cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Yampi R Kaesmetan
Contact Email
kaesmetanyampi@gmail.com
Phone
+6281320586988
Journal Mail Official
kaesmetanyampi@gmail.com
Editorial Address
Jl. Perintis Kemerdekaan 1, Kayu Putih, Kecamata Oebobo, Kota Kupang, Nusa Tenggara Timur
Location
Kota kupang,
Nusa tenggara timur
INDONESIA
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi
Published by Sekolah Tinggi Manajemen Informatika Komputer Uyelindo Kupang
ISSN : 23375280     EISSN : 26207427     DOI : 10.52972
Core Subject : Science,
Computer Science & IT
Jurnal Jurnal High education of organization archive quality Teknologi Informasi merupakan Jurnal Ilmiah untuk menampung hasil penelitian yang berhubungan dengan bidang sains dan teknologi. Bidang penelitian yang dimaksud meliputi : Artificial Intelligence and Application, Business Intelligence, Cloud and Grid Computing, Computer Networking & Security, Computer-Based Multimedia Retrievel, Datawarehouse & Data Mining, Decision Support System, Enterprise System,(SCM, ERP, CRM), E-System (E-Business, E-Commerce, E-Government, E-Health), Expert & Knowledge-Based System, Fuzzy Logic, Genetic Algorithms, Geographics Information System, Human-Computer Interaction, Image Processing, Information Retrieval, Information System, IT Governance, Knowledge Management, Mobile Computing & Application, Multimedia System, Neural Networks, Open Source System & Technology, Pattern Recognition, Semantic Web, Software Engineering
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 114 Documents
 7   8   9   10   11 
SISTEM PENDUKUNG KEPUTUSAN CERDAS SPASIAL STUNTING DI PROVINSI NTT DENGAN DEEP LEARNING Kaesmetan, Yampi R; Manik, Fuzy Yustika
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p88-99

Abstract

Stunting, sebagai masalah kesehatan masyarakat yang kompleks, terus menjadi perhatian serius di Provinsi Nusa Tenggara Timur (NTT). Untuk mengatasi tantangan ini, pengembangan Sistem Pendukung Keputusan (SPK) yang cerdas dan responsif terhadap aspek spasial menjadi esensial. Dalam konteks ini, kami mengusulkan sebuah sistem inovatif yang mengintegrasikan Deep Learning dengan SPK untuk menangani masalah stunting di NTT. Penelitian ini bertujuan untuk mengembangkan sebuah Sistem Pendukung Keputusan Cerdas Spasial (SPKCS) dengan menggunakan metode Moora dan Vikor yang memberikan pemahaman yang lebih baik tentang faktor-faktor spasial yang berkaitan dengan kejadian stunting di NTT. Dengan mengunakan pendekatan data spasial, termasuk data geografis, demografis, dan lingkungan, untuk menerapkan teknik Deep Learning untuk menganalisis pola spasial yang kompleks. Metodologi penelitian melibatkan pengumpulan data spasial dari berbagai sumber, termasuk data survei kesehatan masyarakat, data geografis, dan data lingkungan. Selanjutnya dengan penerapan MOORA dan VIKOR dan juga menggunakan Deep Learning, dengan CNN, RNN dan LSTM untuk mengolah data dan mengidentifikasi pola spasial yang berkaitan dengan kejadian stunting. Hasil dari penelitian ini menghasillan pemetaan spasial dengan nilai prefelensi stunting di NTT. Dengan nilai rata-rata pada  Sensitivitas 84,05%, Spesitivitas 83,12%, Accuracy 83,55%.   Stunting, as a complex public health problem, continues to be a serious concern in East Nusa Tenggara (NTT) Province. To address this challenge, the development of an intelligent and spatially responsive Decision Support System (SDM) is essential. In this context, we propose an innovative system that integrates Deep Learning with GIS to address the problem of stunting in NTT. This research aims to develop a Spatially Intelligent Decision Support System (SPKCS) using the Moora and Vikor methods that provides a better understanding of the spatial factors associated with the incidence of stunting in NTT. By using spatial data approaches, including geographic, demographic, and environmental data, to apply Deep Learning techniques to analyze complex spatial patterns. The research methodology involved collecting spatial data from various sources, including public health survey data, geographic data, and environmental data. Furthermore, the application of MOORA and VIKOR and also using Deep Learning, with CNN, RNN and LSTM to process the data and identify spatial patterns related to the incidence of stunting. The results of this study resulted in spatial mapping with stunting prevalence values in NTT. With an average value on Sensitivity 84.05%, Specitivity 83.12%, Accuracy 83.55%.  
OTOMATISASI PROSES BISNIS PADA KOPERASI SIMPAN PINJAM TIMOR MANDIRI SEJAHTERA Bata, Emanuel Safirman
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p127-135

