cover
Contact Name
Siti Mujilahwati
Contact Email
teknika@unisla.ac.id
Phone
+6285645161358
Journal Mail Official
teknika@unisla.ac.id
Editorial Address
-
Location
Kab. lamongan,
Jawa timur
INDONESIA
Jurnal Teknika
ISSN : 20850859     EISSN : 26204770     DOI : 10.30736/teknika
Jurnal Ilmiah yang bertujuan untuk mengkomunikasikan hasil dan riset, serta inovasi teknologi dan sistem informasi. Sasaran pembaca jurnal Penelitian jurnal Teknika adalah para ilmuwan, Akademis, serta Praktisi. Scope : Data Mining, Electric Control,Telecommunication,Power System Analysis,Electric and Microprocessor,Cloud Computing,Jaringan Komputer,Algoritma,Rekayasa Perangkat lunak,Rekayasa Geoteknik,Rekayasa Keairan,Rekayasa Struktur,Manajemen Konstruksi dan Perencanaan yang berkaitan dengan teknik Sipil
Articles 305 Documents
Kinerja Jaringan LoRa E220-900T30D untuk Monitoring Turbin Angin Berbasis IoT di Lingkungan Rural Bangkalan Indah Kurniawati; Reynanda Bagus W.A; Ridho Akbar; M. Akmal Rais
Jurnal Teknika Vol 18 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i1.1614

Abstract

Monitoring turbin angin secara handal diperlukan untuk menjamin kinerja dan kontinuitas pembangkitan energi, khususnya pada lokasi yang sulit dijangkau. Monitoring offline dinilai kurang efisien karena memerlukan penghentian operasi turbin. Turbin angin ini direncanakan untuk diletakkan di wilayah rural Bangkalan, Madura, dimana belum ada penelitian sebelumnya yang membahas pemodelan kanal propagasi dengan LoRa yang digunakan sebagai media komunikasi  di daerah tersebut. Penelitian ini bertujuan mengevaluasi performansi jaringan LoRa E220-900T30D sebagai media monitoring turbin angin berbasis IoT dan Wireless Sensor Network (WSN) di lingkungan rural Bangkalan, Madura. Pengujian dilakukan pada frekuensi 920 MHz dengan bandwidth 125 kHz, spreading factor (SF) 7, dan daya pancar 30 dBm. Parameter yang dianalisis meliputi Received Signal Strength Indicator (RSSI) dan Signal-to-Noise Ratio (SNR) pada jarak 10 m hingga 2699 m, serta pemodelan propagasi menggunakan regresi log-distance, dan evaluasi standar deviasi shadowing dan varians. Hasil pengukuran menunjukkan bahwa RSSI menurun secara valid terhadap jarak setelah memasuki medan jauh diatas 1 km dengan koefisien determinasi R² = 0,98 dan standar deviasi shadowing dan varians  masing-masing adalah 0,3 dB dan 0,09. Nilai eksponen path loss n = 2,73 mengindikasikan dominasi lintasan langsung pada lingkungan rural. Penelitian ini berhasil mengidentifikasi nilai eksponen, mengidentifikasi batas medan dekat perangkat, dan menentukan nilai varians shadowing untuk perancangan jaringan nirkabel, serta menunjukkan akurasi regresi log-distance yang tinggi dalam prediksi RSSI.
Evaluasi Dampak Lingkungan Produksi Tepung Terigu Menggunakan Life Cycle Assessment dan Analytic Network Process Rayhan Fatur Maulana; Farida Pulansari; Isna Nugraha
Jurnal Teknika Vol 18 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i1.1630

