cover
Contact Name
Oris Krianto Sulaiman
Contact Email
ilmubersamacenter@gmail.com
Phone
+6282369783801
Journal Mail Official
jurnalsudo@gmail.com
Editorial Address
Jl. Imam Bonjol No. 9 Forum 9th Floor, Kota Medan, Sumatera Utara 20112
Location
Kota medan,
Sumatera utara
INDONESIA
sudo Jurnal Teknik Informatika
Published by Ilmu Bersama Center
ISSN : -     EISSN : 28297342     DOI : https://doi.org/10.56211/sudo
sudo Jurnal Teknik Informatika merupakan jurnal yang membahas ilmu dibidang teknik informatika, jurnal ini sebagai wadah untuk menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan teknik informatika. sudo Jurnal Teknik Informatika terbit 4 kali dalam setahun yaitu pada bulan Maret, Juni, September dan Desember. terbitan pertama adalah bulan Maret 2022. Naskah yang masuk akan diterima oleh editor untuk kemudian kan dilakukan pemeriksaan kemiripan naskah dengan aplikasi Plagiarism Checker. Proses review dilakukan dengan menggunakan peer review. sudo Jurnal Teknik Informatika memuat tentang artikel hasil penelitian dan kajian konseptual bidang Teknik Informatika. Secara garis besar topik utama yang diterbitkan adalah : Sistem Pendukung Keputusan, Sistem Pakar, Sistem Informasi, Kecerdasan Buatan, Data Mining, Pemodelan dan Simulasi Jaringan Komputer Cloud Computing Pengolahan Citra Computer Vision Dan lain-lain (topik lainnya yang berhubungan dengan Teknik Informatika)
Articles 133 Documents
Rancang Bangun Sistem Dashboard Monitoring Closed-Circuit Television (CCTV) Berbasis Web Server di Bandar Udara Internasional Juanda Kayla Hanna Saabira; Muhammad Arif Sulaiman; Resti Paskah Lani Penta
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1919

Abstract

Sistem Closed-Circuit Television (CCTV) merupakan salah satu perangkat pendukung keamanan yang berperan penting dalam memantau aktivitas operasional di Bandar Udara Internasional Juanda. Dalam pelaksanaannya, proses monitoring kondisi kamera CCTV dan server storage masih dilakukan melalui beberapa sistem yang terpisah, sementara kapasitas storage yang tidak terpantau dapat meningkatkan risiko kehilangan rekaman penting. Penelitian ini bertujuan merancang dan membangun sistem dashboard monitoring CCTV berbasis web server yang menampilkan status kamera online/offline, jumlah kamera aktif dan tidak aktif, live streaming, serta kondisi server storage meliputi HDD health, kapasitas storage, dan suhu perangkat penyimpanan. Penelitian menggunakan metode ADDIE (Analysis, Design, Development, Implementation, Evaluation) sebagai kerangka pengembangan. Aplikasi dibangun menggunakan Python dengan framework Flask, HTMX sebagai pendukung tampilan dinamis, SQLite sebagai basis data, ONVIF untuk mendeteksi kondisi kamera, serta RTSP untuk menampilkan aliran video. Hasil pengujian menunjukkan sistem mampu mengintegrasikan informasi monitoring CCTV dan server storage dalam satu dashboard terpusat, dengan tingkat akurasi deteksi status kamera sebesar 95% dan tingkat keberhasilan Black Box Testing sebesar 100% pada 24 skenario pengujian. Dengan sistem ini, pemantauan kondisi kamera dan server storage dapat dilakukan secara lebih terstruktur dan efisien.
Prototipe Sistem Monitoring dan Kendali Jarak Jauh Peralatan Bird Deterrent Berbasis LoRa Diarni Oshinta Nurullah; Eriyandi Eriyandi; Fawwaz Yusa Gifari
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1920

