cover
Contact Name
Wire Bagye
Contact Email
wirestmik@gmail.com
Phone
-
Journal Mail Official
jirestmiklombok@gmail.com
Editorial Address
-
Location
Kab. lombok tengah,
Nusa tenggara barat
INDONESIA
Jurnal Informatika dan Rekayasa Elektronik
ISSN : 26206900     EISSN : 26206897     DOI : -
Core Subject : Science,
JIRE (Jurnal Informatika dan Rekayasa Elektronik) (eISSN: 2620-6900) diterbitkan oleh LPPM STMIK Lombok sebagai wadah untuk mempublikasikan artikel tentang pengetahuan baru dan penelitian dengan isu terkini yang berkaiatan dengan teknologi informasi, dengan topik Networks, Internet and Mobile Computing, Informatics Technology dan Engineering Jurnal ini terbit 2 (dua) kali dalam setahun yaitu pada bulan April dan Nopember.
Arjuna Subject : -
Articles 232 Documents
IMPLEMENTASI WIRELESS SENSOR NETWORK PADA PENDETEKSI TANAH LONGSOR BERBASIS INTERNET OF THINGS (IOT) DAN LORA Satriyo; Adriel Haddad; Ramli; Sy. Agus Salim
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 1 (2025): JIRE APRIL 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i1.1543

Abstract

Tanah longsor merupakan salah satu bencana alam yang sering terjadi di Indonesia, terutama di daerah pegunungan dan perbukitan. Penelitian ini mengembangkan alat pendeteksi tanah longsor berbasis Internet of Things (IoT) dengan sistem peringatan dini melalui notifikasi Telegram. Sistem ini menggunakan sensor MPU6050 untuk mendeteksi kemiringan tanah, sensor kelembaban tanah untuk mengukur kadar air, serta modul GPS untuk menentukan lokasi alat. Data sensor dikirimkan ke server Adafruit IO melalui komunikasi LoRa untuk dipantau secara real-time. Jika kemiringan tanah melebihi 27° dan kelembaban mencapai 54%, Sistem akan mengaktifkan buzzer peringatan dan mengirimkan notifikasi ke pengguna melalui Telegram. Masing – masing node diletakan pada titik lokasi yang berbeda pada area tanah yang berpotensi Longsor. Data sensor dari 3 buah node dikirimkan ke gateway, kemudian ditampilkan dalam dalam satu platform IoT secara real time. Data pengujian sensor menujukan sensor Gyroscope  mempunyai error 1,94 %, sensor kelembaban tanah memiliki error  1,98% dan sensor GPS memiliki error 0,22%. Pengujian menunjukkan sistem mampu mendeteksi perubahan kondisi tanah dengan akurasi tinggi. Dengan adanya sistem ini, peringatan dini dapat diberikan dengan cepat dan akurat, sehingga dapat membantu mitigasi bencana tanah longsor.
SISTEM MONITORING PENGGUNAAN ENERGI LISTRIK RUMAH BERBASIS INTERNET OF THINGS Noor, Agustian; Oky Rahmanto
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1572

Abstract

Penelitian ini mengembangkan sistem monitoring penggunaan energi berbasis Internet of Things (IoT) untuk peralatan elektronik rumah tangga dengan pendekatan model waterfall. Tujuan penelitian ini adalah merancang dan membangun prototipe sistem monitoring menggunakan NodeMCU ESP8266, Relay, dan sensor PZEM-004T. Sistem ini memanfaatkan IoT untuk mengumpulkan data penggunaan daya secara real-time dan memberikan informasi kepada pengguna mengenai peralatan yang mengkonsumsi energi besar. Selain itu, sistem ini juga memungkinkan pengguna mengontrol penggunaan peralatan tersebut. Prototipe sistem monitoring ini memiliki batasan yang mencakup penggunaan Modul NodeMCU, operasional dalam jangkauan jaringan lokal internet, dan relevansi dengan studi kasus sistem analisis monitoring energi listrik rumah menggunakan Internet of Things berbasis Web. Dalam pengujian prototipe, penelitian ini menggunakan langkah-langkah perancangan dan pengembangan model waterfall. Penelitian ini memiliki manfaat dalam membantu pengguna memahami pola penggunaan energi listrik mereka, memberikan fleksibilitas dan kemudahan akses untuk mengontrol perangkat elektronik, serta meningkatkan kesadaran pengguna tentang penggunaan energi yang efisien.
OPTIMASI LOKASI PEMBANGUNAN RUMAH SAKIT DI KECAMATAN NGRAYUN KABUPATEN PONOROGO DENGAN K-MEANS Anindhyta, Erisa Dwi Xena; Paramita, Maheswari Dian; Sari, Anggraini Puspita
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1646