Abstract

Konsumsi energi listrik yang tinggi pada sistem milling industri berkontribusi signifikan terhadap peningkatan intensitas karbon dan rendahnya efisiensi energi pada industri pengolahan pangan. Penelitian ini bertujuan untuk mengevaluasi kinerja energi dan profil emisi karbon sistem produksi tepung terigu melalui integrasi metode Life Cycle Assessment (LCA) dan Analytic Network Process (ANP) dengan batas sistem cradle-to-gate yang mencakup proses cleaning, dampening, conditioning, milling, packaging, dan distribusi. Hasil LCA menunjukkan bahwa proses milling merupakan hotspot utama dengan kontribusi sekitar 70–90% dari total dampak sistem dan nilai single score sebesar ±2,41E3 Pt dari total ±2,5E3 Pt. Kategori perubahan iklim (±2–3 Pt) dipengaruhi dominan oleh konsumsi energi listrik. Berdasarkan nilai Specific Energy Consumption (SEC) sebesar 60 kWh/ton dan faktor emisi grid nasional sebesar 0,749 kgCO₂/kWh, diperoleh intensitas karbon proses milling sebesar 44,94 kgCO₂/ton produk. Tahap distribusi memberikan kontribusi tambahan sebesar ±78,3 Pt akibat penggunaan bahan bakar diesel. Hasil ANP menunjukkan bahwa kriteria Technical Energy Performance memiliki bobot tertinggi (0,39120), diikuti Cost Impact (0,34732) dan Operational Feasibility (0,26148), dengan strategi prioritas utama berupa optimasi konsumsi energi listrik pada proses milling (0,10921). Integrasi LCA–ANP menghasilkan kerangka manajemen energi industri yang terstruktur melalui peningkatan efisiensi sistem motor listrik dan reduksi intensitas karbon pada operasi milling berdaya tinggi.
Performance Improvement of CNN Algorithm with Data Augmentation for Tobacco Leaf Disease Classification Rizqy Agung Nurhidayatullah; Ema Utami; Dhani Ariatmanto
Jurnal Teknika Vol 18 No 1 (2026): MARET
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i1.1639

Abstract

Pengolahan citra digital daun tembakau merupakan pendekatan penting dalam deteksi dini dan akurat penyakit tanaman, khususnya untuk komoditas pertanian bernilai ekonomi tinggi. Penelitian ini mengusulkan pendekatan augmentasi data multi-strategi untuk meningkatkan akurasi klasifikasi penyakit daun tembakau menggunakan Convolutional Neural Networks (CNN). Tiga teknik augmentasi diterapkan: augmentasi tradisional, augmentasi sampel campuran, dan augmentasi berbasis model pada tiga arsitektur CNN (MobileNetV2, EfficientNetB0, dan VGG16). Dataset terdiri dari 400 citra daun tembakau dengan lima kelas penyakit yang dikumpulkan dari Kabupaten Wonosobo. Eksperimen dilakukan dengan dua skenario pembagian data: 70:30 dan 80:20. Hasil menunjukkan bahwa penerapan augmentasi multi-strategi berhasil meningkatkan akurasi klasifikasi hingga 81,25% pada MobileNetV2 dengan rasio 80:20, yang mewakili peningkatan 20% dibandingkan dengan model tanpa augmentasi. Selain itu, teknik augmentasi secara efektif mengurangi overfitting dengan menurunkan selisih antara akurasi pelatihan dan validasi dari 0,5-0,7 menjadi 0,1-0,2.
Evaluasi Komparatif Kinerja YOLOv11 dan ResNet-50 untuk Deteksi Gestur Tangan pada Kendali Differential Drive Mobile Robot Diana Mar’atus Sholihah; Muhammad Latif; Muhammad Fuad; Vivi Tri Widyaningrum; Hairil Budiarto
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1654

Abstract

Pengenalan gestur tangan berbasis visi komputer menawarkan metode interaksi yang lebih intuitif untuk mengendalikan Differential Drive Mobile Robot (DDMR). Penelitian ini bertujuan membandingkan dua pendekatan deep learning yang berbeda, yaitu YOLOv11 sebagai model deteksi objek dan ResNet-50 sebagai model klasifikasi citra. Dataset terdiri atas 500 citra yang terbagi ke dalam lima kelas gestur, yaitu maju, mundur, belok kanan, belok kiri, dan berhenti. Kedua model dilatih menggunakan pendekatan transfer learning dan dievaluasi melalui pengujian internal serta pengujian langsung menggunakan kamera pada sistem kendali robot. Hasil evaluasi internal menunjukkan bahwa YOLOv11 memperoleh nilai mAP50 sebesar 0,995 dan mAP50–95 sebesar 0,784, sedangkan ResNet-50 menghasilkan nilai precision, recall, dan F1-score sebesar 1,000 pada seluruh kelas. Meskipun demikian, hasil pengujian langsung menunjukkan perbedaan yang signifikan. YOLOv11 menghasilkan nilai confidence pada rentang 0,80–0,90 dengan rata-rata 0,844, sedangkan ResNet-50 memperoleh nilai confidence pada rentang 0,32–0,77 dengan rata-rata 0,442. Perbedaan antara evaluasi internal dan pengujian langsung menunjukkan adanya domain gap antara citra dataset dan citra pada kondisi operasional. Berdasarkan skenario pengujian penelitian ini, YOLOv11 menghasilkan nilai confidence yang lebih tinggi dan lebih konsisten sehingga lebih sesuai digunakan untuk pengenalan gestur tangan pada kendali DDMR. Kontribusi penelitian ini terletak pada evaluasi komparatif antara pendekatan deteksi objek dan klasifikasi citra, tidak hanya pada dataset internal, tetapi juga pada penerapan langsung untuk kendali robot berbasis kamera.
Evaluasi Bahaya Gempa Bumi Berdasarkan Respons Situs di Kabupaten Kepahiang, Provinsi Bengkulu Akhlisa Rizqieta Puteri; Lindung Zalbuin Mase; Khairul Amri; Rena Misliniyati; Muharram Nur Fikri
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1656

