cover
Contact Name
Awang Pradana
Contact Email
awang.pradana@borneo.ac.id
Phone
+6285328066644
Journal Mail Official
jbit@borneo.ac.id
Editorial Address
Jalan amal lama no 1 tarakan timur
Location
Kota tarakan,
Kalimantan utara
INDONESIA
Jurnal Borneo Informatika dan Teknik Komputer (JBIT)
ISSN : 28088190     EISSN : 28086600     DOI : https://doi.org/10.35334/jbit.v1i1
Jurnal Borneo Informatika dan Teknik Komputer (JBIT) (P-ISSN: 2808-8190, E-ISSN: 2808-6600) is a forum for academics and practitioners to publish scientific papers, research results, literature, and analytical studies that focus on the fields of computer science and computer engineering. JBIT is published regularly twice a year in April and October by the Computer Engineering Department, Faculty of Engineering, Universitas Borneo Tarakan with 5 articles in each issue. The focus and scope of this journal is research and studies on the latest issues related to the field of computer science and computer engineering for the development of border areas and tropical marine resources. The following is an explanation related to the JBIT field: IoT and Embedded System, Robotics, Biomedical Engineering, Digital Networking and Multimedia, Information System, Cloud Computing, Machine Learning, Computer Vision, Data Mining, Information Retrieval, Digital Signal Processing, Human Computer Interaction, Image Processing, Mobile Computing, Augmented Reality, Web Technologies, Network Security and Cryptography, Computing Languages and Algorithms. The manuscripts submitted must be up-to-date articles and will be selected through a peer-reviewers process
Articles 47 Documents
Rancang Bangun Smartbox Penerimaan Paket Cash on Delivery dan Monitoring Kapasitas Berbasis Internet of Things Sri Widodo; Dedy Harto
Jurnal Borneo Informatika dan Teknik Komputer Vol 5, No 2 (2025): Edisi Oktober - Maret
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v5i2.6911

Abstract

Abstract: The growth of e-commerce has increased the demand for secure and efficient package delivery systems, especially for Cash on Delivery (COD) transactions. This study designs and implements an Internet of Things (IoT)-based Smartbox capable of automatically receiving and monitoring packages without the recipient's direct presence. The system uses an ESP32 as the main controller, a load cell sensor to measure package weight, an ultrasonic sensor to detect package height, and an ESP32-CAM to document the package and courier through photographs. Control and monitoring are carried out via the Blynk IoT application, which displays real-time data on package weight, height, and box capacity. Additionally, delivery documentation including photos and package information is automatically uploaded to Google Drive for easy access and verification. Test results show that all system components function accurately and are well-integrated under real-world conditions. This Smartbox system offers an innovative solution to enhance the security and convenience of COD-based package deliveries.Abstrak: Perkembangan e-commerce mendorong kebutuhan akan sistem penerimaan paket yang aman dan efisien, terutama untuk transaksi Cash on Delivery (COD). Penelitian ini merancang dan mengimplementasikan Smartbox berbasis Internet of Things (IoT) yang mampu menerima dan memantau paket secara otomatis tanpa kehadiran langsung penerima. Sistem ini menggunakan ESP32 sebagai pusat kendali, sensor load cell untuk mengukur berat paket, sensor ultrasonik untuk mendeteksi tinggi paket, serta ESP32-CAM untuk mendokumentasikan paket dan kurir melalui foto. Proses kendali dan monitoring dilakukan melalui aplikasi Blynk IoT yang menampilkan data berat, tinggi, dan kapasitas box secara real-time. Selain itu, dokumentasi pengiriman berupa foto dan informasi paket secara otomatis diunggah ke Google Drive untuk kemudahan akses dan verifikasi. Hasil pengujian menunjukkan bahwa semua komponen sistem bekerja secara terintegrasi dan akurat, serta dapat berfungsi dengan baik dalam kondisi nyata. Sistem Smartbox ini dapat menjadi solusi inovatif untuk menunjang keamanan dan kenyamanan pengiriman paket berbasis COD.Kata kunci: Cash on Delivery, Internet of Things, Smartbox, Sistem Monitoring.
Sistem Deteksi Otomatis Penggunaan Senjata Tajam Menggunakan YOLOv8n Deep Learning Nadziah Fitriani; Arif Fadllullah
Jurnal Borneo Informatika dan Teknik Komputer Vol 6, No 1 (2026): Edisi April - September
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v6i1.7316

