cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
sulistiyanto
Contact Email
yantog98@gmail.com
Phone
+6281332986888
Journal Mail Official
jeecom@unuja.ac.id
Editorial Address
https://ejournal.unuja.ac.id/index.php/jeecom/about/editorialTeam
Location
Kab. probolinggo,
Jawa timur
INDONESIA
Journal of Electrical Engineering and Computer (JEECOM)
Published by Universitas Nurul Jadid
ISSN : 27150410     EISSN : 27156427     DOI : -
Core Subject : Science, Engineering,
Control & Systems Engineering Electrical & Electronics Engineering Energy
Journal of Electrical Engineering and Computer (JEECOM) is published by Engineering Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia. This journal encompasses research articles, original research report, : 1) Power Systems, 2) Signal, System, and Electronics, 3) Communication Systems, 4) Information Technology, etc.
Arjuna Subject : Teknik (semua kategori) - Teknik Listrik dan Elektro
Articles 30 Documents
 1   2   3 
Search results for , issue "Vol 6, No 2 (2024)" : 30 Documents clear
Implementasi m-Payment dalam Sistem Transaksi E-Kantin berbasis Near Field Communication (NFC) Z, Jeffry Yanto; Kharisma, Oktaf Brillian
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9532

Abstract

Semakin meningkatnya pengguna smartphone serta lengkapnya fitur-fitur yang tersedia di beragam merek smartphone, memungkinkan pengguna dengan mudah dalam bertransaksi hanya dengan sekali sentuhan layar. Mobile commerce adalah model layanan yang sedang berkembang sehingga, memungkinkan orang untuk memesan dan membayar barang dengan mudah menggunakan perangkat seluler. Pemesanan menu di Kantin disebuah institusi saat ini masih banyak menggunakan metode tradisional, yang mengakibatkan beberapa masalah: antrean pembayaran yang lama karena proses pengembalian dana, kasus pelanggan yang melarikan diri tanpa membayar, kekeliruan pesanan antara meja, pesanan yang terlupakan, utang siswa saat memesan, dan tidak adanya menu serta daftar harga di beberapa kantin. Penelitian ini mengembangkan sistem E-Kantin berbasis Android dengan teknologi NFC. Penelitian ini dikategorikan sebagai penelitian kualitatif yang dilakukan dengan metodologi Penelitian dan Pengembangan (R&D). Penggunaan Teknologi NFC sangat sesuai dalam objek riset ini karena setiap tag NFC memiliki identitas unik, sehingga duplikasi menjadi tidak mungkin. Selain itu, NFC beroperasi dalam jarak dekat, meningkatkan keamanan dengan membuat penyadapan menjadi sulit. Aplikasi ini memungkinkan pengguna untuk melakukan pemesanan, melakukan pembayaran untuk barang, dan mengisi saldo melalui metode tunai atau transfer. Secara bersamaan, admin dapat memverifikasi saldo, mengonfirmasi pesanan, menambah atau mengubah menu, dan menerima notifikasi terkait permintaan validasi saldo saat masuk sebagai admin. Aplikasi diujikan dengan metode blackbox. Hasil pengujian dan implementasi menunjukkan semua fungsionalitas sistem beroperasi dengan baik. Pengujian yang dilakukan dengan menempatkan pesanan simultan dari beberapa akun berhasil dieksekusi, dengan semua hasil pesanan tercatat dalam daftar pesanan bersama nomor pesanan masing-masing. Performa waktu rata-rata dalam mengakses setiap fitur adalah 2 Menit.
Analisis Clustering Pegawai Berdasarkan Tingkat Kedisiplinan Menggunakan Algoritma K-Means dan Davies-Bouldin Index Alfian, Wahyu; -, Kusrini; Hidayat, Tonny
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9556