Abstract

Kabupaten Kepahiang yang terletak di Provinsi Bengkulu merupakan salah satu daerah yang memiliki risiko gempa tinggi akibat pertemuan Lempeng Indo-Australia dan Eurasia. Kondisi ini membuat Kepahiang rawan mengalami guncangan kuat yang dapat memengaruhi respons tanah dan struktur bangunan. Penelitian ini dilakukan untuk menganalisis respons tanah akibat propagasi gelombang gempa di tiga lokasi, yaitu Kecamatan Merigi (SP-1), Seberang Musi (SP-2), dan Bermani Ilir (SP-3). Parameter yang dikaji meliputi percepatan tanah maksimum (PGA), respons spektra dan sejarah waktu percepatan, faktor amplifikasi, serta estimasi intensitas kerusakan akibat gempa berdasarkan skala Modified Mercalli Intesity (MMI). Nilai PGA permukaan yang dihasilkan berkisar 0,20g-0,86g, di mana SP-1 dan SP-3 dikategorikan dalam risiko gempa sangat tinggi, sedangkan SP-2 dikategorikan dalam risiko sedang. Percepatan spektra pada SP-1 dan SP-3 secara umum melampaui desain spektra SNI 1726:2019, terutama pada periode 0,14 hingga 0,50 detik yang berkaitan dengan bangunan berlantai rendah hingga menengah. Pada titik SP-1 dan SP-3 terjadi amplifikasi dengan nilai masing-masing 1,00 dan 1,11, sedangkan pada SP-2 terjadi deamplifikasi sebesar 0,36. Estimasi intensitas gempa berada pada skala MMI VIII dan X, yang menunjukkan tingkat kerusakan sedang hingga parah. Hasil penelitian ini diharapkan dapat menjadi dasar perencanaan mitigasi risiko  gempa dan pembaruan desain gempa di Kabupaten Kepahiang.
Klasifikasi Tingkat Penyakit Hipertensi Menggunakan Metode Random Forest Sophy Awaliah; Anindita Septiarini; Novianti Puspitasari
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1660

Abstract

The rising prevalence of hypertension in Indonesia specifically in Samarinda City, which recorded 215,206 cases in 2023 poses challenges for the field of Informatics Engineering regarding the efficiency and consistency of manual disease-level classification in high-patient-volume healthcare facilities. The limitations of conventional approaches create a need for a technology-based system that can classify hypertension severity quickly, accurately, and objectively. This study aims to develop a hypertension severity classification model using the Random Forest algorithm optimized via GridSearchCV and to identify dominant risk factors through Feature Importance analysis. The dataset comprises 5,373 adult patient medical records from the Remaja Community Health Center (Puskesmas) in Samarinda, covering January to December 2024; attributes include gender, age, smoking status, height, weight, systolic and diastolic blood pressure, and a BMI feature derived through feature engineering. Data imbalance was addressed using the SMOTE technique on the training data. Results indicate that the model achieved the highest accuracy of 99.75% with a 70:30 data split, while an 80:20 ratio yielded 99.62% accuracy; both figures exceed the minimum target of 90%. Evaluation using accuracy, precision, recall, and F1-score metrics demonstrates the model's superiority over manual classification. Feature Importance analysis identifies diastolic blood pressure (46.31%) and systolic blood pressure (45.04%) as the most dominant factors, followed by age, BMI, and other attributes. The resulting model can be implemented as a clinical decision support system to assist medical personnel in primary healthcare settings.
Evaluasi Kinerja Fuzzy C-Means dan K-Means dalam Menganalisis Faktor Depresi Mahasiswa Ahmadyani; Muhammad Ariando Ferdian; Christian Mahatma Bimo Alpindo; Muhammad Asadin Nur; Christian Farrel Argya Putra; Anindita Septiarini; Novianti Puspitasari
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1689

