahapan penelitian meliputi identifikasi konteks pengguna, analisis kebutuhan, perancangan, implementasi, dan evaluasi sistem. Hasil penelitian menunjukkan tingkat efektivitas sebesar 91,01% dengan kategori Sangat Efektif, tingkat aksesibilitas sebesar 88,89% dengan kategori Sangat Baik, serta akurasi fitur Text To Chart sebesar 100%. Hasil tersebut menunjukkan bahwa website yang dikembangkan mampu memenuhi kebutuhan pengguna serta meningkatkan penyajian informasi statistik secara lebih interaktif dan mudah dipahami. Kata kunci: User Centered Design; Website; Pojok Statistik; Text-To-Chart; Visualisasi Data 
Implementasi Hybrid ANP-TOPSIS untuk Evaluasi Pembinaan Narapidana (Studi Kasus: Lapas XYZ) Muhamad Haykal Muktabar; Hadi Zakaria
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3864

Abstract

The evaluation of inmate rehabilitation at XYZ Prison is still conducted manually, which has the potential to introduce subjectivity and complicates the management of historical data needed for decision-making regarding remission recommendations. This study aims to implement a web-based decision support system to improve the objectivity and consistency of inmate rehabilitation evaluations. The system was developed by combining the Analytic Network Process method to determine subcriteria weights and the Technique for Order Preference by Similarity to Ideal Solution to rank alternatives based on rehabilitation outcomes. The system was implemented using the PHP programming language and a MySQL database. The results show that the system successfully generated a ranking of eight inmate alternatives based on preference scores, as well as parole recommendations in accordance with predetermined thresholds. Performance testing of the method using the Accuracy, Precision, and Recall metrics showed a good level of alignment between the system’s recommendations and the decisions of the Correctional Monitoring Team. The resulting system is capable of supporting the rehabilitation evaluation process in a more objective, structured, documented, and transparent manner to aid decision-making. Keywords: Decision Support System; Analytic Network Process; Technique for Order of Preference by Similarity to the Ideal Solution; Evaluation of Inmate Rehabilitation; Sentence Reduction Abstrak Evaluasi pembinaan narapidana di Lapas XYZ masih dilakukan secara manual sehingga berpotensi menimbulkan subjektivitas dan menyulitkan pengelolaan data historis yang diperlukan dalam pengambilan keputusan rekomendasi remisi. Penelitian ini bertujuan mengimplementasikan sistem pendukung keputusan berbasis web untuk meningkatkan objektivitas dan konsistensi evaluasi pembinaan narapidana. Sistem dikembangkan dengan mengombinasikan metode Analytic Network Process untuk menentukan bobot subkriteria dan Technique for Order Preference by Similarity to Ideal Solution untuk melakukan pemeringkatan alternatif berdasarkan hasil pembinaan. Implementasi sistem dilakukan menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil penelitian menunjukkan bahwa sistem berhasil menghasilkan pemeringkatan delapan alternatif narapidana berdasarkan nilai preferensi serta rekomendasi remisi sesuai ambang batas yang telah ditetapkan. Hasil pengujian kinerja metode menggunakan metrik Accuracy, Precision, dan Recall menunjukan tingkat kesesuaian yang baik antara rekomendasi sistem dan keputusan Tim Pengamat Pemasyarakatan. Sistem yang dihasilkan mampu mendukung proses evaluasi pembinaan secara lebih objektif, terstruktur, terdokumentasi, dan transparan dalam mendukung pengambilan keputusan. Kata kunci: Sistem Pendukung Keputusan; Analytic Network Process; Technique for Order Preference by Similarity to Ideal Solution; Evaluasi Pembinaan Narapidana; Remisi   
Perbandingan TF-IDF dan Sentence-IndoBERT untuk Klasifikasi Emosi Ulasan Produk Indonesia Miko Kastomo Putro; Mursyid Ardiansyah
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3872