Abstract

Koperasi Simpan Pinjam Timor Mandiri Sejahtera (KSP T-Manis), penerus Koperasi Serba Usaha Uyelindo, menghadapi tantangan besar dalam manajemen operasional, termasuk keterbatasan sumber daya, proses manual yang rentan kesalahan, dan kurangnya transparansi. Penelitian ini bertujuan untuk membangun sistem informasi berbasis web guna mengotomatisasi proses bisnis KSP T-Manis, termasuk pendataan anggota baru, transaksi simpan pinjam, dan pelaporan keuangan. Metode pengembangan yang digunakan adalah waterfall, mencakup analisis kebutuhan, desain sistem, implementasi, dan pengujian. Sistem informasi yang dikembangkan berhasil meningkatkan efisiensi operasional, mengurangi kesalahan manusia, dan mempercepat proses transaksi. Pengujian terhadap 62 pengguna menunjukkan bahwa sistem mampu membantu anggota memantau transaksi, mempermudah pengajuan pinjaman, serta menyediakan laporan yang akurat dan transparan. Implementasi ini juga meningkatkan pengalaman pengguna melalui desain antarmuka yang ramah. Penelitian ini membuktikan bahwa otomatisasi proses bisnis dengan dukungan teknologi informasi dapat menjadi solusi efektif bagi koperasi dalam menghadapi tantangan operasional. Disarankan untuk pengembangan lebih lanjut agar ditambahkan fitur pengingat otomatis dan analitik data guna mendukung pengambilan keputusan strategis. Dengan sistem ini, KSP T-Manis dapat meningkatkan daya saing dan transparansi, sekaligus memberikan pelayanan yang lebih baik kepada anggotanya.   Timor Mandiri Sejahtera Savings and Loans Cooperative (KSP T-Manis), the successor of Uyelindo Multipurpose Cooperative, faces significant challenges in operational management, including limited resources, error-prone manual processes, and a lack of transparency. This study aims to develop a web-based information system to automate KSP T-Manis’s business processes, including new member registration, savings and loan transactions, and financial reporting. The development method employed is the waterfall model, encompassing requirements analysis, system design, implementation, and testing. The developed information system successfully improved operational efficiency, reduced human errors, and accelerated transaction processes. Testing with 62 users revealed that the system helps members monitor transactions, facilitates loan applications, and provides accurate and transparent reports. This implementation also enhances user experience through a user-friendly interface. This study demonstrates that business process automation supported by information technology can effectively address operational challenges faced by cooperatives. Further development is recommended to add automatic reminders and data analytics features to support strategic decision-making. With this system, KSP T-Manis can enhance its competitiveness and transparency while providing better services to its members.
IMPLEMENTASI PATH SMOOTHING MENGGUNAKAN ALGORITMA GRADIENT DESCENT MENGGUNAKAN SIMULASI V-REP Jayadi, Akhmad; Handoko, Dwi; Permata, Rizka; Arpan, Atika; Meilantika, Dian
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p107-115

