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 87 Documents
Implementasi Multimedia Pembelajaran Interaktif untuk Mengembangkan Kemampuan Membaca di SDN Ndata Berbasis Android Roy, Yunarti Raji; Talakua, Alfrian C
sudo Jurnal Teknik Informatika Vol. 3 No. 2 (2024): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i2.562

Abstract

  Media pembelajaran merupakan alat bantu audio-visual yang dapat digunakan oleh pengajar, contohnya seperti Media Visual, Media Audio, Media Audio Visual, untuk membantu jalannya pembelajaran agar lebih efektif dan optimal.  Penelitian ini bertujuan untuk mengembangkan media pembelajaran berbasis Android guna membantu siswa kelas 1 SDN NDATA dalam meningkatkan kemampuan membaca permulaan mereka. Media pembelajaran ini dibangun dengan menggunakan software Unity dan metode Multimedia Development Life Cycle (MDLC) yang meliputi tahapan anlisis, perancangan, pengembangan, pengujian, implementasi dan evaluasi. Hasil dari penelitian ini adalah sebuah aplikasi Android yang menampilkan media pembelajaran membaca alfabeth, kemudian aplikasi yang dihasilkan akan ditampilkan pada layar perangkat Android lengkap mulai dari membaca alfabeth, membaca kata, hingga membaca kalimat. Dengan adanya aplikasi ini, diharapkan dapat membantu siswa dalam proses belajar membaca sehingga dapat meningkatkan kemampuan membaca permulaan mereka.
Implementasi Algoritma Deep Learning pada Aplikasi Speech to Text Online dengan Metode Recurrent Neural Network (RNN) Lubis, Nadhira; Siambaton, Mhd. Zulfansyuri; Aulia, Rachmat
sudo Jurnal Teknik Informatika Vol. 3 No. 3 (2024): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i3.583

Abstract

Pada era globalisasi, kemajuan teknologi informasi dan komunikasi telah membawa perubahan signifikan dalam berbagai aspek kehidupan manusia, termasuk cara kita berinteraksi dengan perangkat digital. Salah satu inovasi yang menonjol adalah teknologi Pengenalan Suara (Speech Recognition), yang merupakan bagian dari Web Speech API dalam bahasa pemrograman JavaScript. Teknologi ini mampu memahami dan memproses bahasa lisan, mengenali suara manusia, dan mengubahnya menjadi teks di komputer. Teknologi Pengenalan Suara memiliki peran penting dalam aplikasi Speech to Text Online. Teknologi ini diimplementasikan langsung di browser dan dapat diakses melalui Web Speech API dalam JavaScript. Karena manusia umumnya dapat berbicara lebih cepat daripada mengetik, aplikasi Speech to Text Online dirancang untuk memudahkan aktivitas yang berhubungan dengan pengetikan atau pembuatan catatan. Aplikasi ini menggunakan algoritma Deep Learning yang dilengkapi dengan metode Recurrent Neural Network (RNN). Metode RNN, sebagai bagian dari algoritma Deep Learning, memiliki kemampuan untuk mempelajari pola dari data yang kompleks dan abstrak. Hal ini membuatnya sangat efektif dalam pengenalan gambar, pemrosesan bahasa alami, pengenalan suara, dan banyak bidang lainnya. Oleh karena itu, RNN adalah metode yang tepat untuk diterapkan dalam algoritma Deep Learning pada aplikasi Speech to Text Online.  
Implementasi Algoritma K-Nearest Neighbor pada Aplikasi Sistem Pakar dalam Mendiagnosa Penyakit Scabies pada Kucing Anggriani, Rani; Saripurna, Darjat; Aulia, Rachmat
sudo Jurnal Teknik Informatika Vol. 3 No. 3 (2024): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i3.585