Abstract

Ketersediaan layanan kesehatan yang memadai berkontribusi secara signifikan dalam mendukung perkembangan daerah dan meningkatkan kualitas hidup masyarakat. Kecamatan Ngrayun memiliki fasilitas kesehatan yang minim, sehingga diperlukan lokasi yang optimal dalam pembangunan rumah sakit baru. Metode tradisional sering kali digunakan dalam menentukan lokasi pembangunan. Namun, kini teknologi seperti algoritma pembelajaran K-Means Clustering berbasis Silhouette Score dapat digunakan untuk menemukan lokasi pembangunan rumah sakit yang optimal. Adapun faktor-faktor yang diperhatikan diantaranya jumlah penduduk, aksesibilitas, jarak ke rumah sakit terdekat, serta jumlah fasilitas kesehatan. Berdasarkan silhouette score, menunjukkan bahwa jumlah cluster yang mendapatkan score paling mendekati 1 yaitu sebanyak 2 cluster dengan score 0.7370. Desa dibagi menjadi cluster 0 dan cluster 1, dimana cluster 1 diidentifikasi sebagai lokasi utama yang sesuai untuk pembangunan rumah sakit, yang mencakup desa Baosan Kidul, Mrayan, Baosan Lor, Ngrayun, Selur, dan Cepoko. Berdasarkan dari penelitian ini, dapat diketahui bahwa metode K-Means dapat digunakan untuk menentukan lokasi pembangunan rumah sakit secara efektif.
PERBANDINGAN ALGORITMA APRIORI DAN ECLAT DALAM ANALISIS POLA SKRIPSI MAHASISWA Ayuhidaya, Berlian; Sulfayanti; Musyrifah
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1663

Abstract

Pemanfaatan data judul skripsi mahasiswa Teknik Informatika yang melimpah belum dioptimalkan, sehingga menyulitkan mahasiswa menentukan topik yang relevan dan menarik. Analisis pola frekuensi dapat mengidentifikasi tren dan potensi pengembangan topik baru. Penelitian ini membandingkan kinerja algoritma Apriori dan ECLAT dalam menganalisis pola frekuensi 545 judul skripsi dari berbagai tahun. Analisis dilakukan untuk mengidentifikasi topik, metode, dan output yang sering digunakan. Data diproses melalui tahap preprocessing untuk memastikan konsistensi dan kualitas dataset. Algoritma Apriori menggunakan pendekatan breadth-first search, sedangkan ECLAT memanfaatkan depth-first search dengan struktur data vertikal. Hasilnya menunjukkan kedua algoritma menghasilkan jumlah aturan asosiasi yang sama dengan rata-rata confidence 0,82 dan lift ratio 2,91. Namun, ECLAT lebih cepat dalam eksekusi (0,007 detik dibandingkan 0,008 detik), sementara Apriori lebih hemat memori (38 KB dibandingkan 198 KB). Analisis ini juga mengungkapkan bahwa sistem berbasis website dan prototipe merupakan output yang paling dominan, sementara banyak judul tidak skripsi yang tidak menyebutkan metode atau algoritma yang mereka gunakan melainkan hanya focus ke system. Hasil penelitian ini dapat membantu pihak prodi dalam memberikan gambaran kepada mahasiswa mengenai topik skripsi yang sesuai, serta mendukung mahasiswa dalam memilih judul, output, dan metode yang tepat berdasarkan tren sebelumnya dari hasil analisis data.
RANCANG BANGUN DAN MONITORING ALAT PENGUKUR BEBAN MUATAN PADA TRUK BERBASIS INTERNET OF THINGS MENGGUNAKAN WEMOS D1 R32 Topiq, Salman; Sudrajat, Fahri Andriansyah
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1673

Abstract

Pemanfaatan teknologi Internet of Things (IoT) dalam proses penimbangan muatan truk dapat meningkatkan efisiensi waktu dan akurasi data. Sistem yang dikembangkan menggunakan mikrokontroler Wemos D1 R32, sensor load cell untuk membaca berat muatan, RFID untuk identifikasi kendaraan, serta motor servo dan buzzer sebagai sistem kontrol otomatis. Data hasil penimbangan dikirim secara real-time ke Google Spreadsheet, memungkinkan monitoring jarak jauh secara digital. Metode pengembangan yang digunakan adalah model ADDIE, melalui tahapan analisis, perancangan, pengembangan, implementasi, dan evaluasi sistem. Hasil pengujian menunjukkan sistem bekerja secara otomatis dengan waktu rata-rata 1,46 detik untuk pembacaan RFID, 2,09 detik untuk pembacaan berat, dan 2,73 detik untuk pengiriman data ke cloud. Sistem juga mampu mengambil keputusan berdasarkan ambang batas muatan, membuka portal secara otomatis jika berat sesuai, dan menutup portal serta memberikan peringatan saat terjadi overload. Sistem ini memberikan solusi efisien, responsif, dan terintegrasi dalam proses penimbangan muatan truk, serta mendukung peningkatan akurasi dan transparansi dalam distribusi logistik.
ANALISIS SENTIMEN KUALITAS LAYANAN J&T MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Dias Fernanda, Andhika; Wahyuningtyas, Karisna; Amalia Putri, Bunga; Fadhilah, Raihan; Ardiyanto, Marta
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1692