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem deteksi objek senjata tajam berbasis deep learning menggunakan algoritma YOLOv8n. Sistem yang dikembangkan khusus pada pendeteksian tiga jenis senjata tajam, yaitu pisau, sabit, dan parang. Sebanyak 1.200 citra dikumpulkan, terdiri dari 600 citra primer dan 600 citra sekunder. Pada tahap konstruksi dataset, seluruh citra melalui proses anotasi dan augmentasi data yang meliputi penyesuaian saturasi, kecerahan, dan resize, sehingga diperoleh total 2.640 dataset. Dataset tersebut kemudian dibagi menjadi 2.160 data latih, 240 data validasi, dan 240 data uji. Model YOLOv8n dibor selama 100 epoch menggunakan 2.160 data training dan menghasilkan nilai box Precision sebesar 0,865, recall 0,815, mAP50 0,895, serta mAP50-95 sebesar 0,649. Hasil evaluasi pada pengujian data menunjukkan nilai precision 0,837, recall 0,819, dan F1-score 0,827. Kelas sabit memperoleh performa terbaik dengan precision 0,937, recall 0,913, dan F1-score 0,924. Pengujian sistem secara real-time pada jarak 1–4 meter menunjukkan deteksi yang responsif dengan rata-rata precision 0,824, recall 0,760, dan F1-score 0,790. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi senjata tajam secara efektif dan menampilkan hasil deteksi secara langsung sebagai referensi pengembangan sistem di berbagai lingkungan.
Perancangan Sistem Autonomous Drone Quadcopter dengan Sistem Waypoint Muhammad Taufiqurrohman; Rasional Sitepu; Sinung Widiyanto; Moch. In'am Zayyid Ramadhon
Jurnal Borneo Informatika dan Teknik Komputer Vol 5, No 2 (2025): Edisi Oktober - Maret
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v5i2.6910

Abstract

The development of quadcopter drone technology has progressed rapidly and has been utilized in various fields, including mapping, agriculture, surveillance, and scientific research. In the academic environment, drones play a role not only as objects of study, but also as a medium for learning and developing automated system technology. To support this, a flexible and autonomous drone platform is needed. ArduPilot as an open-source autopilot software, together with the Pixhawk flight controller, is a widely used solution because it supports various features such as waypoint navigation, auto takeoff, and return to launch. The system enables open, modular, and integrative development of UAVs with various sensors. This research aims to design and implement an autonomous quadcopter drone prototype based on ArduPilot and Pixhawk as a means of supporting research and practicum in the campus environment, in order to encourage cross-disciplinary collaboration and readiness to face the industrial era 4.0 and society 5.0.
Rancang Bangun Prototype Sistem Penyortir Warna Pada Buah Tomat Berbasis Arduino Syaiful Nugraha; Anwar Anwar; Agung Prayitno; Teddy Istanto
Jurnal Borneo Informatika dan Teknik Komputer Vol 5, No 2 (2025): Edisi Oktober - Maret
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v5i2.7018

Abstract

Manual sorting of tomatoes based on visual ripeness assessment
Comparative Analysis of Machine Learning Algorithms for Sentiment Classification on Restaurant Reviews Using TF-IDF Feature Extraction Ronald Manela Putra Jaya
Jurnal Borneo Informatika dan Teknik Komputer Vol 6, No 1 (2026): Edisi April - September
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v6i1.7586