Abstract

Perkembangan teknologi robot mobile telah mengubah berbagai sektor industri, dan salah satu tantangan utama dalam pengoperasian robot mobile adalah perencanaan jalur (path planning). Jalur yang direncanakan sering kali tidak mempertimbangkan gerakan robot, terutama saat menghadapi belokan tajam yang dapat menyebabkan inefisiensi gerak robot, untuk mengatasi hal ini, teknik path smoothing digunakan untuk mereduksi ketajaman belokan, memungkinkan robot bergerak lebih lancar dan efisien. Salah satu algoritma yang digunakan dalam path smoothing adalah Gradient Descent, yang secara iteratif memperbaiki jalur dengan meminimalkan jarak antara titik-titik. Simulasi menggunakan platform V-REP sangat berguna untuk menguji efektivitas algoritma, dengan harapan dapat meningkatkan kinerja navigasi robot dan berkontribusi pada pengembangan robot mobile yang lebih efisien dan aman. Setelah jalur optimal ditentukan, langkah selanjutnya adalah memperlancar lintasan menggunakan path smoothing. Proses ini mengoptimalkan koordinat yang dihaluskan  untuk mengurangi jarak antara jalur asli  dan jalur yang dihaluskan dengan persamaan  Pembaruan pertama memindahkan y untuk meminimalkan jarak antara koordinat asli dan yang dihaluskan, sedangkan pembaruan kedua mengurangi penyimpangan antara koordinat yang berdekatan, dengan parameter beta yang mengontrol pembaruan tersebut. Hasilnya, jalur menjadi lebih mulus dan efisien untuk dilalui robot. Hasil dari penelitian yang telah dilakukan menunjukan algoritma yang diterapkan telah mampu membuat jalur yang lebih halus dari sebelum diterapkannya algoritma ini.   The development of mobile robot technology has transformed various industrial sectors, with one of the main challenges in mobile robot operation being path planning. Planned paths often do not take into account the robot's movement, especially when facing sharp turns that can cause inefficiencies in the robot's motion. To address this, path smoothing techniques are used to reduce the sharpness of turns, allowing the robot to move more smoothly and efficiently. One algorithm used in path smoothing is Gradient Descent, which iteratively refines the path by minimizing the distance between points. Simulations using the V-REP platform are very useful for testing the effectiveness of the algorithm, with the aim of improving robot navigation performance and contributing to the development of more efficient and safer mobile robots. After the optimal path is determined, the next step is to smooth the trajectory using path smoothing. This process optimizes the smoothed coordinates  to reduce the distance between the original path  and the smoothed path using the equation . The first update moves y to minimize the distance between the original and smoothed coordinates, while the second update reduces deviations between adjacent coordinates, with the beta parameter controlling the update. As a result, the path becomes smoother and more efficient for the robot to follow. The results of the research indicate that the applied algorithm has successfully created a smoother path compared to the original path before the algorithm was applied.
PROTOTYPE IOT UNTUK PEMANTAUAN NUTRISI DAN PH PADA HIDROPONIK MENGGUNAKAN ESP32 DI KEBUN HIDROPINIK VEFAR YOGYAKARTA Wijayanto, Danur; Silmina, Esi Putri; Firdonsyah, Arizona; Aditiya, Aqni Alam
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p100-106

Abstract

Sektor pertanian di Indonesia menghadapi tantangan karena berkurangnya lahan pertanian, Upaya yang dilakukan untuk mengatasi hal tersebut dengan menerapkan Hidroponik. Salah satu metode hidroponik adalah Metode NFT, yang telah diterapkan di Kebun Vefar Yogyakarta. Namun dalam penerapan Hidroponik dengan Metode NFT ini sering mengalami kendala berupa gagal panen yang disebabkan oleh sistem pemantauan nutrisi dan pH yang masih manual, belum dilakukan secara berkala, keterbatasan waktu dan tenaga dari pemilik serta karyawan, ditambah dengan luasnya lahan kebun hidroponik, menjadi faktor penghambat dalam pemantauan yang intensif. Pemantauan secara real-time terhadap nutrisi air dan pH air juga sangat penting untuk memaksimalkan hasil produksi. Untuk mengatasi masalah ini, diperlukan sistem pemantauan berbasis IoT yang memanfaatkan sensor pH dan TDS meter, Wemos D1 R32 sebagai mikrokontroler, dengan menggunakan Platform Antares dan Aplikasi Mobile apps MIT APP Inventor. Hasil menunjukkan prototype dapat memantau kondisi pH dan jumlah partikel padatan yang terlarut dalam air dengan pengujian selama satu hari dan keberhasilan seluruh hasil skenario pengujian. Nilai pH dan TDS pada larutan nutrisi menunjukkan fluktuasi yang relatif stabil dalam rentang waktu pengukuran. Nilai pH rata-rata berkisar antara 6.9 hingga 7.1, sedangkan nilai TDS berada di sekitar 1674-1828 ppm.   The agricultural sector in Indonesia is facing challenges due to the decreasing amount of agricultural land. Hydroponics has been implemented as a solution to address this issue. One method of hydroponics is the Nutrient Film Technique (NFT), which has been applied in Vefar Garden, Yogyakarta. However, the implementation of NFT hydroponics often encounters obstacles such as crop failures caused by manual nutrient and pH monitoring systems, which are not conducted regularly. Limited time and labor from owners and employees, coupled with the vast area of the hydroponic garden, hinder intensive monitoring. Real-time monitoring of water nutrients and pH is crucial for maximizing production. To overcome these problems, an IoT-based monitoring system was developed using pH and TDS sensors, a Wemos D1 R32 microcontroller, the Antares  Platform, and the MIT App Inventor mobile app. The results show that the prototype can monitor pH conditions and the number of solid particles dissolved in water with testing for one day and the success of all test scenario.
TRANSFORMASI AGRIBISNIS MELALUI TEKNOLOGI: PELUANG DAN TANTANGAN UNTUK PETANI INDONESIA Wanda, Taras; Mado, Theresia Wihelmina; Mado, Yohanes Jibrail
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p146-150

