cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhamad Fuat Asnawi
Contact Email
jurnal.storage@gmail.com
Phone
+6285292912229
Journal Mail Official
jurnal.storage@gmail.com
Editorial Address
Jl. Bunga Cempaka No. 51D. Medan. Indonesia
Location
Kota medan,
Sumatera utara
INDONESIA
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Published by Yayasan Literasi Sains Indonesia
ISSN : -     EISSN : 28285344     DOI : https://doi.org/10.55123/storage
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering
STORAGE adalah Jurnal Ilmiah Teknik dan Ilmu Komputer yang diterbitkan 4 (empat) kali dalam setahun, yaitu pada bulan Februari, Mei, Agustus dan November oleh Yayasan Literasi Sains Indonesia. Jurnal ini merupakan jurnal yang dapat akses secara terbuka bagi para Peneliti, Mahasiswa dan Dosen yang ingin mempublikasikan hasil penelitiannya pada bidang Teknik dan Ilmu Komputer. STORAGE adalah wadah informasi berupa hasil penelitian, studi kepustakaan, gagasan, aplikasi teori dan kajian analisis kritis dibidang perkembangan teknologi terkini yang meliputi bidang Arsitektur, Teknik Sipil, Teknik Mesin dan Ilmu Komputer.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 134 Documents
 10   11   12   13   14 
IMPLEMENTASI YOLOV8 UNTUK DETEKSI DAN KLASIFIKASI TINGKAT KEMATANGAN BUAH MANGGA BERDASARKAN CITRA DIGITAL Satria, Faldo; Edhy Poerwandono
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6381

Abstract

Penelitian ini mengembangkan sistem otomatis untuk mengklasifikasikan kematangan buah mangga menggunakan algoritma YOLOv8 berbasis citra digital, guna mengatasi ketidakakuratan sortir manual oleh petani. Sistem ini menganalisis ciri visual seperti warna dan tekstur secara real-time. Hasil pengujian menunjukkan performa model yang sangat baik dengan mean Average Precision (mAP50) mencapai 94,19%, presisi 94,52%, dan recall 91,85%. Sistem ini diimplementasikan dalam aplikasi mobile untuk petani dan distributor, memperkenalkan teknologi AI guna meningkatkan efisiensi di sektor pertanian.
KEAMANAN TRANSMISI DATA PADA SISTEM IOT MELALUI PENERAPAN METODE CHECKSUM SHA-256, AES-128 UNTUK PENCEGAHAN DATA TAMPERING I Putu, I Putu Bayu Krisna Priastawan; Nugroho budhisantosa; Popong Setiawati; Imam Sutanto
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6428

Abstract

MQTT is a communication protocol in IoT that operates using a publish-subscriber scheme, where the publisher sends data to the broker and the data is forwarded to subscribers that are subscribed to the respective topic. Protecting data from cyberattack threats is one of the critical aspects, particularly against manipulation attempts such as data tampering attacks that can make it inaccurate and even potentially produce false information. Therefore, methods such as the SHA-256 checksum, the salt technique, and AES-128 can be utilized to prevent data tampering threats. Based on the testing results, the average detection and prevention rate of data tampering attacks reached 100%, and the average amount of data successfully received by the subscriber was 94% of the total topic data transmissions during the testing. The developed security system is not yet perfect, because the system can only prevent attacks on the subscriber side. To fully prevent data tampering attack, additional security measures such as TLS, SSL, or using port 8883 on MQTT are required so that communication can take place privately.
Analisis Sentimen Tanggapan Pengguna Aplikasi Bale by BTN Menggunakan Metode Support Vector Machine (SVM) Setiawan, Ahmat; Hasan, Firman Noor
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6469