Abstract

  Pengendalian burung di area airside bandar udara diperlukan untuk mengurangi potensi bird strike, tetapi peralatan bird deterrent yang digunakan umumnya masih berdiri sendiri, bekerja berdasarkan interval waktu, dan belum menyediakan pemantauan maupun kendali jarak jauh. Penelitian ini bertujuan untuk merancang dan menguji prototipe sistem monitoring dan kendali jarak jauh berbasis LoRa yang terintegrasi dengan web dashboard. Sistem terdiri atas Transceiver A sebagai unit bird deterrent dan Transceiver B sebagai unit monitoring dan kendali. Pengembangan mengikuti model ADDIE dan pengujian mencakup komunikasi LoRa pada kondisi line of sight dan non-line of sight serta Black Box Testing terhadap sepuluh fungsi dashboard. Hasil pengujian menunjukkan data monitoring dapat diterima hingga 1000 m pada kondisi line of sight dan 600 m pada kondisi non-line of sight. Seluruh sepuluh skenario pengujian functional suitability pada web dashboard, meliputi akses dashboard, tampilan data monitoring, pemilihan mode manual dan otomatis, fungsi play dan stop, pengaturan volume, pembacaan input suara, aktivasi otomatis, serta pembaruan status secara real-time, berhasil dijalankan dengan tingkat keberhasilan 100%. Prototipe mampu menampilkan status perangkat, RSSI, SNR, jumlah paket, mode operasi, serta menjalankan perintah play, stop, manual, dan otomatis secara real-time pada skala prototipe.
Analisis Sentimen Pengguna Platform X terhadap Kasus Amsal Christy Sitepu Menggunakan Algoritma SVM Luqman Abdulmajid; Fuad Nur Hasan; Lestari Yusuf
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1930

Abstract

Media sosial X menjadi wadah penting bagi masyarakat untuk merespons kasus hukum Amsal Christy Sitepu, seorang videografer yang dituduh melakukan markup dana proyek video profil desa di Kabupaten Karo, namun akhirnya divonis bebas murni. Banyaknya opini terkait persinggungan antara hukum pidana dan industri kreatif ini memicu perdebatan publik secara masif. Penelitian ini bertujuan untuk menganalisis distribusi sentimen publik (positif dan negatif) serta menguji efektivitas algoritma Support Vector Machine (SVM) yang dipadukan dengan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) dalam memproses teks opini tersebut. Data dikumpulkan menggunakan teknik scraping yang menghasilkan 3.104 cuitan mentah. Setelah melalui tahapan preprocessing dan penghapusan 215 data kelas netral, tersisa 2.889 data final yang dianalisis. Berdasarkan hasil pengujian, opini publik sedikit lebih didominasi oleh sentimen negatif sebanyak 1.526 data (52,82%), dibandingkan sentimen positif sebanyak 1.363 data (47,17%). Pengujian efektivitas algoritma SVM dengan skenario hold-out split 80:20 menghasilkan tingkat Akurasi 87,37%, Presisi 84,24%, Recall 90,10%, dan F1-Score 86,89%. Kinerja ini divalidasi lebih lanjut menggunakan 10-Fold Cross-Validation yang membuktikan stabilitas model dengan rata-rata akurasi mencapai 88,06%. Hasil penelitian ini menyimpulkan bahwa algoritma SVM memiliki kinerja yang andal, konsisten, dan terhindar dari overfitting dalam mengklasifikasikan sentimen berbahasa Indonesia pada dataset kasus hukum di media sosial.
Sistem Pendukung Keputusan Pemilihan Program Studi Berbasis Naive Bayes dengan Likelihood Pakar dan Kuesioner Minat Ahmad Latif; Muhtyas Yugi; Nurul Alfiah; Beny Riswanto
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1939