Abstract

Studi ini berfokus pada analisis sentimen pengguna terhadap layanan ekspedisi J&T Express, salah satu penyedia jasa logistik terkemuka di Indonesia. Data penelitian diperoleh dari ulasan pengguna pada aplikasi J&T Express yang tersedia di Google Play Store. Untuk mengolah dan mengklasifikasikan sentimen pada data berbentuk teks, digunakan algoritma Naïve Bayes sebuah metode probabilistik yang efektif dalam analisis sentimen. Berdasarkan hasil analisis, algoritma Naïve Bayes Classifier menunjukkan performa yang cukup baik dalam mengidentifikasi dan mengklasifikasikan sentimen pengguna terhadap layanan J&T dengan tingkat akurasi 91,58%, precision 84%, recall 92% dan f1-score 88%. Hasil akhir dari penelitian ini menunjukan bahwa model analisis sentimen yang dikembangkan dapat mengkategorikan ulasan pengguna aplikasi J&T dengan tepat, sehingga dapat digunakan secara efektif untuk menilai dan meningkatkan mutu layanan.
RANCANG BANGUN AUTOMATIC SMART LOCKER DENGAN SISTEM IOT MENGGUNAKAN DATABASE Iftitah Walinda Fujiarti; Satriyo; Muhammad Ridhwan Sufandi; Agus Riyanto; Eko Mardianto
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1702

Abstract

Keamanan pintu merupakan aspek yang sangat penting untuk diperhatikan. Salah satu upaya yang dapat dilakukan dengan menambah sistem keamanan. Permasalahan yang sering terjadi adalah user lupa membawa kunci saat bepergian atau secara tidak sengaja kehilangan kunci ketika berada di luar rumah. Sistem pengamanan menggunakan kunci konvensional yang umun digunakan oleh masyarakat cenderung mudah dibobol oleh pelaku tindak kejahatan. Sehingga dianggap kurang praktis dan rentan terhadap tindakan pencurian. Smart locker biasanya dilengkapi pengaman berupa kunci konvensional. seiring perkembangan teknologi, penggunaan kunci konvensional tergantikan dengan kunci elektronik karena lebih praktis dan dapat mengurangi resiko kehilangan kunci serta penggandaan anak kunci yang disalahgunakan. Oleh karena itu, diperlukan sistem keamanan locker yang dapat dipantau dari jarak jauh dengan metode Internet of Things. Perangkat keras yang digunakan dalam penelitian adalah Arduino Mega 2560 built in wifi yang berkomunikasi dengan LCD Nextion HMI untuk user interface sebagai self-service serta menggunakan komunikasi serial dengan modul ESP8266 untuk menghubungkan sistem PHP web native yang tersimpan ke database Laragon. Aplikasi LOKERPINTARPOLNEP berfungsi untuk menyimpan data, memudahkan admin dalam mengontrol dan monitoring locker yang digunakan oleh user serta mengirimkan notifikasi ke aplikasi Telegram. Hasil dari penelitian ini menunjukkan bahwa sistem smart locker yang dikembangkan mampu meningkatkan keamanan dan efisiensi pengelolaan locker secara terintegrasi dan real-time.
OPTIMASI PENEMPATAN RECLOSER JARINGAN DISTRIBUSI MENGGUNAKAN METODE SECTION TECHNIQUE DAN ALGORITMA GREY WOLF OPTIMIZER Ummara, Aulia; Suprawikno
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1703