Abstract

Informal Indonesian product reviews containing lexical variation posed challenges for emotion classification. This study aimed to compare term frequency-inverse document frequency and Sentence-IndoBERT representations using the same logistic regression classifier so that the effect of text representation could be examined under controlled conditions. The PRDECT-ID dataset was audited, cleaned of duplicates and label conflicts, and reduced to 5,261 reviews. The data were stratified into 70% training, 15% validation, and 15% testing sets. Performance was evaluated using accuracy, macro precision, macro recall, macro F1-score, weighted F1-score, and a confusion matrix. The results showed that term frequency-inverse document frequency achieved 64.05% accuracy and a 60.88% macro F1-score, outperforming Sentence-IndoBERT, which achieved 63.67% accuracy and a 59.28% macro F1-score. The novelty lay in a controlled experiment using the same classifier, data partition, and evaluation procedure. The findings indicated that word-based representation was more effective and computationally efficient for the evaluated dataset. Keywords: Emotion Classification; Indonesian Product Reviews; Text Representation; Logistic Regression; Machine Learning    Abstrak Ulasan produk berbahasa Indonesia yang singkat, informal, dan mengandung variasi kata telah menimbulkan kesulitan dalam klasifikasi emosi. Penelitian ini telah membandingkan representasi term frequency-inverse document frequency dan Sentence-IndoBERT menggunakan regresi logistik yang sama agar pengaruh representasi teks dapat diamati secara terkontrol. Dataset PRDECT-ID telah diaudit, dibersihkan dari duplikasi dan konflik label, lalu menghasilkan 5.261 ulasan yang dibagi secara terstratifikasi menjadi 70% data pelatihan, 15% data validasi, dan 15% data pengujian. Kinerja telah dievaluasi menggunakan akurasi, presisi makro, recall makro, skor F1 makro, skor F1 berbobot, dan confusion matrix. Hasil pengujian telah menunjukkan bahwa term frequency-inverse document frequency memperoleh akurasi 64,05% dan skor F1 makro 60,88%, lebih tinggi daripada Sentence-IndoBERT dengan akurasi 63,67% dan skor F1 makro 59,28%. Kebaruan penelitian telah ditunjukkan melalui eksperimen terkontrol dengan pengklasifikasi, pembagian data, dan prosedur evaluasi yang sama. Temuan tersebut telah memperlihatkan bahwa representasi berbasis kata lebih efektif dan efisien untuk dataset yang digunakan. Kata kunci: Klasifikasi Emosi; Ulasan Produk Indonesia; Representasi Teks; Logistic Regression; Machine Learning 
Analisis Sentimen Suporter terhadap Performa Persijap Jepara Menggunakan Metode Naïve Bayes M. Rikza Tamyiz; Esti Wijayanti; Ahmad Jazuli
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3883

Abstract

Social media has given football fans an open channel to voice unfiltered reactions to their club's performance, and the Instagram account of Persijap Jepara now attracts a large volume of such comments that has never been examined in a structured way. This study applies a Machine Learning technique, specifically the Multinomial Naïve Bayes algorithm, to classify the sentiment expressed by these supporters. A total of 5,493 distinct Instagram comments were collected, cleaned through a text-preprocessing pipeline, and converted into numerical features using TF-IDF weighting. Testing the resulting model produced an accuracy of 74.32%, alongside a precision score of 0.76, a recall score of 0.72, and an F1-score of 0.74. Keywords: Sentiment Analysis; Machine Learning; Naïve Bayes; TF-IDF; Persijap Jepara.   Abstrak Kemajuan media sosial membuka ruang bagi suporter sepak bola untuk menuliskan pendapat mereka secara bebas mengenai performa klub. Akun Instagram resmi Persijap Jepara menerima volume komentar yang tinggi, tetapi data teks tersebut belum pernah diolah dan dinilai secara terstruktur. Riset ini berupaya mengukur kecenderungan sentimen suporter dengan memanfaatkan teknik Machine Learning berupa algoritma Multinomial Naïve Bayes. Sebanyak 5.493 komentar unik dikumpulkan dari Instagram, kemudian dibersihkan melalui tahap preprocessing teks serta diubah menjadi fitur numerik menggunakan pembobotan TF-IDF. Hasil pengujian model menunjukkan akurasi 74,32%, presisi 0,76, recall 0,72, serta F1-score 0,74. Kata kunci: Analisis Sentimen; Machine Learning; Naïve Bayes; TF-IDF; Persijap Jepara
Optimasi MobileNetV2 untuk Klasifikasi Hama dan Simulasi Dampak Finansial Utomo, Sapto; Agus Diartono, Dwi
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3897