Abstract

Depresi di kalangan mahasiswa telah menjadi permasalahan kesehatan mental global yang serius dan berdampak signifikan terhadap kinerja akademik serta kesejahteraan secara keseluruhan. Berbagai faktor seperti tekanan akademik, tekanan finansial, pola tidur, kebiasaan makan, dan hubungan sosial berkontribusi terhadap meningkatnya prevalensi gangguan kesehatan mental di lingkungan kampus. Meskipun perhatian terhadap isu ini semakin berkembang, penelitian terdahulu jarang membandingkan pendekatan data mining berbasis klasterisasi secara spesifik dalam konteks depresi mahasiswa di perguruan tinggi Indonesia. Penelitian ini mengevaluasi kinerja algoritma Fuzzy C-Means (FCM) dan K-Means dalam mengelompokkan mahasiswa berdasarkan faktor-faktor yang berkaitan dengan depresi, menggunakan dataset yang mencakup fitur usia, IPK, kepuasan belajar, durasi tidur, pola makan, riwayat keinginan bunuh diri, tekanan keuangan, riwayat penyakit mental keluarga, dan tingkat depresi. Evaluasi kinerja dilakukan menggunakan Silhouette Score, Davies-Bouldin Index (DBI), dan Sum of Squared Errors (SSE). Hasil menunjukkan bahwa K-Means menghasilkan klaster lebih tegas dengan Silhouette Score 0,18 dan DBI 1,89, serta perbedaan skor depresi signifikan antara Cluster 0 (0,79) dan Cluster 1 (0,23). FCM menghasilkan klaster yang lebih tumpang tindih dengan FPC 0,50 dan Silhouette Score 0,15, yang lebih mencerminkan sifat ambigu dari gejala psikologis. Penelitian ini berkontribusi pada pengembangan kerangka deteksi dini berbasis data untuk depresi mahasiswa.
Analisis Sentimen Terhadap Deradikalisasi Terorisme di Desa Tenggulun Berbasis Transfer Learning Pada Platform YouTube Burhanudin; Esther Irawati Setiawan; Gunawan
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1694

Abstract

Deradikalisasi terorisme merupakan isu strategis yang memerlukan pemantauan opini publik secara berkelanjutan, salah satunya melalui analisis sentimen terhadap komentar di media sosial. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap program deradikalisasi terorisme di Desa Tenggulun berdasarkan komentar pada video platform YouTube menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan terdiri dari 9.084 komentar yang telah melalui tahap praprocessing, meliputi cleaning, case folding, normalisasi kata, tokenisasi, penghapusan stopword, dan stemming berbasis Sastrawi. Pelabelan sentimen dilakukan secara otomatis menggunakan metode Lexicon-Based dengan kamus InSet (Indonesian Sentiment Lexicon), menghasilkan tiga kelas: Negatif (33.3%), Netral (33.3%)dan Positif (33.3%) Dataset dibagi dengan rasio 80:20 untuk data latih dan data uji. Model LSTM yang dibangun dengan lapisan Embedding, dua lapis LSTM, Dropout, dan lapisan Dense mencapai akurasi sebesar 85,69% dengan nilai precision, reacall, dan F1-Score rata-rata sebesar 0.86 pada data uji. Hasil penelitian menunjukkan bahwa model LSTM mampu mengklasifikasikan sentimen komentar YouTube berbahasa Indonesia dengan baik.
Analisis Kerawanan Banjir Rob Kabupaten Mamuju Ahmad Gunadi; Wahyu Hidayat; Rusman; Indra Maryam
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1703