Abstract

Scabies pada kucing merupakan masalah kesehatan yang umum terjadi dan membutuhkan penanganan yang tepat untuk mencegah penyebaran serta komplikasi. Scabies salah satu penyakit kulit yang disebabkan oleh tungau yang bersarang dan bertelur di kulit terutama pada kuping. Penyakit ini juga termasuk penyakit yang dapat menular dari kucing kekucing maupun dari kucing kemanusia. Kurangnya pengetahuan pemelihara kucing tentang penyakit scabies pada kucing maka dibangunlah aplikasi sistem pakar dalam mendiagnosa penyakit scabies pada kucing untuk memudahkan pemelihara kucing dalam mengetahui penyakit scabies pada kucing. Sistem pakar adalah suatu sistem yang dibangun dengan memanfaatkan kecerdasan buat yang  dapat berpikir seperti seorang pakar atau ahli. Sistem pakar ini berisikan pengetahuan mengenai penyakit scabies berdasarkan gejala yang dialami oleh kucing. Berdasarkan data yang penulis dapatkan maka digunakanlah algoritma K-Nearest Neighbor. Algoritma K-Nearest Neighbor merupakan suatu algoritma dengan sistem kerja mencari jarak terdekat atau tetangga antara data training dengan data uji berdasarkan nilai bobot yang telah ditetapkan. Algoritma K-Nearest Neighbor ini digunakan sebagai perhitungan pada aplikasi sistem pakar dalam mendiagnosa penyakit scabies.
Perbandingan Sistem Prediksi Menggunakan Metode Monte Carlo dengan Metode K-NN pada Nilai Peserta Didik Uji Kompetensi Kejuruan Azzahrah, Azzahrah; Sari, Indah Purnama
sudo Jurnal Teknik Informatika Vol. 3 No. 3 (2024): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i3.621

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja dua metode prediksi, yaitu Monte Carlo dan K-Nearest Neighbors (K-NN), dalam memprediksi nilai peserta didik pada Uji Kompetensi Kejuruan (UKK). Monte Carlo dikenal sebagai metode statistik yang menggunakan simulasi acak untuk menghasilkan hasil prediktif, sementara K-NN adalah metode pembelajaran mesin yang menggunakan tetangga terdekat untuk klasifikasi dan regresi. Dalam penelitian ini, data nilai peserta didik dikumpulkan dan dibagi menjadi data latih dan data uji. Akurasi prediksi dari kedua metode tersebut dihitung dan dibandingkan. Hasil penelitian menunjukkan bahwa metode Monte Carlo memberikan akurasi prediksi sebesar 85,26%, sedangkan metode K-NN memberikan akurasi prediksi sebesar 85,37%. Dengan demikian, K-NN sedikit lebih unggul dalam hal akurasi prediksi dibandingkan Monte Carlo. Penelitian ini memberikan wawasan berharga dalam memilih metode prediksi yang lebih efektif untuk evaluasi nilai peserta didik pada UKK.
Rancang Bangun Keamanan Pintu Ruangan Menggunakan ESP 32 CAM dan Blynk Berbasis Internet of Things Tanjung, M. Iqbal; Maulana, Halim
sudo Jurnal Teknik Informatika Vol. 3 No. 3 (2024): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i3.633

Abstract

Keamanan adalah hal yang paling penting dalam kehidupan. Setiap orang membutuhkan lebih banyak keamanan di tempat tinggal mereka. Diharapkan bahwa sistem keamanan yang dirancang dengan baik akan memberikan rasa aman dan nyaman. Selain itu, tentunya sistem keamanan yang akan dibuat ini akan membantu mengurangi tingkat kriminalitas di masyarakat, terutama pencurian Keamanan pintu saat ini seperti menggunakan kunci konvensional. Jadi, kurang efisien untuk digunakan pada pintu karena terlalu banyak kunci yang harus dibawa, selain itu kunci konvensional mudah dibuka oleh pencuri. Pada penelitian ini, penulis membuat alat keamanan pintu untuk membantu masyarakat. Alat ini dibuat oleh penulis untuk memungkinkan masyarakat mengalami perkembangan seperti pintu dapat dikontrol melalui smartphone dan dimonitor secara otomatis menggunakan ESP32 CAM dan keamanan untuk membuka sebuah ruangan dengan berbasis teknologi Internet of Things (IOT) melalui media jaringan internet. Berdasarkan pengujian yang dilakukan, sistem ini mampu merespon dengan baik terhadap keamanan sebuah ruangan.
Implementasi Kinerja Algoritma Backward Chaining dalam Mengidentifikasi Kerusakan Truk Mitsubishi Fuso FN 572 ML pada CV Mitra Sumber Sukses Harahap, Farhan Zulkarnaen; Sari, Indah Purnama
sudo Jurnal Teknik Informatika Vol. 3 No. 4 (2024): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i4.665