Abstract

Inaccurate pest identification can delay control measures and increase the risk of agricultural losses. This study evaluated MobileNetV2 for image-based pest classification and simulated the financial impact of prediction errors. The Dangerous Farm Insects Dataset, containing 1,591 images in 15 classes, was used in four scenarios: baseline, augmentation, baseline fine-tuning, and augmentation fine-tuning. The models were assessed using accuracy, precision, recall, macro F1-score, and confusion matrices. The results showed that the baseline achieved the best performance, with an accuracy of 0.750 and a macro F1-score of 0.744. Fine-tuning produced the same accuracy but a slightly lower macro F1-score, while the two augmentation scenarios achieved accuracies of only 0.528 and 0.536. Most errors involved visually similar classes. The financial simulation indicated that the baseline had the lowest relative risk, although the cost values remained illustrative parameters requiring field validation. Keywords: MobileNetV2; image classification; agricultural pests; data augmentation; financial impact Abstrak Identifikasi hama yang tidak tepat dapat menunda pengendalian dan meningkatkan risiko kerugian pertanian. Penelitian ini mengevaluasi MobileNetV2 untuk klasifikasi citra hama serta menyimulasikan dampak finansial kesalahan prediksi. Dangerous Farm Insects Dataset yang berisi 1.591 citra dalam 15 kelas digunakan pada empat skenario: baseline, augmentation, baseline fine-tuning, dan augmentation fine-tuning. Model dinilai menggunakan accuracy, precision, recall, macro F1-score, dan confusion matrix. Hasil pengujian menunjukkan bahwa baseline memberikan performa terbaik dengan accuracy 0,750 dan macro F1-score 0,744. Fine-tuning menghasilkan accuracy yang sama, tetapi macro F1-score sedikit lebih rendah, sedangkan dua skenario augmentation hanya mencapai accuracy 0,528 dan 0,536. Kesalahan terbanyak terjadi pada kelas yang serupa secara visual. Simulasi finansial menunjukkan bahwa baseline memiliki risiko relatif terendah, meskipun nilai biaya masih berupa parameter ilustratif dan memerlukan validasi lapangan. Kata kunci: MobileNetV2; klasifikasi citra; hama pertanian; data augmentation; dampak finansial
IMPLEMENTASI ALGORITMA INDOBERT DAN SMOTE PADA ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN BERGIZI GRATIS Syarif Hidayatullah; Ahmad Jazuli; Estiwijayanti Estiwijayanti
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3901

Abstract

The Free Nutritious Meal (MBG) Program is one of the Indonesian government's public policies that has generated diverse public responses on social media, making sentiment analysis essential for understanding public perceptions as a basis for policy evaluation. This study aims to analyze public sentiment toward the MBG Program on the X social media platform using the IndoBERT model combined with the Synthetic Minority Over-sampling Technique (SMOTE) to address class imbalance. A total of 2,260 tweets were collected through web scraping and subsequently preprocessed through text cleaning, normalization, tokenization, sentiment labeling using the InSet Lexicon, data balancing with SMOTE, and IndoBERT fine-tuning. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. The results show that the proposed model achieved an 80% accuracy, with approximately 75% of the data classified as negative sentiment, primarily driven by concerns regarding the state budget, potential corruption, and program distribution. Meanwhile, positive sentiment mainly highlighted the program's benefits for children's nutrition and local economic empowerment. These findings demonstrate that the combination of IndoBERT and SMOTE is effective for public policy sentiment analysis and can provide valuable insights for evaluating the implementation of the MBG Program. Keywords: Sentiment Analysis; Free Nutritious Food; IndoBERT; SMOTE; FFNN   Abstrak Program Makan Bergizi Gratis (MBG) menjadi salah satu kebijakan pemerintah yang memunculkan beragam respons masyarakat di media sosial, sehingga diperlukan analisis sentimen untuk memahami persepsi publik sebagai bahan evaluasi kebijakan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Program MBG di media sosial X menggunakan model IndoBERT dengan penerapan Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dikumpulkan melalui proses scraping dan menghasilkan 2.260 tweet, kemudian diproses melalui tahapan pembersihan teks, normalisasi, tokenisasi, pelabelan sentimen menggunakan InSet Lexicon, penyeimbangan data dengan SMOTE, serta fine-tuning model IndoBERT. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh akurasi sebesar 80%, dengan dominasi sentimen negatif sekitar 75% yang dipengaruhi oleh isu anggaran, potensi korupsi, dan distribusi program, sedangkan sentimen positif menyoroti manfaat program terhadap gizi anak dan pemberdayaan ekonomi lokal. Temuan ini menunjukkan bahwa kombinasi IndoBERT dan SMOTE efektif untuk analisis sentimen kebijakan publik serta dapat menjadi masukan bagi evaluasi pelaksanaan Program MBG. Kata kunci: Analisis Sentimen; IndoBERT; Makan Bergizi Gratis; FFNN; SMOTE.
Pengembangan Dashboard Web Monitoring Kualitas Air Budidaya Ikan Lele Berbasis IoT Faiq, M. Nur; Saputra, Andre Tri; Habiba, Curie
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol. 15 No. 4 (2026): Agustus 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i4.3902