Abstract

Agribisnis di Indonesia memiliki peran yang sangat penting dalam perekonomian negara, dengan jutaan petani yang menggantungkan hidupnya pada sektor pertanian. Meskipun demikian, sektor ini menghadapi berbagai tantangan, seperti ketidakstabilan harga pasar, terbatasnya akses terhadap teknologi, dan dampak perubahan iklim. Teknologi, khususnya teknologi digital, menawarkan peluang besar untuk mentransformasi agribisnis di Indonesia, dengan meningkatkan efisiensi, produktivitas, dan keberlanjutan sektor pertanian. Penggunaan teknologi seperti pertanian presisi, big data, drone, dan Internet of Things (IoT) dapat membantu petani dalam membuat keputusan yang lebih akurat, mengelola sumber daya secara optimal, dan mengurangi pemborosan. Namun, adopsi teknologi dalam agribisnis Indonesia masih terbatas oleh beberapa faktor, antara lain infrastruktur yang belum merata, rendahnya literasi digital di kalangan petani, serta biaya awal yang tinggi untuk implementasi teknologi. Makalah ini bertujuan untuk menganalisis peluang yang dapat dimanfaatkan melalui penerapan teknologi dalam agribisnis Indonesia, serta tantangan yang dihadapi petani dalam mengadopsi teknologi. Selain itu, juga membahas langkah-langkah yang perlu diambil oleh berbagai pemangku kepentingan termasuk pemerintah, sektor swasta, dan lembaga pendidikan untuk mendorong transformasi agribisnis yang berbasis teknologi di Indonesia. Diharapkan, dengan pemanfaatan teknologi yang tepat, agribisnis di Indonesia dapat berkembang menjadi sektor yang lebih efisien, produktif, dan berkelanjutan.  Agribusiness in Indonesia plays a very important role in the country's economy, with millions of farmers depending on the agricultural sector for their livelihoods. However, this sector faces various challenges, such as market price volatility, limited access to technology, and the impact of climate change. Technology, especially digital technology, offers great opportunities to transform agribusiness in Indonesia, by increasing the efficiency, productivity, and sustainability of the agricultural sector. The use of technologies such as precision agriculture, big data, drones, and the Internet of Things (IoT) can help farmers make more accurate decisions, manage resources optimally, and reduce waste. However, the adoption of technology in Indonesian agribusiness is still limited by several factors, including uneven infrastructure, low digital literacy among farmers, and high initial costs for technology implementation. This paper aims to analyze the opportunities that can be utilized through the application of technology in Indonesian agribusiness, as well as the challenges faced by farmers in adopting technology. In addition, it also discusses the steps that need to be taken by various stakeholders including the government, private sector, and educational institutions to encourage technology-based agribusiness transformation in Indonesia. It is hoped that with the use of appropriate technology, agribusiness in Indonesia can develop into a more efficient, productive, and sustainable sector.
ANALISIS SENTIMEN PEMBANGUNAN IBU KOTA NEGARA INDONESIA MENGGUNAKAN METODE NAÏVE BAYES, DAN K-NEAREST NEIGHBOR Mola, Sebastianus Adi Santosa; Iqbal Muhammad Iskandar; Pidu Dimu, Joey Elisa; Seran, Willem Yufri
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol15no2.p151-157