Abstract

Sistem pakar merupakan salah satu bentuk kecerdasan buatan yang digunakan untuk mengadopsi pengetahuan pakar dalam menyelesaikan masalah tertentu. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis backward chaining yang dapat membantu dalam mengidentifikasi kerusakan truk Mitsubishi Fuso FN 572 ML pada CV. Mitra Sumber Sukses. Truk dengan kapasitas besar ini sangat penting dalam transportasi industri, namun ketika terjadi kerusakan, identifikasi yang cepat dan akurat sangat diperlukan untuk mengurangi downtime dan biaya perbaikan. Algoritma backward chaining digunakan dalam sistem ini untuk menarik kesimpulan dari gejala-gejala kerusakan yang diinputkan pengguna. Sistem pakar ini dirancang menggunakan bahasa pemrograman PHP dengan basis data MySQL dan diimplementasikan sebagai aplikasi berbasis web. Hasil pengujian menunjukkan bahwa sistem berhasil mencapai tingkat akurasi sebesar 80,5. Dengan pendekatan ini, sistem mampu memberikan mengidentifkasi kerusakan secara lebih cepat dan efisien dibandingkan metode manual, sehingga dapat mendukung teknisi dalam memperbaiki kerusakan dengan lebih tepat. Uji coba terhadap sistem menunjukkan bahwa sistem mampu mengidentifikasi berbagai jenis kerusakan secara akurat dan memberikan solusi yang sesuai.
Implementasi Metode Gray Level Co-Occurrence Matrix Menganalisis Tekstur Kulit Wajah Naibaho, Rizky Fauzan; Sari, Indah Purnama
sudo Jurnal Teknik Informatika Vol. 3 No. 4 (2024): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i4.668

Abstract

GLCM merupakan metode analisis gambar yang dapat mengukur berbagai fitur tekstur seperti kontras, korelasi, energi, dan homogenitas dari gambar bergradasi abu-abu. Skripsi ini bertujuan untuk mengeksplorasi efektivitas GLCM dalam mengekstraksi dan menganalisis informasi tekstur dari kulit wajah, serta aplikasinya dalam bidang seperti deteksi penyakit kulit dan pengenalan wajah. dalam penelitian ini, gambar kulit wajah dikumpulkan dan diproses menggunakan teknik GLCM untuk menghasilkan matriks co-occurrence pada berbagai jarak dan sudut. Fitur-fitur tekstur yang dihasilkan dari GLCM kemudian dianalisis untuk menentukan pola-pola tekstur khas yang dapat dikaitkan dengan kondisi kulit atau identitas individu. Hasil penelitian menunjukkan bahwa GLCM dapat memberikan informasi tekstur yang signifikan dan relevan dalam konteks analisis kulit wajah, dengan potensi aplikasi dalam teknologi kesehatan dan keamanan.
Penerapan Algoritma Decision Tree untuk Meningkatkan Ketepatan Klasifikasi Kerusakan Alat Berat Berbasis Website Nasution, Indah Khairani; Nasution, Khairuddin; Siambaton, Mhd. Zulfansyuri
sudo Jurnal Teknik Informatika Vol. 3 No. 4 (2024): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v3i4.741