Abstract

Fenomena kedisiplinan pegawai dalam organisasi menjadi salah satu aspek penting yang mempengaruhi efisiensi dan efektivitas operasional. Dalam konteks rumah sakit kedisiplinan pegawai tidak hanya berdampak pada kelancaran operasional tetapi juga berhubungan langsung dengan kualitas pelayanan. Namun, pengukuran dan penentuan tingkat kedisiplinan pegawai seringkali menjadi tantangan tersendiri. Metode tradisional seperti penilaian manual cenderung subjektif dan tidak konsisten. Oleh karena itu, diperlukan metode yang lebih objektif dan terstruktur untuk mengelompokkan pegawai berdasarkan tingkat kedisiplinan mereka. Data yang digunakan mencakup berbagai aspek seperti kepribadian, keterampilan teknis, kemampuan menyelesaikan tugas, dan hubungan kerja, yang dikumpulkan melalui aplikasi SIPEKA. Algoritma K-Means diterapkan untuk mengelompokkan pegawai ke dalam empat cluster, yaitu: dari 4788 data pegawai dari januari 2024 sampai juli didapatkan 1995 di dalam Cluster 1 yang berstatus sangat baik, 1936 di dalam Cluster 2 yang berstatus baik, 842 dalam Cluster 3 yang berstatus Cukup baik dan 15 dalam Cluster 4 yang berstatus kurang baik. Evaluasi Cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI) untuk mengukur validitas dan kepaduan cluster yang terbentuk. Hasil penelitian menunjukkan bahwa penentuan jumlah cluster (k=4) dan titik pusat (centroid) awal sangat berpengaruh terhadap hasil akhir Clusterisasi. Nilai DBI yang diperoleh sebesar 1.89 mengindikasikan bahwa nilai tersebut menandakan bahwa ada beberapa tingkat overlap atau ketidaksempurnaan dalam pemisahan cluster, meskipun nilai ini tidak terlalu buruk. Namun, tidak bisa disebut hasil clustering yang optimal, karena nilai yang ideal seharusnya mendekati 0.Fenomena kedisiplinan pegawai dalam organisasi menjadi salah satu aspek penting yang mempengaruhi efisiensi dan efektivitas operasional. Dalam konteks rumah sakit kedisiplinan pegawai tidak hanya berdampak pada kelancaran operasional tetapi juga berhubungan langsung dengan kualitas pelayanan. Namun, pengukuran dan penentuan tingkat kedisiplinan pegawai seringkali menjadi tantangan tersendiri. Metode tradisional seperti penilaian manual cenderung subjektif dan tidak konsisten. Oleh karena itu, diperlukan metode yang lebih objektif dan terstruktur untuk mengelompokkan pegawai berdasarkan tingkat kedisiplinan mereka. Data yang digunakan mencakup berbagai aspek seperti kepribadian, keterampilan teknis, kemampuan menyelesaikan tugas, dan hubungan kerja, yang dikumpulkan melalui aplikasi SIPEKA. Algoritma K-Means diterapkan untuk mengelompokkan pegawai ke dalam empat cluster, yaitu: dari 4788 data pegawai dari januari 2024 sampai juli didapatkan 1995 di dalam Cluster 1 yang berstatus sangat baik, 1936 di dalam Cluster 2 yang berstatus baik, 842 dalam Cluster 3 yang berstatus Cukup baik dan 15 dalam Cluster 4 yang berstatus kurang baik. Evaluasi Cluster dilakukan dengan menggunakan Davies-Bouldin Index (DBI) untuk mengukur validitas dan kepaduan cluster yang terbentuk. Hasil penelitian menunjukkan bahwa penentuan jumlah cluster (k=4) dan titik pusat (centroid) awal sangat berpengaruh terhadap hasil akhir Clusterisasi. Nilai DBI yang diperoleh sebesar 1.89 mengindikasikan bahwa nilai tersebut menandakan bahwa ada beberapa tingkat overlap atau ketidaksempurnaan dalam pemisahan cluster, meskipun nilai ini tidak terlalu buruk. Namun, tidak bisa disebut hasil clustering yang optimal, karena nilai yang ideal seharusnya mendekati 0.
Pencarian Visual Berbasis Jaringan Convolutional Neural Network untuk Platform Pemasaran Digital Produk UMKM Oktaviano, Kevin Harlis; Nasution, Arman Hakim
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9178