Abstract

Pembangunan Ibu Kota Negara (IKN) di Indonesia telah menarik perhatian publik secara luas dan menjadi topik diskusi di media sosial, termasuk platform YouTube. Untuk memahami sentimen publik terkait proyek ini, penelitian ini menggunakan dua metode pembelajaran mesin, yaitu K-Nearest Neighbors (KNN) dan NAÏVE BAYES. Data diperoleh dari komentar-komentar di YouTube yang kemudian diproses melalui beberapa tahapan, termasuk pembersihan data (preprocessing), tokenisasi, dan pembagian menjadi data latih serta data uji. Proses pembersihan melibatkan penghapusan elemen-elemen yang tidak relevan, seperti tanda baca, angka, dan spasi berlebih, untuk meningkatkan kualitas data. Setelah itu, proses tokenisasi mengubah teks menjadi kumpulan kata yang dapat dianalisis oleh model. Data ini kemudian dibagi menjadi dua bagian, yaitu data latih yang digunakan untuk melatih model dan data uji yang digunakan untuk mengukur kinerjanya. Hasil analisis menunjukkan bahwa NAÏVE BAYES mencapai akurasi sebesar 0.6 dengan persentase 60%, performa yang konsisten dalam mengklasifikasikan berbagai kelas sentimen, terutama untuk sentimen netral dan positif. Di sisi lain, KNN menunjukkan akurasi yang jauh lebih rendah, sebesar 0.3 dengan persentase 23%, precision antar kelas yang kurang stabil dimana precision kelas 1 (netral) sangat rendah sebesar 0.21. Perbandingan ini mengindikasikan bahwa NAÏVE BAYES lebih akurat daripada KNN dalam mengidentifikasi sentimen publik terkait proyek IKN, sehingga lebih direkomendasikan untuk digunakan dalam analisis sentimen untuk studi-studi serupa. The development of Indonesia's new capital city (IKN) has garnered widespread public attention and become a topic of discussion on social media platforms, including YouTube. To understand public sentiment regarding this project, this study employs two machine learning methods, namely K-Nearest Neighbors (KNN) and NAÏVE BAYES. Data were collected from YouTube comments and processed through several stages, including data cleaning (preprocessing), tokenization, and splitting into training and testing datasets. The cleaning process involved removing irrelevant elements such as punctuation marks, numbers, and excessive whitespace to improve data quality. Following this, tokenization transformed the text into a set of words that could be analyzed by the models. The data were then divided into two parts: the training dataset used to train the models and the testing dataset used to evaluate their performance. The analysis results showed that NAÏVE BAYES achieved an accuracy of 0.6 or 60%, demonstrating consistent performance in classifying various sentiment classes, especially for neutral and positive sentiments. On the other hand, KNN exhibited a significantly lower accuracy of 0.3 or 23%, with unstable precision across classes, particularly a very low precision of 0.21 for the neutral class. This comparison indicates that NAÏVE BAYES is more accurate than KNN in identifying public sentiment regarding the IKN project and is therefore recommended for use in similar sentiment analysis studies.
SISTEM PAKAR UNTUK MENDIAGNOSIS TINGKAT DEPRESI PADA REMAJA DI KOTA KUPANG MENGGUNAKAN GLASGOW DEPRESSION SCALE DENGAN METODE FORWARD CHAINING: EXPERT SYSTEM FOR DIAGNOSING DEPRESSION LEVELS IN ADOLESCENTS IN KUPANG CITY USING GLASGOW DEPRESSION SCALE WITH THE FORWARD CHAINING METHOD Mola, Sebastianus Adi Santoso; Sitepu, Rasional; Rassa, Delfiana M; Polly, Yulianto T
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no1.p9-15