Abstract

Penelitian ini bertujuan untuk meningkatkan ketepatan prediksi kerusakan alat berat pada perusahaan Grand Indo Perkasa, yang bergerak di bidang penambangan batu bara di Sumatera Selatan. Kerusakan alat berat sering menjadi masalah kritis yang dapat menghambat operasi, meningkatkan biaya, dan mengurangi produktivitas. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan aplikasi berbasis web menggunakan algoritma Decision Tree C4.5, yang dirancang untuk menganalisis data historis kerusakan dan memprediksi potensi masalah secara lebih akurat. Proses penelitian meliputi pengumpulan data melalui observasi, wawancara, dan studi literatur, serta pemodelan sistem dengan alat bantu UML. Data yang digunakan terdiri dari informasi terkait lima jenis alat berat dengan total 58 seri, 9 merek, dan 16 model. Algoritma C4.5 diterapkan untuk menentukan pola dari atribut kerusakan, menghasilkan pohon keputusan yang mendasari sistem prediksi. Perhitungan gain menunjukkan atribut ke-9 sebagai node akar, menjadi dasar untuk keputusan lanjutan. Hasil penelitian menunjukkan bahwa aplikasi ini mampu meningkatkan efisiensi manajemen alat berat dengan menurunkan downtime dan mempercepat diagnosa. Implementasi berbasis web memberikan keuntungan aksesibilitas tinggi, memungkinkan teknisi dan manajer untuk memantau kondisi alat berat secara real-time dan mengambil tindakan preventif secara tepat waktu. Penelitian ini membuktikan bahwa integrasi algoritma Decision Tree dengan aplikasi berbasis web merupakan solusi efektif untuk mendukung operasional di sektor pertambangan batu bara.
Sistem Smart Class Berbasis Internet of Things (IoT) Sari, Indah Purnama; Apdilah, Dicky; Guntur, Surya
sudo Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i1.778

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Smart Class berbasis Internet of Things (IoT) yang dapat meningkatkan efisiensi absensi dan keamanan lingkungan belajar di kelas. Sistem ini mengintegrasikan teknologi pengenalan wajah dan deteksi gerakan untuk absensi otomatis, serta menggunakan sensor asap MQ-2, Flame sensor, ESP32-Cam, dan sensor PIR untuk monitoring dan kontrol kondisi lingkungan. Metode penelitian mencakup desain dan pengujian perangkat keras serta integrasi sistem dengan aplikasi Blynk.cloud dan Telegram BotFather untuk pemantauan real-time. Hasil penelitian menunjukkan bahwa sistem mampu mengautomasi proses absensi dengan akurat dan memberikan peringatan dini terhadap adanya api atau asap melalui indikator yang terhubung seperti kipas, LED, dan buzzer. Pengujian juga menunjukkan bahwa sistem efektif dalam mendeteksi dan merespons kondisi berbahaya, meningkatkan keamanan dan kenyamanan di ruang kelas. Penelitian ini diharapkan menjadi dasar untuk pengembangan lebih lanjut dan penerapan sistem Smart Class yang lebih canggih di lingkungan pendidikan.
Penggunaan Algoritma K-Nearest Neighbor (K-NN) untuk Diagnosa Penyakit Apendisitis Atmaja, Niko Surya; Sabri, Khairul
sudo Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Edisi Maret
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i1.782

Abstract

Apendisitis adalah peradangan pada usus buntu yang memerlukan penanganan tepat untuk mencegah komplikasi serius. Gejala umumnya meliputi nyeri perut, mual, muntah, demam, kehilangan nafsu makan, diare, perut kembung, serta nyeri saat berjalan atau batuk. Dalam praktik medis, dokter biasanya mengetahui penyakit apendisitis berdasarkan gejala yang dialami pasien saat konsultasi. Namun, pengetahuan tersebut sering kali tidak mempertimbangkan data rekam medis pasien secara mendalam. Rekam medis apendisitis menyimpan data pasien yang telah terkonfirmasi menderita penyakit ini, sehingga pemanfaatannya dapat meningkatkan keyakinan hasil diagnosa. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) untuk mengevaluasi data rekam medis guna menentukan kemungkinan pasien menderita apendisitis dengan lebih akurat.