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam perekonomian Indonesia. Namun, UMKM seringkali menghadapi tantangan dalam hal manajemen produk dan interaksi dengan pelanggan terutama dalam pemasaran digital dan E-commerce. Penelitian ini bertujuan untuk mengembangkan platform pencarian visual berbasis Deep Learning untuk identifikasi produk UMKM guna mengatasi tantangan tersebut. Metode penelitian diawali dengan studi literatur tentang Deep Learning dan CNN (Convolutional Neural Network). Selanjutnya dilakukan pengumpulan data berupa gambar produk UMKM, diikuti pra-pemrosesan dan augmentasi data. Kemudian dirancang model menggunakan arsitektur CNN VGG16 yang terdiri dari 16 lapisan untuk pencarian visual dan klasifikasi produk UMKM. Model terbaik yang memenuhi target performa kemudian diintegrasikan pada prototipe platform berbasis web. Platform pencarian visual ini diharapkan dapat membantu pengelolaan produk UMKM serta meningkatkan pengalaman pelanggan dalam mencari dan menemukan produk yang mereka butuhkan. Secara keseluruhan, penelitian ini bertujuan mendukung pertumbuhan UMKM di Indonesia melalui adopsi teknologi Deep Learning
Penerapan Algoritma K-Means Untuk Pengelompokan Riset Grup Dosen Program Studi Teknik Informatika Universitas Bina Darma .Yurenza, Yurenza; Halim, R.M Nasrul
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9461

Abstract

UBD atau yang dikenal Universitas bina darma adalah salah satu universitas yang terletak di kota palembang provinsi sumsel yang bergerak di bidang ilmu komputer dan berbagai bidang studi lainnya. Universitas bina darma sudah sering melakukan publikasi karya ilmiahnya di laman jurnal nasional maupun internasional serta menghasilkan penelitian yang berkualitas di berbagai bidang program studi, misalnya yang dilaksanakan oleh program studi teknik informatika, telah banyak mahasiswa-mahasiswi maupun dosen program studi teknik informatika yang mempublikasikan karya ilmiahnya di berbagai jurnal nasional dengan berbagai penelitian berdasarkan grup penelitiannya masing-masing. Banyaknya penelitian yang dilakukan oleh dosen dan juga mahasiswa di berbagai bidang program studi teknik informatika membuat dosen perlu melakukan proses klasifikasi atau pengelompokan publikasi dosen berdasarkan bidang penelitian bertujuan untuk mengidentifikasi kecenderungan masing-masing dosen dibidang teknik informatika terhadap bidang penelitian tertentu. Pengelompokan kelompok penelitian menggunakan metode tertentu pada program studi teknik informatika masih belum terlaksana. Dengan menerapkan metode k-means diharapkan dapat pengelompokan kelompok penelitian dosen program studi teknik informatika berdasarkan bidang penelitian guna mengetahui kecenderungan setiap dosen teknik informatika terhadap bidang penelitian tertentu serta dosen dapat mengetahui minat penelitian sehingga dosen dapat merencanakan segala sesuatu dengan mudah tentang bidang penelitian nya. Hasil analisis ini terdiri dari dua bagian. Bagian pertama berdasarkan dosis dikelompokan 3 cluster berdasarkan 29 data dosis yaitu cluster 0 merupakan cluster dengan penetian terendah, cluster 1 dengan penelitian sedang, dan cluster 2 dengan penelitian tertinggi. Bagian kedua berdasarkan judul penelitian dikelompokan 7 cluster dengan jumlah 729 data, diperoleh cluster 0 dengan jumlah 11 anggota , kemudian cluster 1 berjumlah 101 anggota , kemudian cluster 2 berjumlah 3 anggota , kemudian cluster 3 berjumlah 447 anggota, kemudian cluster 4  berjumlah 164 anggota, selanjutnya cluster 5 berjumlah 2 anggota , cluster terakhir 6 berjumlah 1 anggota.
Face Recognition-Based Door Lock Security System Using TensorFlow Lite Septyanlie, Vrazsa Viantyezar; Ikawati, Vidya; Subiyanta, Erfan; Lestari, Nina
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9557

Abstract

A door security system utilizing face recognition technology based on TensorFlow Lite has been developed to enhance access security and convenience. This research aims to design a system capable of accurately recognizing faces in real time, integrating it with door lock devices, and ensuring user data security. Employing the waterfall method, the system was implemented using an ESP32-CAM microcontroller and deep learning algorithms. Testing results demonstrated a face recognition accuracy of 91% in identifying and processing commands from 200 trials with ten facial variations. Successful integration with door lock devices was achieved through serial communication. The system also features activity log recording for monitoring purposes. This solution offers greater practicality and security than RFID systems as it eliminates the need for physical cards. This research contributes to developing more sophisticated and user-friendly home security systems, with the potential for further enhancements in recognition capabilities under various lighting conditions and integration with other biometric technologies
Deteksi Akun Kaggle Bot Menggunakan Linear Regression Sudriyanto, Sudriyanto; Hafid, Muhammad Ali; Kurniawan, Moch. Ade
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9251