Abstract

Dalam era digital yang kian berkembang, analisis sentimen pada komentar pengguna dijadikan alat penting untuk mengevaluasi kualitas aplikasi mobile banking. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna pada aplikasi bale by BTN yang diluncurkan pada Februari 2025 sebagai penyempurna dari aplikasi BTN Mobile. Metode yang digunakan meliputi scraping data ulasan dari Google Play Store, preprocessing teks (case folding, normalisasi, tokenisasi, stopword removal, dan stemming), pelabelan berdasarkan kamus lexicon-based approach, serta pembangunan klasifikasi model dengan algoritma Support Vector Machine dengan TF-IDF vectorization. Dari 2.000 data awal, diperoleh 1.767 data valid yang dianalisis. Hasil menunjukkan bahwa model SVM mencapai akurasi sebesar 73,16%, dari 354 data testing dengan distribusi sentimen: positif (52,57%), dan negatif (47,43%). Model menunjukkan performa terbaik dalam mengklasifikasi sentimen Positif dengan precision 0.73, recall 0.80, dan F1-score 0,77 pada 194 data sedangkan pada sentimen negatif, model menunjukan hasil cukup baik dengan precision 0.73, recall 0.65, dan F1-score 0.69 pada 160 data.
Analisis Sentimen Komentar Youtube Terhadap Wawancara Presiden Prabowo Menggunakan Machine Learning Dan Orange Data Mining E.V. Sihombing, Kristina; A. Ineke Pakereng, Magdalena
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6478

Abstract

Media sosial seperti Youtube telah menjadi platform utama dalam menyampaikan opini publik, termasuk dalam isu-isu politik nasional. Penelitian ini bertujuan untuk menganalisis sentimen komentar publik terhadap video wawancara Presiden Prabowo Subianto yang ditayangkan di kanal Youtube Najwa Shihab. Komentar yang dikumpulkan melalui Youtube API diproses menggunakan tahapan text preprocessing dan pelabelan semi-supervised dengan Orange Data Mining. Tiga algoritma machine learning Naive bayes, Random Forest, dan Support Vector Machine (SVM) digunakan untuk melatih model klasifikasi sentimen. Hasil evaluasi menunjukkan bahwa SVM menghasilkan kinerja terbaik dengan akurasi sebesar 74% dan f1-score tertimbang 0.73. Random Forest mencapai akurasi 73%, sedangkan Naïve Bayes 66%. Temuan ini menunjukkan bahwa model klasik memiliki keterbatasan dalam memahami konteks dan sentimen tersirat, khususnya pada komentar berbahasa tidak formal. Oleh karena itu, penelitian selanjutnya disarankan menggunakan pendekatan deep learning seperti BERT dan metode pelabelan manual untuk meningkatkan kualitas klasifikasi.
SEGMENTASI BANGUNAN PERKOTAAN PADA CITRA SATELIT BERESOLUSI TINGGI: CNN, U-NET (VGG16), DAN DEEPLABV3+ (RESNET-50) Putu Haryaka Setadewa; Kadek Yota Ernanda Aryanto; Luh Joni Erawati Dewi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6552

Abstract

Seiring meningkatnya laju urbanisasi di Indonesia, kebutuhan pemetaan bangunan yang akurat menjadi semakin penting untuk mendukung perencanaan tata ruang, mitigasi bencana, dan pengelolaan infrastruktur perkotaan. Pendekatan konvensional berbasis survei manual dinilai kurang efisien, terutama di wilayah dengan pertumbuhan pesat. Oleh karena itu, pemanfaatan citra satelit dan Deep learning menjadi solusi potensial untuk identifikasi bangunan secara otomatis. Penelitian ini membandingkan performa tiga model segmentasi bangunan pada citra satelit resolusi tinggi: CNN konvensional (CNN-K), U-Net berbasis VGG16 (U-VGG), dan DeepLabV3+ dengan ResNet-50 (DL-ResNet). Dataset terdiri atas 1.216 patch citra dari kawasan Bali Selatan yang telah dilabeli dan diaugmentasi. Evaluasi dilakukan menggunakan metrik akurasi, IoU, dice coefficient, precision, recall, dan F1-score. Hasil menunjukkan U-VGG unggul (dice 89%, IoU 81%) dengan keseimbangan presisi dan efisiensi, sementara DL-ResNet mendekati hasilnya (dice 85%, IoU 80%) tetapi memerlukan sumber daya komputasi lebih besar. CNN-K mengalami overfitting dengan performa terendah.
PERANCANGAN SISTEM E-COMMERCE J2 KOPI TAKENGON BERBASIS WEB MENGGUNAKAN METODE CONTENT-BASED FILTERING Masdaliva, Fita; Rakhmat Kurniawan R
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6578