Abstract

Pertumbuhan pesat platform ulasan restoran daring telah menghasilkan volume umpan balik tekstual yang besar dari pengguna, yang merangkum beragam opini pelanggan mengenai kualitas makanan, pelayanan, dan pengalaman bersantap secara keseluruhan. Penelitian ini melakukan analisis komparatif terhadap empat algoritme klasifikasi machine learning terawasi Logistic Regression, Naïve Bayes, Random Forest, dan Support Vector Machine (SVM) untuk klasifikasi sentimen multikelas pada ulasan restoran. Dataset yang terdiri dari 10.000 ulasan pelanggan dikumpulkan, dan setelah pembersihan data, 9.948 ulasan dipertahankan serta dikategorikan ke dalam tiga kelas sentimen negatif, netral, dan positif berdasarkan rating numeriknya. Data tekstual melalui pipeline praproses sistematis yang terdiri dari case folding, penghapusan tanda baca dan angka, penghapusan stopword, dan stemming, dilanjutkan dengan pembobotan Term Frequency Inverse Document Frequency (TF-IDF) dan seleksi fitur berbasis varians. Dataset dibagi dengan rasio 80:20, dan kinerja model dievaluasi menggunakan Accuracy, Precision, Recall, dan F1-score rata-rata makro. Hasil penelitian menunjukkan bahwa Random Forest memperoleh akurasi keseluruhan tertinggi, sedangkan SVM memperoleh F1-score makro tertinggi, yang menunjukkan bahwa akurasi saja dapat menyesatkan pada dataset yang tidak seimbang. Temuan ini menegaskan pentingnya pemilihan metrik evaluasi dan algoritma yang tepat dalam menangani tugas klasifikasi sentimen yang tidak seimbang pada domain ulasan restoran.
ANALISIS KOMPARATIF ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI SENTIMEN MULTI-KELAS BERITA ONLINE MULTI-DOMAIN MENGGUNAKAN TF-IDF Daniel Christian Gunawan; Albertus Dwiyoga Widiantoro
Jurnal Borneo Informatika dan Teknik Komputer Vol 6, No 1 (2026): Edisi April - September
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v6i1.7587

Abstract

Pesatnya pertumbuhan platform berita online memerlukan analisis sentimen otomatis di berbagai domain. Penelitian ini mengevaluasi dan membandingkan empat algoritma supervised machine learning Logistic Regression, Naïve Bayes, Random Forest, dan Support Vector Machine (SVM) untuk klasifikasi sentimen multi-kelas pada 3.500 artikel berita dalam tujuh kategori. Data teks mentah melalui tahap preprocessing (case folding, pembersihan URL/HTML, penghapusan tanda baca/angka, filtering stopword, dan stemming), dilanjutkan dengan vektorisasi TF-IDF serta seleksi fitur berbasis varians. Dataset dibagi menggunakan stratified split 80:20, dan model dievaluasi menggunakan Akurasi, Presisi, Recall, dan F1-score rata-rata makro untuk menangani ketidakseimbangan kelas. Di antara algoritma yang diuji, Random Forest meraih kinerja klasifikasi tertinggi dengan akurasi keseluruhan sebesar 75,10% dan macro F1-score sebesar 63,39%. Hasil ini memberikan wawasan praktis dalam pemilihan algoritma machine learning yang efektif untuk klasifikasi sentimen berita online multi-domain secara otomatis.
Sistem Informasi Pemesanan Menu dan Tempat pada MAN Cafe Berbasis Website dengan Pendekatan Agile Cahyaning Rizki Mulyaningsih; Salwa Salsabila; Dori Gusti Alex Candra; Tomy Nanda Putra
Jurnal Borneo Informatika dan Teknik Komputer Vol 6, No 1 (2026): Edisi April - September
Publisher : Jurusan Teknik Komputer, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jbit.v6i1.7605

Abstract

MAN Cafe faces operational challenges due to manual management of menu ordering and table reservation, leading to recording errors, service delays, and inefficient data management. This study aims to design and implement a website-based food ordering and table reservation information system using Agile methodology, integrated with data mining technique through the Apriori Algorithm for menu package recommendations. The system was developed using a modern technology stack: React.js for the frontend, Node.js, Supabase, and PostgreSQL for the backend. Core features include online menu ordering, real-time table reservation, integrated admin dashboard, sales reporting, and a purchase pattern analysis module. Black-Box Testing confirmed all system functions operate as expected. Performance testing recorded an average load time of 1.8 seconds with support for over 100 concurrent users. The Apriori Algorithm successfully identified menu association patterns such as “Espresso + Croissant” (Support: 25%, Confidence: 80%), potentially increasing sales by 15–20%. This system successfully digitizes MAN Cafe's operational processes and provides a data-driven analytical foundation for business decision-making.