Abstract

Penelitian ini mengkaji permasalahan pemalsuan akun pada platform Kaggle dengan fokus pada pengembangan model prediksi menggunakan metode Linear Regression untuk mendeteksi akun bot. Kaggle, sebagai platform terkemuka dalam bidang ilmu data, menghadapi tantangan serius terkait integritas data akibat praktik bot voting yang berdampak pada keaslian kompetisi dan dataset yang diunggah. Studi ini memanfaatkan dataset Kaggle Bot Account yang terdiri dari lebih dari satu juta entri, dengan variabel independen mencakup jumlah pengikut, interaksi dengan konten, dan aktivitas pengguna lainnya. Metode Linear Regression dipilih karena kemampuannya dalam memodelkan hubungan linear antar variabel, sementara evaluasi kinerja model dilakukan melalui confusion matrix. Hasil penelitian menunjukkan bahwa model mampu mengidentifikasi 318 akun palsu dari 143.771 data testing, dengan tingkat akurasi sebesar 0,9968 atau 99,68%. Meskipun demikian, terdapat beberapa kesalahan dalam prediksi akun palsu, yang mengindikasikan perlunya pengembangan lebih lanjut untuk meningkatkan ketepatan deteksi. Kesimpulan penelitian ini menegaskan potensi metode Linear Regression dalam mendukung integritas platform Kaggle dengan mengurangi dampak negatif akibat keberadaan akun palsu. Penelitian ini memberikan kontribusi signifikan dengan mengeksplorasi karakteristik unik Kaggle dan merekomendasikan penelitian lanjutan untuk mengembangkan metode deteksi yang lebih efektif di masa mendatang.
Analisis Sentimen Terhadap Ulasan Aplikasi Shopee di Google Play Store Menggunakan Metode TF-IDF dan Long Short-Term Memory) Musfiroh, Musfiroh; Tholib, Abu; Arifin, Zainal
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.8713

Abstract

Pengunjung Shopee semakin meningkat dari tahun 2022 hingga 2023. Karena peningkatan itu, semakin banyak pengguna yang berkomentar negatif atau positif. Maka, mengetahui sentimen pengguna pada aplikasi Shopee dapat mengetahui perilaku pelanggan dan meningkatkan penjualan. Penelitian ini menggunakan metode TF-IDF dan algoritma LSTM. Adapun tahapan penelitian seperti scrapping data yang menggunakan ulasan pengguna aplikasi Shopee di Google Play Store sebanyak 3565 data. Lalu data dikategorikan menjadi tiga kelas: positif, netral, dan negatif. Proses preprocessing meliputi Tokenization, Normalization, Stopword, dan Stemming. Selanjutnya dilakukan proses train data dan data test sebesar 8:2. Lalu melakukan vektorisasi dengan TF-IDF, melatih model dengan penggabungan TF-IDF dan LSTM (Long Short-Term Memory), serta menggunakan metrics untuk mengevaluasi model dan visualisasi menggunakan word cloud. menghasilkan akurasi sebesar 83% dengan nilai loss (kerugian) sebesar 0.1385. Model memiliki kemampuan cukup baik dalam memprediksi kelas negatif dan positif tetapi kurang efektif untuk kelas netral karena data yang kurang seimbang. 
Design and Construction of a 500–800 MHz Square Spiral Dipole Microstrip Antenna Structure Setiawan, Arif Milando
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9575

Abstract

An antenna can be used to detect an object. The dimensions of the antenna also affect the working frequency, the smaller dimensions, the higher the working frequency and the closer the antenna range to radiate waves. Therefore, a microstrip antenna with a small dimension size is needed, but the antenna radiation distance capability for radar systems still needs to be reduced. A microstrip dipole antenna with a spiral shape, measuring 5 cm, was meticulously designed and fabricated. The square dipole antenna, featuring an optimal design with the arm structure rotated in a clockwise direction, achieved an impressive return loss of -27.54dB with a VSWR of 1.83. The engineering refinement of the antenna design involved the addition of a square shape, which led to a significant and impressive improvement in performance. The second spiral antenna, operating at a frequency of 805MHz with an impressive bandwidth of 57MHz, exhibited a remarkable return loss of -30.83dB and a VSWR of 1.07.
Klasifikasi Hama Pada Daun Sawi Menggunakan Convolutional Neural Network (CNN) Dengan Algoritma Xcaption dan Optimasi Adam Bahri, Saiful; Sunyoto, Andi; Kurniawan, Mei P.
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9529