Abstract

Pemilihan program studi merupakan keputusan pendidikan berisiko tinggi karena ketidaksesuaian antara minat dan karakteristik program dapat memengaruhi keterlibatan, keberhasilan, dan keberlanjutan studi. Penelitian ini merancang dan mengimplementasikan sistem pendukung keputusan berbasis web yang memeringkat lima program studi di Universitas Komputama Cilacap menggunakan Naive Bayes. Model menggunakan 30 indikator minat dengan respons rendah, sedang, dan tinggi. Matriks likelihood dibentuk melalui elicitation terhadap tiga pakar akademik. Ketiga pakar mendiskusikan 150 kombinasi indikator-program studi dan menetapkan secara konsensus tiga probabilitas bersyarat untuk respons rendah, sedang, dan tinggi pada setiap kombinasi, dengan jumlah probabilitas sebesar 1,00. Nilai konsensus digunakan langsung sebagai likelihood dalam model Naive Bayes. Instrumen kuesioner belum melalui validasi psikometrik formal pada tahap pilot. Pengembangan mengikuti Waterfall, sedangkan evaluasi saat ini terbatas pada keterlacakan fungsi utama, analisis deskriptif enam rekam konsultasi pada 25 Mei-9 Juli 2026, serta satu laporan kasus terperinci; validasi prediktif belum dilakukan karena label kebenaran belum tersedia. Pada data pilot, Sistem Informasi menjadi rekomendasi utama terbanyak (50,0%). Rata-rata skor rekomendasi utama adalah 75,07% dengan rentang 42,32%-99,09%, dan rata-rata margin terhadap rekomendasi kedua sebesar 55,83 poin persentase. Laporan kasus menghasilkan Teknik Informatika sebagai rekomendasi utama dengan posterior 89,72%. Kontribusi penelitian adalah kerangka probabilistik tahap awal yang dapat beroperasi ketika dataset berlabel belum memadai, menghasilkan peringkat dan margin yang transparan, serta menyediakan jejak konsultasi untuk kalibrasi empiris berikutnya. Skor posterior tidak ditafsirkan sebagai akurasi klasifikasi, sehingga sistem diposisikan sebagai alat bantu konseling, bukan pengganti keputusan akademik manusia.
Perbandingan Algoritma SVM dan Logistic Regression dalam Klasifikasi Sentimen Masyarakat terhadap Program MBG Ulfi Muzayyanah Fadil; Aidil Halim Lubis
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1966

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Support Vector Machine (SVM) dan Logistic Regression dalam klasifikasi sentimen masyarakat terhadap Program Makan Bergizi Gratis (MBG). Mengingat besarnya volume data teks tidak terstruktur pada media digital, evaluasi sentimen secara konvensional menjadi tidak efektif. Penelitian ini mengimplementasikan metode supervised learning untuk memetakan polaritas opini publik secara otomatis. Data penelitian diperoleh melalui teknik web crawling pada media sosial X (Twitter) dengan total 1.019 data komentar. Setelah melalui tahapan preprocessing yang meliputi cleaning, case folding, tokenizing, filtering, normalisasi, stopword removal, dan stemming, diperoleh 799 data bersih yang kemudian diekstraksi fiturnya menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Berdasarkan hasil pengujian menggunakan confusion matrix, algoritma SVM menunjukkan kinerja yang lebih unggul dengan nilai akurasi 82,50%, presisi 82,69%, recall 99,23%, dan F1-score 90,21%. Sementara itu, algoritma Logistic Regression menghasilkan nilai akurasi sebesar 81,25%. Hasil penelitian ini menyimpulkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen masyarakat terhadap Program MBG, yang dapat menjadi rekomendasi bagi pemangku kebijakan dalam memantau opini publik.
Perbandingan K-Nearest Neighbor dan Naive Bayes dalam Klasifikasi Genre Film Berdasarkan Sinopsis Alfin Gimnastiar; Muhammad Ikhsan
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1974

Abstract

Pertumbuhan industri film dan semakin beragamnya konten menyebabkan pengelompokan film berdasarkan genre menjadi semakin menantang. Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Naive Bayes dalam mengklasifikasikan genre film berdasarkan teks sinopsis. Proses pengolahan teks dilakukan menggunakan pendekatan Natural Language Processing (NLP) dan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) dengan pendekatan single-label classification. Dataset diperoleh dari The Movie Database (TMDB) dan terdiri atas 1.000 sinopsis film berbahasa Inggris yang terbagi secara seimbang ke dalam lima genre, yaitu Action, Horror, Romance, Comedy, dan Science Fiction. Dataset kemudian dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa Naive Bayes dengan Laplace Smoothing (alpha = 1,0) menghasilkan kinerja lebih baik dengan Accuracy 59,00%, Precision 58,44%, Recall 59,00%, dan F1-score 58,50%. Sementara itu, KNN (K = 5) dengan Cosine Similarity memperoleh Accuracy 44,00%, Precision 45,16%, Recall 44,00%, dan F1-score 44,06%. Performa Naive Bayes yang lebih baik berkaitan dengan kemampuannya dalam memanfaatkan pola probabilitas kosakata pada masing-masing genre, meskipun kedua model masih menghadapi kesulitan pada genre dengan kosakata yang saling beririsan. Berdasarkan hasil tersebut, Naive Bayes lebih efektif dibandingkan KNN untuk klasifikasi genre film pada dataset yang digunakan.
Analisis Metode Pengembangan Perangkat Lunak pada Sistem Informasi Desa: Tinjauan Literatur Sistematis Ferra Anggun Lestari; Nesya Afniz Zakiyah; Nava Aulia; Erika Dwi Safitri; Saiful Ulya
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1975