Abstract

Sistem distribusi tenaga listrik memiliki peran penting karena gangguan yang terjadi langsung dirasakan pelanggan. Tingkat keandalan sistem ini diukur dengan indeks SAIFI dan SAIDI, yang dapat ditingkatkan melalui penempatan recloser pada titik strategis jaringan. Penelitian ini menggunakan metode Section Technique untuk menghitung keandalan serta algoritma Grey Wolf Optimizer (GWO) dalam menentukan lokasi recloser yang paling optimal. Studi kasus dilakukan pada Penyulang Watu Jago dengan dua skenario, yaitu mempertahankan existing recloser dan tanpa existing recloser. Hasil simulasi menunjukkan bahwa penambahan recloser secara bertahap dari 1 hingga 5 unit mampu menurunkan SAIFI hingga 78,1% dan SAIDI hingga 83,9% pada Skenario 1, sementara pada Skenario 2 penurunannya mencapai 85,4% dan 87,3%. Berbeda dengan penelitian sebelumnya yang banyak menggunakan algoritma PSO atau ACO, pendekatan berbasis GWO dalam penelitian ini terbukti lebih efektif dalam menentukan posisi strategis recloser dan meningkatkan keandalan jaringan distribusi 20 kV.
PENERAPAN ALGORITMA CLUSTERING BIRCH DAN DBSCAN DALAM ANALISIS GEMPA BUMI DI INDONESIA Yusuf, Muhammad; Anam, Asyrofi; Raihan, Muhammad Rifki
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1705

Abstract

Gempa bumi merupakan fenomena alam yang terjadi akibat pergeseran lempeng bumi, aktivitas fluida, vulkanik, maupun sesar aktif, dan bersifat destruktif karena sering menimbulkan kerugian besar. Dampaknya mencakup kerusakan infrastruktur, kerugian ekonomi, dan korban jiwa. Oleh karena itu, identifikasi kawasan rawan gempa menjadi langkah penting dalam meningkatkan kewaspadaan. Penelitian ini bertujuan untuk mengeksplorasi dan membandingkan performa algoritma clustering BIRCH dan DBSCAN dalam menganalisis data gempa bumi di Indonesia hingga tahun 2025. BIRCH dipilih karena efisien untuk data besar, sedangkan DBSCAN unggul dalam mendeteksi noise dan pola yang tidak beraturan. Hasil evaluasi menunjukkan bahwa BIRCH dengan dua kelompok mampu memberikan pemetaan yang lebih jelas dan stabil dibandingkan DBSCAN. Pada BIRCH, nilai pemisahan antar kelompok lebih tinggi (Silhouette 0,8910; Calinski-Harabasz 1009,83) dan tingkat kesalahannya lebih rendah (Davies-Bouldin 0,3580). Sebaliknya, DBSCAN menghasilkan pemisahan yang kurang optimal dengan skor yang lebih rendah (Silhouette 0,8726; Calinski-Harabasz 554,37; Davies-Bouldin 0,5017). BIRCH terbukti lebih stabil dan representatif dalam menggambarkan distribusi risiko gempa bumi. Keunggulan dari penelitian ini membuka peluang untuk dilakukan pengembangan lanjutan, seperti penambahan atribut analisis dan pendekatan evaluasi guna meningkatkan akurasi dalam pengelompokan wilayah rawan gempa di Indonesia.
ANALISIS PENYAKIT DAUN MANGGA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING NASNETMOBILE DAN RESNET50 Yusuf, Muhammad; Diajeng Ganis Samantha Murpri; Khumairah Awaliyah Ernas
Jurnal Informatika dan Rekayasa Elektronik Vol. 8 No. 2 (2025): JIRE November 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/jire.v8i2.1710

Abstract

Penyakit pada tanaman mangga dapat menurunkan produktivitas dan kualitas hasil panen, sehingga deteksi dini menjadi penting untuk mencegah kerugian bagi petani. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan penyakit pada daun mangga menggunakan algoritma klasifikasi data mining, yaitu NASNetMobile dan ResNet50. Dataset yang digunakan berjumlah 1.800 citra daun mangga, yang terdiri atas tiga kelas penyakit dengan masing-masing kelas berjumlah 600 citra, yaitu antraknosa, cendawan jelaga, dan ulat daun. Dataset dibagi menjadi data pelatihan sebesar 80%, validasi 10%, dan pengujian 10%. Tahapan pra-pemrosesan dilakukan melalui normalisasi gambar dan augmentasi data untuk meningkatkan performa model. Kedua model dibandingkan berdasarkan metrik evaluasi berupa akurasi, precision, recall, dan f1-score. Hasil menunjukkan bahwa model NASNetMobile memperoleh akurasi sebesar 96%, sedangkan ResNet50 hanya mencapai 73%. Berdasarkan hasil tersebut, NASNetMobile terbukti lebih efektif dalam mendeteksi penyakit daun mangga secara otomatis. Hasil penelitian ini memberikan manfaat praktis berupa potensi pengembangan sistem berbasis mobile atau web sebagai alat bantu deteksi dini penyakit tanaman yang dapat digunakan langsung oleh petani untuk mendukung pengambilan keputusan yang cepat dan akurat.