Abstract

Depresi merupakan gangguan kesehatan mental berupa perasaan atau mood yang umumnya ditandai dengan adanya perasaan sedih, putus asa, kehilangan semangat, gangguan tidur atau nafsu makan yang buruk, merasa bersalah, lambat dalam berpikir, menurunnya motivasi untuk melakukan aktivitas. Depresi dikatakan normal apabila terjadi dalam situasi tertentu, bersifat ringan dan dalam waktu yang singkat. Bila depresi tersebut terjadi di luar kewajaran dan berlanjut maka depresi tersebut dianggap abnormal. Gejala depresi dapat bervariasi dari ringan hingga berat. Salah satu cara menangani penyakit pada gangguan depresi adalah dengan melakukan konsultasi kepada seorang profesional. Namun saat ini, sangat minim pelayanan dan juga fasilitas yang dibutuhkan untuk konsultasi. Sehingga penelitian bertujuan mengembangkan sebuah sistem pakar yang dapat melakukan simulasi diagnosis tingkat depresi (mild, middle dan savere) pada remaja. Sistem pakar yang akan dibuat menggunakan metode Forward Chaining. Sumber data yang digunakan merupakan data dari remaja yang berada di kota kupang dengan rentang usia 11-20 tahun. Berdasarkan hasil pengujian sistem dengan menggunakan 50 data, hasil akurasi sistem menunjukan sistem memiliki akurasi sebesar 100%, dari pengisian kuesioner secara manual maupun melalui sistem, dengan hasil 14 orang mengalami depresi ringan, 25 orang mengalami depresi sedang dan 11 orang mengalami depresi berat   Depression is a mental health disorder in the form of feelings or moods that are generally characterized by feelings of sadness, hopelessness, loss of enthusiasm, sleep disturbances or poor appetite, feelings of guilt, slow thinking, decreased motivation to carry out activities. Depression is said to be normal if it occurs in certain situations, is mild and for a short time. If the depression occurs beyond normal and continues, then the depression is considered abnormal. Depression symptoms can vary from mild to severe. One way to deal with illness in depressive disorder is to consult a professional. But currently, there are very few services and facilities needed for consultation. So the research aims to develop an expert system that can simulate the diagnosis of depression levels (mild, middle and severe) in adolescents. The expert system that will be created uses the Forward Chaining method. The data source used is data from adolescents in Kupang City with an age range of 11-20 years. Based on the results of testing the system using 50 data, the results of the system accuracy show that the system has an accuracy of 100%, from filling out questionnaires manually or through the system, with the results of 14 0rang experiencing mild depression, 25 people experiencing moderate depression and 11 people experiencing severe depression.
IMPLEMENTASI ALGORITMA MACHINE LEARNING K-MEANS DALAM KOMPRESI CITRA FOTO CANDI BOROBUDUR: IMPLEMENTATION OF K-MEANS MACHINE LEARNING ALGORITHM IN IMAGE COMPRESSION OF BOROBUDUR TEMPLE PHOTOS Sahria, Yoga; Piskonata, Yogi
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no1.p1-8

Abstract

Kompresi citra merupakan teknik penting dalam pengelolaan data visual, terutama dalam pelestarian dan digitalisasi warisan budaya. Penelitian ini bertujuan untuk mengkaji efektivitas algoritma K-Means Clustering dalam kompresi citra foto Candi Borobudur guna mengurangi ukuran file tanpa kehilangan kualitas visual yang signifikan. Metode penelitian mencakup pengumpulan citra digital Candi Borobudur dengan variasi pencahayaan dan tekstur. Sampel dipilih menggunakan purposive sampling untuk memastikan representasi optimal. Proses pengolahan melibatkan praproses citra, penerapan algoritma K-Means untuk pengelompokan warna, serta evaluasi hasil menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) dan Structural Similarity Index (SSIM). Hasil penelitian menunjukkan bahwa algoritma K-Means efektif dalam mengurangi jumlah warna pada citra sehingga ukuran file berkurang secara signifikan. Analisis kuantitatif menunjukkan bahwa nilai PSNR dan SSIM tetap dalam batas yang dapat diterima, memungkinkan detail relief dan struktur candi tetap terjaga. Kesimpulan dari penelitian ini adalah bahwa algoritma K-Means dapat digunakan sebagai metode kompresi citra yang efisien dalam konteks digitalisasi warisan budaya. Namun, metode ini memiliki keterbatasan dalam menangani perubahan warna ekstrem. Oleh karena itu, penggunaan metode hibrida dengan algoritma lain direkomendasikan untuk meningkatkan efisiensi kompresi tanpa mengorbankan kualitas citra.   Image compression is an important technique in visual data management, especially in the preservation and digitization of cultural heritage. This study aims to examine the effectiveness of the K-Means Clustering algorithm in the compression of Borobudur Temple photo images to reduce file size without significant loss of visual quality. The research method includes collecting digital images of Borobudur Temple with variations in lighting and texture. Samples are selected using purposive sampling to ensure optimal representation. The processing process involves image preprocessing, the application of the K-Means algorithm for color grouping, and the evaluation of results using the Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) metrics. The results show that the K-Means algorithm is effective in reducing the number of colors in the image so that the file size is significantly reduced. Quantitative analysis shows that the PSNR and SSIM values remain within acceptable limits, allowing the details of the reliefs and structure of the temple to be preserved. The conclusion of this study is that the K-Means algorithm can be used as an efficient image compression method in the context of cultural heritage digitization. However, this method has limitations in dealing with extreme color changes. Therefore, the use of hybrid methods with other algorithms is recommended to improve compression efficiency without sacrificing image quality.
PENGEMBANGAN GAME EDUKASI PUZZLE BERBASIS COMPUTER VISION HAND TRACKING UNTUK ANAK USIA DINI: DEVELOPMENT OF AN EDUCATIONAL PUZZLE GAME USING COMPUTER VISION-BASED HAND TRACKING FOR EARLY CHILDHOOD Ginting, Rudolf Filius Alsaro; Messe, Febi Elvira
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no1.p16-22