Abstract

Water quality is a crucial factor in the success of catfish aquaculture. Unstable environmental parameters such as temperature, acidity (pH), and water turbidity are often the main causes of high fish mortality and decreased crop yields. This research aims to develop a web-based dashboard integrated with Internet of Things (IoT) technology for real-time water quality monitoring. The system utilizes an ESP32 microcontroller as the central data processing unit connected to three main sensors: a DS18B20 temperature sensor, a pH meter sensor, and a turbidity sensor. The data captured by the sensors is transmitted to a Local Storage database using HTTP/MQTT protocols, which is then visualized on a responsive web dashboard built using the ReactJS and Node.js frameworks. This dashboard features parameter fluctuation graphs, water quality status indicators, and an early warning system via automatic notifications if parameters cross safe thresholds. Functional testing indicates that the system is capable of reading and transmitting data with an average sensor accuracy rate above 95% and a data transmission delay of less than 2 seconds. The implementation of this system is expected to assist catfish farmers in minimizing the risk of harvest failure through rapid and precise water condition mitigation. Keywords: Web Dashboard; Water Quality Monitoring; Catfish Aquaculture; Internet of Things (IoT); Real-time.  Abstrak Kualitas air merupakan faktor krusial dalam keberhasilan budidaya ikan lele. Parameter lingkungan seperti suhu, keasaman (pH), dan kekeruhan air yang tidak stabil seringkali menjadi penyebab utama tingginya mortalitas ikan dan penurunan hasil panen. Penelitian ini bertujuan untuk mengembangkan sebuah dashboard berbasis web yang terintegrasi dengan teknologi Internet of Things (IoT) untuk melakukan monitoring kualitas air secara real-time. Sistem ini menggunakan mikrokontroler ESP32 sebagai pusat pemrosesan data yang terhubung dengan tiga sensor utama: sensor suhu DS18B20, sensor pH meter, dan sensor kekeruhan (turbidity). Data yang ditangkap oleh sensor dikirimkan database Local Storage menggunakan protokol HTTP/MQTT, yang kemudian divisualisasikan pada dashboard web responsif yang dibangun menggunakan framework ReactJS dan Node.js. Dashboard ini dilengkapi dengan fitur grafik fluktuasi parameter, indikator status kualitas air, serta sistem peringatan dini (early warning system) melalui notifikasi otomatis jika parameter melewati batas aman. Pengujian fungsionalitas menunjukkan bahwa sistem mampu membaca dan mengirimkan data dengan tingkat akurasi sensor rata-rata di atas 95% dan delay pengiriman data kurang dari 2 detik. Implementasi sistem ini diharapkan dapat membantu para pembudidaya ikan lele dalam meminimalkan risiko gagal panen melalui mitigasi kondisi air secara cepat dan tepat. Kata Kunci: Dashboard Web; Monitoring Kualitas Air; Budidaya Ikan Lele; Internet of Things; Real-time.

Page 111 of 112 | Total Record : 1113

 108   109   110   111   112 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 15 No. 4 (2026): Agustus 2026 Vol. 15 No. 3 (2026): Juni 2026 Vol 15, No 3 (2026): Juni 2026 Vol 15, No 2 (2026): April 2026 Vol. 15 No. 1 (2026): Februari 2026 Vol 15, No 1 (2026): Februari 2026 Vol 14, No 3: Desember 2025 Vol 14, No 2: Agustus 2025 Vol. 14 No. 2: Agustus 2025 Vol 14, No 1: April 2025 Vol 13, No 3: Desember 2024 Vol 13, No 2: Agustus 2024 Vol 13, No 1: April 2024 Vol 12, No 3: Desember 2023 Vol 12, No 2: Agustus 2023 Vol 12, No 1: April 2023 Vol 11, No 3: Desember 2022 Vol 11, No 2: Agustus 2022 Vol 11, No 1: April 2022 Vol 10, No 3: Desember 2021 Vol 10, No 2: Agustus 2021 Jutisi Vol. 10, No. 1, April 2021 JUTISI Vol. 9, No. 3, Desember 2020 JUTISI Vol. 9, No. 2, Agustus 2020 JUTISI Vol. 9, No. 1, April 2020 JUTISI Vol. 8, No. 3, Desember 2019 JUTISI Vol. 8, No. 2, Agustus 2019 JUTISI Vol. 8, No. 1, April 2019 Vol 7, No 3: Desember 2018 Vol 7, No 2: Agustus 2018 Vol 7, No 1: April 2018 Vol 6, No 3: Desember 2017 Vol 6, No 2: Agustus 2017 Vol 6, No 1: April 2017 Vol 5, No 3: Desember 2016 Vol 5, No 2: Agustus 2016 Vol 5, No 1: April 2016 Vol 4, No 3: Desember 2015 Vol 4, No 2: Agustus 2015 Vol 4, No 1: April 2015 Vol 3, No 3: Desember 2014 Vol 3, No 2: Agustus 2014 Vol 3, No 1: April 2014 Vol 2, No 1: April 2013 More Issue