Abstract

J2 Kopi Takengon sebagai unit usaha di bawah CV Bali Bangkit, masih menghadapi kendala karena proses penjualan bubuk kopi dilakukan secara manual melalui aplikasi WhatsApp, sehingga jangkauan pasar terbatas dan pelayanan kurang efisien. Penelitian ini bertujuan untuk merancang sistem e-commerce berbasis web dengan fitur rekomendasi produk menggunakan metode Content-Based Filtering (CBF). Pengembangan sistem dilakukan dengan model Rapid Application Development (RAD) melalui tahapan perencanaan kebutuhan, desain, konstruksi, dan implementasi. Sistem rekomendasi dibangun melalui tahapan data collection, text preprocessing, pembobotan kata menggunakan TF-IDF, perhitungan kemiripan dengan cosine similarity, serta penyajian hasil melalui Top-N Recommendation. Hasil penelitian menunjukkan bahwa varian Natural menjadi rekomendasi utama dengan skor kemiripan tertinggi, diikuti oleh Wine, sedangkan Full Wash, Semi Wash, dan Honey tetap relevan sebagai rekomendasi alternatif. Sistem ini berkontribusi dalam memperluas jangkauan pasar, meningkatkan daya saing usaha, serta menghadirkan pengalaman belanja online yang lebih personal dan interaktif.
INTEGRASI SENSOR KESUBURAN TANAH BERBASIS MODBUS RS485 PADA SISTEM MONITORING PERTANIAN PRESISI BERBASIS DATA Ilham, Ilham Ariawan Al Ashar; Hermawan; Muslim Hidayat; Jenny Febrina Andini; Muhamad Fuat Asnawi
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6585

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menguji sistem monitoring kesuburan tanah berbasis Modbus RS485 yang mampu beroperasi secara mandiri tanpa koneksi internet, sebagai solusi offline smart farming di wilayah dengan keterbatasan jaringan. Sistem dirancang menggunakan sensor multiparameter 7-in-1 yang mendeteksi pH, EC, NPK, suhu, dan kelembapan tanah, terintegrasi dengan Human Machine Interface (HMI) untuk menampilkan data secara real-time. Proses akuisisi dan transmisi data dilakukan melalui komunikasi serial industri RS485, memungkinkan pengiriman data hingga 60 meter dengan tingkat stabilitas tinggi. Hasil pengujian menunjukkan sistem mampu mencapai akurasi pengukuran sebesar 96,8% dengan konsumsi daya hanya 1,8 W, sehingga efisien untuk aplikasi lapangan. Secara teknis, sistem ini menunjukkan potensi integrasi embedded system, edge computing, dan komunikasi data industri dalam mendukung digitalisasi pertanian presisi. Pendekatan ini relevan bagi penerapan smart agriculture di daerah rural tanpa infrastruktur jaringan, sekaligus mendukung arah kebijakan Transformasi Pertanian Digital Nasional. Hasil penelitian ini diharapkan menjadi dasar bagi pengembangan arsitektur offline digital agriculture yang efisien, reliabel, dan berkelanjutan untuk monitoring kesuburan tanah berbasis data lokal
PERBANDINGAN ALGORITMA KNN, NAIVE BAYES DAN SVM UNTUK KLASIFIKASI STATUS STUNTING ANAK BALITA DI PUSKESMAS SEPATAN Bashir, Pandu; Diah Aryani
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6591

Abstract

Penelitian ini membandingkan kinerja tiga Algoritma Machine Learning K-Nearest Neighbors (KNN), Naive Bayes (NB), dan Support Vector Machine (SVM) dalam mengklasifikasikan status stunting pada anak balita di Puskesmas Sepatan. Status stunting ditentukan berdasarkan indikator antropometri seperti berat badan, tinggi badan, dan usia. Penelitian menggunakan metode GridSearchCV untuk tuning hyperparameter dan mengevaluasi model berdasarkan Accuracy, Precision, Recall, F1-score, Specificity, dan ROC AUC. Hasil menunjukkan bahwa Naive Bayes memberikan performa terbaik dengan Accuracy 99,65%, Precision 99,67%, Recall 99,65%, F1-score 99,64%, Specificity 99,94%, dan ROC AUC 0,9999. Algoritma SVM dengan kernel linear berada di posisi kedua dengan akurasi 98,96% dan nilai ROC AUC sempurna (1,0000), sementara KNN memperoleh akurasi 96,36% dengan performa stabil pada kelas mayoritas namun menurun pada kelas minoritas. Secara keseluruhan, Naive Bayes terbukti sebagai algoritma yang paling optimal dalam penelitian ini, diikuti oleh SVM dan KNN. Temuan ini menunjukkan bahwa pemilihan algoritma Machine Learning sangat dipengaruhi oleh karakteristik data, khususnya distribusi kelas dalam dataset status gizi balita.
ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN HOTEL XYZ DI KOTA TANGERANG DENGAN ALGORITMA SVM Sudirman, Yamka; Dwi Sartika Simatupang
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6611