Abstract

Wilayah pesisir Kabupaten Mamuju ibu kota Provinsi Sulawesi Barat, menghadapi tekanan banjir Rob yang semakin meningkat akibat kenaikan muka air laut dan fluktuasi siklus pasang surut. Penelitian ini memetakan distribusi spasial zona bahaya banjir Rob menggunakan metode Complete Mapping Analysis (CMA) yang diintegrasikan dengan Sistem Informasi Geografis (SIG). Berbeda dengan pendekatan weighted overlay konvensional, CMA menginkorporasi rasio Nilai Teramati (Oi) terhadap Nilai Harapan (Ei) kejadian banjir per satuan spasial, sehingga menghasilkan klasifikasi bahaya yang lebih objektif. Enam parameter biofisik dengan pembobotan dianalisis, meliputi elevasi lahan, jarak dari garis pantai, jarak dari sungai, kemiringan lereng, tutupan lahan, dan jenis tanah. Bobot parameter ditetapkan berdasarkan konsensus literatur dan divalidasi melalui penilaian pakar. Pada area kajian seluas 5.115,56 hektare, hasil menunjukkan bahwa 260,84 ha (5,27%) termasuk zona bahaya tinggi, 1.007,56 ha (20,34%) zona bahaya sedang, dan 3.847,16 ha (77,65%) zona bahaya rendah. Zona bahaya tinggi terkonsentrasi di sepanjang jalur pesisir barat, khususnya di sekitar muara sungai dan permukiman pada elevasi di bawah 2 meter. Validasi terhadap data kejadian banjir historis BPBD (2019–2025) menghasilkan akurasi keseluruhan sebesar 82,5%. Analisis silang dengan data penggunaan lahan menunjukkan bahwa 18,5 ha permukiman berada di zona bahaya tinggi (N2 – Tidak Sesuai) dan 19,1 ha di zona bahaya sedang (S3 – Sesuai Bersyarat). Penelitian ini berkontribusi pada pengembangan kerangka CMA–Oi/Ei yang tervalidasi lapangan untuk pemetaan bahaya pesisir tropis di Sulawesi Barat, sebagai dasar bukti spasial bagi revisi kebijakan RTRW dan RZWP3K.
PENGEMBANGAN SISTEM MONITORING KEHADIRAN MAHASISWA MAGANG INDUSTRI DENGAN VALIDASI GPS DAN METODE GEOFENCING Zahra Hidayatunnisa; Rina Novita; Romy Aulia; Agus Nur Khomarudin
Jurnal Teknika Vol 18 No 2 (2026): SEPTEMBER
Publisher : Universitas Islam Lamongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30736/jt.v18i2.1707

Abstract

Pencatatan kehadiran magang pada institusi pendidikan vokasi masih dilakukan secara manual, sehingga rentan terhadap manipulasi data dan tidak dapat memverifikasi kehadiran mahasiswa berdasarkan lokasi dan waktu yang sesungguhnya. Kondisi ini juga menyulitkan dosen pembimbing dalam memantau mahasiswa yang tersebar di berbagai lokasi industri secara efektif. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem monitoring kehadiran mahasiswa magang industri yang mengintegrasikan validasi lokasi berbasis GPS dengan metode geofencing dan penilaian ketepatan waktu secara otomatis. Sistem dibangun menggunakan ReactJS, Node.js, dan MySQL, dengan Leaflet.js dan OpenStreetMap untuk visualisasi geofencing, serta dikembangkan melalui tujuh tahapan iteratif Agile, yaitu plan, design, develop, test, deploy, review, dan launch. Evaluasi sistem dilakukan melalui black box testing, uji validitas ahli menggunakan Content Validity Ratio (CVR) dan Content Validity Index (CVI), serta uji efektivitas pengguna menggunakan kuesioner berskala Likert. Hasil black box testing membuktikan bahwa seluruh fitur berjalan dengan baik dengan tingkat keberhasilan 100%. Uji validitas menghasilkan nilai CVR dan CVI sebesar 1,0 yang menunjukkan kelayakan sistem sangat baik. Kebaruan penelitian ini terletak pada integrasi tiga aspek sekaligus validasi lokasi berbasis GPS, metode geofencing dengan radius 15 meter berbasis rumus Haversine, dan penilaian ketepatan waktu kehadiran secara otomatis dalam satu sistem yang juga menyediakan akses pemantauan terpisah bagi Dosen Penanggung Jawab dan Dosen Supervisi lintas lokasi mitra magang. Uji efektivitas terhadap enam responden mahasiswa menghasilkan persentase 90,37% dengan kategori Sangat Efektif. Hasil-hasil tersebut menunjukkan bahwa sistem berhasil meminimalkan manipulasi kehadiran dan mendukung pemantauan secara real-time lintas lokasi mitra industry.