Abstract

Digitalisasi pelayanan desa melalui Sistem Informasi Desa (SIDES) menjadi langkah penting untuk mengatasi permasalahan administrasi manual seperti lambatnya pelayanan, tingginya potensi kesalahan pencatatan, dan duplikasi nomor surat. Berbagai metode pengembangan perangkat lunak seperti Waterfall, Prototype, RAD, Agile, dan Scrum telah digunakan pada penelitian-penelitian terkait, namun belum banyak kajian yang secara komprehensif memetakan tren penggunaan metode tersebut sehingga metode paling efektif dan paling sering digunakan pada SIDES belum teridentifikasi dengan jelas. Penelitian ini bertujuan mengidentifikasi metode pengembangan perangkat lunak yang digunakan, menentukan metode yang paling dominan, serta menganalisis kelebihan dan kekurangan masing-masing metode pada pengembangan SIDES periode 2020-2026. Penelitian menggunakan pendekatan Systematic Literature Review (SLR) dengan kerangka PRISMA, melalui pencarian literatur pada Google Scholar berbantuan Publish or Perish yang menghasilkan 64 artikel awal, kemudian disaring menggunakan kriteria inklusi dan eksklusi hingga diperoleh 50 artikel untuk dianalisis. Hasil penelitian menunjukkan metode Waterfall mendominasi (38%) karena kesesuaiannya dengan kebutuhan administrasi desa yang stabil, mayoritas literatur menunjukkan bahwa penerapan metode Waterfall pada SIDES secara umum efektif meningkatkan efisiensi waktu pelayanan dan meminimalkan kesalahan pencatatan data. Meski demikian, sejak 2022 terjadi pergeseran tren ke metode adaptif seperti Agile, RAD, dan Prototype seiring kebutuhan desa yang semakin dinamis.
Kesenjangan Pertumbuhan Pasar dan Kapasitas Developer Lokal Pada Industri Game Indonesia: Tinjauan Literatur Sistematis Gellzio Islamik Bob Chaesar; Rifky Ekka Putra; Saiful Ulya
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1985

Abstract

  Transformasi digital telah mendorong industri game Indonesia tumbuh pesat, namun kontribusinya terhadap perekonomian nasional dan daya saing pengembang lokal masih tertinggal dibandingkan skala pasarnya. Penelitian ini bertujuan menganalisis pola perkembangan industri game Indonesia dari sisi teknologi, ekonomi digital, jumlah pengguna, serta perkembangan dan hambatan pengembang lokal. Penelitian menggunakan pendekatan kualitatif melalui studi literatur atas artikel yang terindeks SINTA dan Google Scholar, dilengkapi data sekunder dari lembaga resmi seperti APJII dan Kemenparekraf, yang dianalisis secara tematik. Hasil kajian menunjukkan bahwa penetrasi internet yang meningkat dari 64,8% (2018) menjadi 79,5% (2024) menjadi pendorong utama populasi gamer, sementara pangsa pasar pengembang lokal justru menyusut dari kisaran 9,5% menjadi di bawah 5% akibat dominasi penerbit asing, keterbatasan permodalan, dan lemahnya distribusi. Dukungan kebijakan seperti Perpres No. 19/2024 dan program Baparekraf Game Prime belum sepenuhnya mengubah posisi tawar developer lokal. Penelitian menyimpulkan bahwa pertumbuhan pasar tidak otomatis berbanding lurus dengan penguatan ekosistem produksi dalam negeri, sehingga diperlukan intervensi terintegrasi pada aspek pendanaan, distribusi, dan talenta.
Analisis Spatiotemporal Pergerakan Pengunjung Ruang Tunggu Rumah Sakit Menggunakan YOLO dan Multi-Object Tracking Ardiansyah Ardiansyah; Nisrina Akbar Rizky Putri; Rezyana Budi Syahputri
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1987