Abstract

Di era digital, reputasi online penting bagi industri perhotelan, dengan ulasan pelanggan yangsangat memengaruhi keputusan tamu. Ulasan positif dapat meningkatkan reservasi dan loyalitas, sedangkanulasannegatif berpotensi menurunkan pendapatan. Fenomena ini relevan bagi hotel XYZ Kota Tangerangyangmenghadapi persaingan ketat. Oleh karena itu, analisis sentimen berbasis aspek menjadi penting, memungkinkanidentifikasi opini positif atau negatif pada aspek spesifik seperti fasilitas, kamar, kebersihan, dan pelayananuntuk memahami opini pelanggan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pelangganterhadap Hotel XYZ di Kota Tangerang berdasarkan empat aspek utama, yaitu fasilitas, kamar, kebersihan, danpelayanan. Metode yang digunakan adalah algoritma Support Vector Machine (SVM) dengan pendekatananalisis sentimen berbasis aspek. Data dikumpulkan melalui web scraping dan dilabeli menggunakanmetodelexicon-based. Proses preprocessing dan transformasi data dilakukan menggunakan metode TF-IDFuntukmenghasilkan representasi numerik yang relevan. Penanganan ketidakseimbangan data dilakukan menggunakanteknik SMOTE. Pengujian dilakukan terhadap parameter C pada rentang 1 hingga 5. Hasil menunjukkanbahwaaspek fasilitas memiliki performa paling stabil dengan nilai F1-Score yaitu 90%, sedangkan aspek pelayananmenunjukkan performa terendah. Nilai parameter C = 3 memberikan hasil paling optimal pada sebagianbesaraspek, terutama untuk data dengan distribusi sentimen yang tidak seimbang.
OPTIMASI MODEL PREDIKSI EXTREME GRADIENT BOOSTING DENGAN GENETIC ALGORITHM UNTUK PRODUKSI DAN PRODUKTIVITAS PADI Wirakusuma, Kadek Ardy; Ni Putu Novita Puspa Dewi; Kadek Yota Ernanda Aryanto
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6633

Abstract

Produksi padi di Kabupaten Buleleng meningkat dari tahun 2021 hingga 2023, namun produktivitas justru menurun hingga 8%. Kondisi ini berpotensi mengganggu stabilitas pasokan beras di tengah pertumbuhan penduduk sebesar 4,59% per tahun. Diperlukan pendekatan prediktif berbasis kecerdasan buatan untuk memodelkan hubungan kompleks antar variabel pertanian. XGBoost dipilih karena kemampuannya dalam menangkap pola non-linear dan sering digunakan dalam analisis data pertanian, sementara Genetic Algorithm (GA) digunakan untuk menentukan kombinasi hiperparameter optimal guna meningkatkan performa model. Model XGBoost tanpa optimasi diterapkan sebagai pembanding untuk mengevaluasi efektivitas pendekatan hybrid. Hasil analisis menunjukkan bahwa optimasi hiperparameter berpengaruh signifikan terhadap hasil prediksi. Model GA-XGBoost menghasilkan tingkat kesalahan lebih rendah, dengan penurunan nilai MAPE sekitar 2,98% untuk prediksi produksi padi dan 0.21% untuk produktivitas dibandingkan dengan model standar atau default.

Page 13 of 14 | Total Record : 134

 10   11   12   13   14 

Filter by Year

2022 2025


Reset
Filter By Issues
All Issue Vol. 4 No. 4 (2025): November Vol. 4 No. 3 (2025): Agustus Vol. 4 No. 2 (2025): Mei Vol. 4 No. 1 (2025): Februari Vol. 3 No. 4 (2024): November Vol. 3 No. 3 (2024): Agustus Vol. 3 No. 2 (2024): Mei Vol. 3 No. 1 (2024): Februari Vol. 2 No. 4 (2023): November Vol. 2 No. 3 (2023): Agustus Vol. 2 No. 2 (2023): Mei Vol. 2 No. 1 (2023): Februari Vol. 1 No. 4 (2022): November Vol. 1 No. 3 (2022): Agustus Vol. 1 No. 2 (2022): Mei Vol. 1 No. 1 (2022): Februari More Issue