Abstract

Penelitian ini bertujuan untuk mengembangkan game edukasi puzzle berbasis Computer Vision dengan Hand Tracking untuk anak usia dini. Game ini dirancang agar pemain dapat menyusun potongan puzzle menggunakan gerakan tangan, tanpa perlu menggunakan perangkat input fisik seperti mouse atau keyboard. Teknologi Hand Tracking yang digunakan berbasis MediaPipe dan OpenCV, memungkinkan deteksi tangan serta pengenalan pinch gesture (gerakan mencubit) untuk memilih dan memindahkan potongan puzzle ke posisi yang benar. Hasil pengujian sistem menunjukkan bahwa seluruh fitur utama game telah berfungsi dengan baik. Deteksi tangan berhasil mengenali tangan pemain dan menampilkan titik-titik landmark. Pinch gesture dengan jarak ? 70 px antara jari telunjuk dan jari tengah dapat digunakan untuk memilih potongan puzzle. Pemindahan dan penyelarasan otomatis potongan puzzle ke dalam grid juga berfungsi sesuai harapan. Potongan yang telah ditempatkan dengan benar akan terkunci dan ditandai dengan warna hijau, sedangkan yang belum benar berwarna merah. Sistem juga berhasil berpindah ke level berikutnya setelah puzzle terselesaikan dan menampilkan notifikasi "Puzzle Selesai!" ketika semua level telah diselesaikan. Selain itu, game telah berjalan dalam mode fullscreen dan dapat ditutup dengan menekan tombol ‘q’. Dengan hasil pengujian yang menunjukkan keberhasilan implementasi fitur-fitur utama, game edukasi puzzle berbasis Computer Vision ini dapat memberikan pengalaman belajar yang interaktif dan menyenangkan bagi anak usia dini, sekaligus meningkatkan keterampilan kognitif dan koordinasi tangan-mata mereka.   This study aims to develop an educational puzzle game based on Computer Vision with Hand Tracking for early childhood. The game is designed to allow players to assemble puzzle pieces using hand gestures, eliminating the need for physical input devices such as a mouse or keyboard. The Hand Tracking technology used is based on MediaPipe and OpenCV, enabling hand detection and recognition of pinch gestures for selecting and moving puzzle pieces to the correct position. System testing results show that all the game's main features function properly. Hand detection successfully recognizes the player's hand and displays landmark points. A pinch gesture with a distance of ? 70 px between the index and middle fingers can be used to select puzzle pieces. The movement and automatic alignment of puzzle pieces into the grid also work as expected. Correctly placed pieces are locked and marked in green, while incorrect ones are marked in red. The system also successfully transitions to the next level once the puzzle is completed and displays a "Puzzle Selesai!" notification when all levels are finished. Additionally, the game runs in fullscreen mode and can be closed by pressing the 'q' key. With testing results confirming the successful implementation of key features, this Computer Vision-based educational puzzle game is expected to provide an interactive and enjoyable learning experience for young children while enhancing their cognitive skills and hand-eye coordination.
IDENTIFIKASI KEMATANGAN BUAH NANAS MENGGUNAKAN CITRA DIGITAL DENGAN METODE K-NEAREST NEIGHBOR (K-NN) DAN SUPPORT VECTOR MACHINE (SVM): IDENTIFICATION OF PINEAPPLE RIPENESS USING DIGITAL IMAGE PROCESSING WITH K-NEAREST NEIGHBOR (K-NN) AND SUPPORT VECTOR MACHINE (SVM) METHODS Sanu, Jevan George Mantofani
HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi
Publisher : STIKOM Uyelindo Kupang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52972/hoaq.vol16no1.p35-48