Abstract

Peningkatan pemanfaatan layanan kesehatan sebesar 6,6% dibandingkan tahun sebelumnya meningkatkan tekanan terhadap kapasitas pelayanan, sementara standar waktu tunggu rawat jalan ditetapkan <60 menit dan pada kondisi aktual masih ditemukan waktu tunggu >130 menit. Kondisi tersebut menunjukkan kebutuhan akan informasi operasional yang objektif untuk memahami kepadatan dan pergerakan pengunjung secara real-time. Penelitian ini bertujuan mengembangkan analisis spatiotemporal pergerakan pengunjung ruang tunggu rumah sakit berbasis video Closed-Circuit Television (CCTV) menggunakan You Only Look Once (YOLO) dan Multi-Object Tracking (MOT), berbeda dengan pemanfaataan sensor dan pencatatan manual, keduanya rentan bias dalam mengekstraksi dinamika spatiotemporal seperti pola lintasan maupun pemetaan kepadatan area. Penelitian menggunakan YOLOv8n-seg dan YOLOv11n-seg yang dikombinasikan dengan Deep OC-SORT dan StrongSORT pada video dengan frame rate 10 FPS dan 15 FPS. Hasil evaluasi deteksi menunjukkan bahwa kedua model memiliki performa yang tinggi, dengan Precision 0,972 dan Recall 0,971 pada YOLOv8n-seg serta Precision 0,969 dan Recall 0,974 pada YOLOv11n-seg; mAP50 masing-masing mencapai 0,985 dan 0,986, sedangkan F1-Score keduanya sebesar 0,971. Hasil estimasi occupancy menunjukkan bahwa kombinasi YOLOv8n-seg dan Deep OC-SORT menghasilkan MAE 0,94 orang, RMSE 1,31 orang, MAPE 5,98%, dan R² 0,8218 pada 15 FPS. Hasil tracking selanjutnya digunakan untuk membentuk trajectory, heatmap, dan perubahan occupancy terhadap waktu serta diintegrasikan ke dalam dashboard analitik real-time. Penelitian ini menunjukkan bahwa integrasi YOLO dan MOT dapat mentransformasikan data CCTV menjadi informasi spasial dan temporal yang objektif untuk mendukung pemantauan kepadatan ruang tunggu rumah sakit.
Pengembangan Model Prediksi Daya Surya Jangka Pendek Menggunakan Ensemble Random Forest dengan Rekayasa Fitur Temporal Christio Revano Mege; Ferizandi Qauzar Gani; Septia Eka Marsha Putra; Friska Hasugian
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1998

Abstract

Ketersediaan listrik di wilayah terpencil Indonesia masih menghadapi tantangan akibat ketergantungan pada generator diesel dan sifat intermiten energi surya. Penelitian ini bertujuan mengembangkan model prediksi daya panel surya jangka pendek berbasis Random Forest multi-output dengan memanfaatkan data historis tiga jam untuk meramalkan keluaran daya pada horizon 30 menit ke depan. Data diperoleh dari sistem panel surya 50 Wp yang dilengkapi sensor arus, tegangan, dan suhu, direkam setiap 10 detik selama periode 1 bulan. Setelah pra-pemrosesan dan resampling ke resolusi satu menit, dilakukan rekayasa fitur meliputi komponen waktu siklik, lag features, statistik bergerak, serta diferensiasi. Dataset supervised dibentuk melalui pendekatan sliding window, di mana model memanfaatkan data historis selama 180 menit sebagai input untuk meramalkan keluaran daya pada horizon 30 menit ke depan. Kemudian model dilatih menggunakan MultiOutputRegressor dengan 100 pohon keputusan. Hasil evaluasi menunjukkan bahwa model mampu mencapai nilai R² hingga 0,94 pada sampel terbaik, dengan MAE dan RMSE yang masih berada pada rentang dapat diterima untuk aplikasi mikrogrid skala laboratorium. Prediksi pada horizon menit ke-5 hingga ke-15 cenderung lebih akurat dibandingkan horizon ke-30. Model ini menawarkan keseimbangan antara akurasi, interpretabilitas, dan efisiensi komputasi, sehingga berpotensi mendukung pengelolaan energi proaktif pada sistem mikrogrid berbasis surya di wilayah terpencil. Pengembangan lebih lanjut disarankan melalui penambahan variabel meteorologi eksternal dan pendekatan hibrida untuk meningkatkan kinerja pada kondisi cuaca dinamis.