Abstract

Sawi (Brassica rapa) adalah sayuran yang populer di Indonesia, namun serangan hama sering kali menghambat produktivitasnya, mengurangi kualitas dan kuantitas panen. Identifikasi hama secara akurat sangat penting untuk pengendalian yang efektif, namun metode konvensional yang melibatkan pengamatan visual sering kali kurang efisien dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini memanfaatkan teknologi terbaru dalam pemrosesan citra dan machine learning untuk meningkatkan akurasi dan efisiensi dalam identifikasi hama pada daun sawi. Convolutional Neural Network (CNN) dengan arsitektur Xception yang dioptimalkan menggunakan algoritma Adam dipilih sebagai metode utama untuk klasifikasi hama daun sawi. Penelitian ini menggunakan dataset gambar daun sawi dari situs publik kaggle, dengan preprocessing yang dilakukan untuk memastikan kualitas dan konsistensi data. Setelah melalui proses augmentasi data dan pelatihan model, model CNN dilatih dengan ukuran batch 64, epoch 100, dan dropout 0,5. Evaluasi menggunakan confusion matrix menunjukkan akurasi pelatihan dan validasi mencapai 99,00%. Hasil menunjukkan bahwa model CNN yang dikembangkan berhasil mencapai akurasi pelatihan dan validasi sebesar 99,00%. Evaluasi model menggunakan confusion matrix menunjukkan bahwa model mampu mengklasifikasikan hama daun sawi dengan akurasi yang sangat tinggi, memberikan solusi yang efisien untuk pengendalian hama di pertanian sawi. Hasil ini menunjukkan bahwa penggunaan teknologi CNN dengan optimasi yang tepat dapat secara signifikan meningkatkan kualitas dan produktivitas hasil panen.
Rancang Bangun GPS Tracker dan Monitoring Kondisi Baterai Pada Mobil Listrik Berbasis Mikrokontroler ESP32 Budi, Agus Setia; Bachri, Affan; Susilo, Purnomo Hadi; Hartantyo, Sugeng Dwi; Irawan, M Rudi
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.9131

Abstract

Mobil listrik Surya Unisla merupakan kendaraan yang menggunakan baterai sebagai sumber tenaganya dan menggunakan motor BLDC sebagai penggeraknya. Perawatan baterai tidak dapat diabaikan karena baterai merupakan bagian utama dari mobil listrik. Tegangan baterai yang tidak terpantau dengan baik dapat mengakibatkan penurunan kinerja dan umurbaterai. Oleh sebab itu, dibutuhkan monitoring kapasitas baterai pada mobil listrik surya unisla. Metode pembuatan sistem mencakup penggunaan modul GPS NEO-6 untuk pelacakan posisi kendaraan, rangkaian pembagi tegangan untuk membaca tegangan baterai, dan sensor arus ACS785 untuk mengukur arus yang mengalir dari baterai kekontroler motor. Hasil pembacaan tersebut kemudian diolah menggunakan mikrokontroler ESP32 sehingga didapatkan keluaran berupa tegangan baterai, pesentase, dan lokasi kendaraan. Hasil keluaran berbentuk data selanjutnya dikirim ke firebase dengan menghubungkan ke Wifi kemudian ditampilkan pada aplikasi yang telah di desain menggunkan kodular. Sistem memiliki  rata-rata eror pembacaan latitude awal rute  0,003 dan akhir rute 0,003, rata-rata eror pembacaan  longitude awal rute 0,0004 akhir rute 0,0004. Hasil pembacaan tegangan baterai dijadikan pesentase, ketika tegangan baterai 60 volt maka persentasenya 100% dan ketika tegangan baterai 56 volt atau lebih kecil pesentasenya 0%. Hasil riwayat pembacaan sensor disimpan pada SD Card

Page 2 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 8, No 1 (2026) Vol 7, No 2 (2025) Vol 7, No 1 (2025) Vol 6, No 2 (2024) Vol 6, No 1 (2024) Vol 5, No 2 (2023) Vol 5, No 1 (2023) Vol 4, No 2 (2022) Vol 4, No 1 (2022) Vol 3, No 2 (2021) Vol 3, No 1 (2021) Vol 2, No 2 (2020) Vol 2, No 1 (2020) Vol 1, No 1 (2019) More Issue