Abstract

Produksi nanas di Indonesia pada 2021 mencapai 2,89 juta ton dan pada tahun yang sama salah satu provinsi di Indonesia yaitu NTT menghasilkan sebanyak 11.241 ton nanas. Pemilihan buah nanas secara manual membutuhkan waktu yang lama serta menghasilkan pemanenan buah nanas memiliki tingkat kematangan yang tidak merata, hal ini dikarenakan tingkat konsistensi manusia sangat beragam dalam menilai kematangan.Proses ini dapat dibantu dengan sistem cerdas yang dapat menentukan kualitas berdasarkan karakteristik yang sudah ada, sistem cerdas yang digunakan untuk mengidentifikasi tingkat kematangan buah nanas adalah Support Vector Machine (SVM) dan k-Nearest Neighbor (k-NN). Pada penelitian ini menggunakan 200 citra buah nanas dengan tingkat kematangan yaitu belum matang,setangah matang dan matang. Buah nanas yang dilipih secara acak dari petani. Langkah pertama adalah preprocessing citra dengan ekstraksi warna red, green, dan blue, selanjutnya penentuan parameter nilai histogram yaitu mean, variance, skewness, kurtosis, dan entropy selanjutnya menggunakan metode k-NN untuk mencari nilai k terdekat. Selanjutnya Metode yang digunakan adalah Support Vector Machine (SVM), metode ini digunakan untuk membentuk model identifikasi saat proses pemanenan dan pendistribusian serta dapat mengurangi selektifitas para petani dalam menentukan buah nanas yang akan dipanen. Data set dibagi menjadi 80% dan 20% dengan 5 skenario cross validation. Hasil penelitian ini dapat disimpulkan bahwa identifikasi kematangan buah nanas dengan k-Nearest Neighbor (k-NN) dan Support Vector Machine (SVM) berhasil mengidentifikasi buah nanas matang dan belum matang dengan confusion matrix dengan 5 skenario cross validation yang memperoleh nilai akurasi terbaik pada skenario ke-1 sebesar 93% dengan nilai rata- rata akurasi sistem sebesar 81,2%.   Pineapple production in Indonesia in 2021 reached 2.89 million tons and in the same year one of the provinces in Indonesia, namely NTT, produced 11,241 tons of pineapples. Manual selection of pineapples takes a long time and results in pineapple harvesting with uneven levels of ripeness, this is because the level of human consistency varies greatly in assessing ripeness. This process can be assisted by an intelligent system that can determine quality based on existing characteristics, the intelligent system used to identify the level of ripeness of pineapples is Support Vector Machine (SVM) and k-Nearest Neighbor (k-NN). This study used 200 pineapple images with levels of ripeness, namely unripe, half-ripe and ripe. Pineapples are randomly selected from farmers. The first step is image preprocessing with red, green, and blue color extraction, then determining the histogram value parameters, namely mean, variance, skewness, kurtosis, and entropy, then using the k-NN method to find the nearest k value. Furthermore, the method used is Support Vector Machine (SVM), this method is used to form an identification model during the harvesting and distribution process and can reduce the selectivity of farmers in determining which pineapples to harvest. The data set is divided into 80% and 20% with 5 cross validation scenarios. The results of this study can be concluded that the identification of pineapple ripeness with k-Nearest Neighbor (k-NN) and Support Vector Machine (SVM) successfully identified ripe and unripe pineapples with a confusion matrix with 5 cross validation scenarios that obtained the best accuracy value in scenario 1 of 93% with an average system accuracy value of 81.2%.

Page 9 of 12 | Total Record : 114

 7   8   9   10   11 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol. 16 No. 2 (2025): Jurnal HOAQ - Teknologi Informasi Vol. 16 No. 1 (2025): Jurnal HOAQ - Teknologi Informasi Vol. 15 No. 2 (2024): Jurnal HOAQ - Teknologi Informasi Vol. 15 No. 1 (2024): Jurnal HOAQ - Teknologi Informasi Vol. 14 No. 2 (2023): Jurnal HOAQ - Teknologi Informasi Vol. 14 No. 1 (2023): Jurnal HOAQ - Teknologi Informasi Vol. 13 No. 2 (2022): Jurnal HOAQ - Teknologi Informasi Vol. 13 No. 1 (2022): Jurnal HOAQ - Teknologi Informasi Vol. 12 No. 2 (2021): Jurnal HOAQ - Teknologi Informasi Vol. 12 No. 1 (2021): Jurnal HOAQ - Teknologi Informasi Vol. 11 No. 2 (2020): Jurnal HOAQ - Teknologi Informasi Vol. 11 No. 1 (2020): Jurnal HOAQ - Teknologi Informasi Vol. 10 No. 2 (2019): Jurnal HOAQ - Teknologi Informasi Vol. 10 No. 1 (2019): Jurnal HOAQ - Teknologi Informasi More Issue