cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Gunawan
Contact Email
gunawan@uho.ac.id
Phone
-
Journal Mail Official
anoatik@uho.ac.id
Editorial Address
Program Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Halu Oleo Kampus Hijau Bumi Tridharma Jalan H. E. A. Mokodompit, Anduonohu Kendari, Sulawesi Tenggara - Indonesia 93232
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
AnoaTIK: Jurnal Teknologi Informasi dan Komputer
Published by Universitas Halu Oleo
ISSN : -     EISSN : 29877652     DOI : https://doi.org/10.33772/anoatik
Core Subject : Science,
Computer Science & IT
AnoaTIK: Jurnal Teknologi Informasi dan Komputer (eISSN 2987-7652) merupakan salah satu jurnal yang dikelola oleh program studi Ilmu Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Halu Oleo. Terbit 2 (dua) kali dalam setahun pada bulan Juni dan Desember sebagai salah satu wadah publikasi ilmiah pada bidang teknologi informasi dan ilmu komputer berbahasa Indonesia.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 53 Documents
 2   3   4   5   6 
KOMPARASI ALGORITMA XGBOOST DAN ADABOOST UNTUK ANALISIS KLASIFIKASI KEPUASAN MAHASISWA ILMU KOMPUTER FMIPA UNIVERSITAS HALU OLEO TERHADAP PEMBELAJARAN DARING Jejen; Budi Wijaya Rauf; Muhammad Riansyah Tohamba
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.141

Abstract

Penelitian ini bertujuan untuk mengetahui hasil komparasi dua algoritma machine learning, yaitu Extreme Gradient Boosting (XGBoost) dan Adaptive Boosting (AdaBoost), dalam mengklasifikasikan tingkat kepuasan mahasiswa Ilmu Komputer FMIPA Universitas Halu Oleo terhadap pembelajaran daring. Pembelajaran daring telah menjadi salah satu inovasi penting dalam bidang pendidikan, dengan memanfaatkan teknologi informasi dan komunikasi sebagai media utama dalam proses pembelajaran. Efektivitas pembelajaran daring sangat dipengaruhi oleh berbagai faktor, seperti pemahaman materi, kemudahan interaksi, kemudahan pengumpulan tugas, pemanfaatan e-learning, fasilitas mengikuti kuliah daring, dan koneksi jaringan. Data diperoleh melalui kuesioner yang diisi oleh 80 mahasiswa Program Studi Ilmu Komputer FMIPA Universitas Halu Oleo. Pengujian kinerja algoritma menggunakan sistem analisis klasifikasi kepuasan mahasiswa. Parameter utama yang diuji berupa learning rate dan n_estimators. Evaluasi performa model dilakukan menggunakan metrik klasifikasi seperti akurasi, presisi, recall, F1-score, dan Area Under the Curve (AUC). Hasil pengujian menunjukkan bahwa AdaBoost mencapai AUC tertinggi sebesar 0.964 pada skenario II (70:30) dengan parameter learning rate 0.3 dan n_estimator 200. Sementara, XGBoost memperoleh AUC sebesar 0.914 pada skenario II (70:30) dengan parameter larning rate 0.1, 0.2 dan 0.3 pada seluruh variasi jumlah n_estimator. Hasil AUC tersebut menunjukkan bahwa algoritma AdaBoost lebih unggul dibandingkan XGBoost
RANCANG BANGUN PROTOTIPE KEAMANAN PARKIR OTOMATIS SENSOR PENDETEKSI KENDARAAN MENGGUNAKAN RFID Aswan; Ilham Julian Efendi; Subardin
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.142

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan prototipe sistem parkir otomatis berbasis RFID guna meningkatkan efisiensi dan keamanan akses kendaraan. Sistem ini menggunakan modul RFID RC522 untuk membaca UID kartu, mikrokontroler ESP32 sebagai pengendali utama dan penghubung ke aplikasi Blynk berbasis Internet of Things (IoT), serta motor servo SG90 sebagai penggerak palang parkir. Metode penelitian yang digunakan adalah Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan, implementasi, pengujian, serta pemeliharaan sistem. Proses identifikasi kendaraan dilakukan dengan memanfaatkan modul RFID RC522 yang berfungsi membaca UID (Unique Identifier) dari kartu RFID. Data UID tersebut kemudian diverifikasi oleh ESP32. Jika UID sesuai dengan data yang terdaftar, ESP32 akan mengirimkan sinyal untuk menggerakkan motor servo agar membuka palang parkir, sekaligus mengirimkan informasi status ke aplikasi Blynk berupa notifikasi “Akses Diterima” atau “Akses Ditolak”. Berdasarkan hasil pengujian, sistem mampu membaca kartu RFID dengan tingkat akurasi 100% pada jarak 2–3 cm dan memberikan respons rata-rata 1,3 detik untuk membuka atau menolak akses, serta menampilkan status verifikasi secara real-time melalui aplikasi Blynk. Dengan hasil ini, sistem dinilai layak sebagai solusi otomatisasi parkir yang efisien, praktis, dan dapat dikembangkan lebih lanjut untuk berbagai kebutuhan pengelolaan akses kendaraan.
IMPLEMENTASI ALGORITMA EXTREME GRADIENT BOOSTING UNTUK DETEKSI DINI DIABETES MELLITUS MENGGUNAKAN MIKROKONTROLLER Siti Rahmah; Gunawan; Rifa'atus Shalihah
AnoaTIK: Jurnal Teknologi Informasi dan Komputer Vol 4 No 1 (2026): Juni 2026
Publisher : Program Studi Ilmu Komputer FMIPA-UHO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33772/anoatik.v4i1.144

Abstract

Diabetes mellitus merupakan penyakit metabolik kronis yang ditandai oleh tingginya kadar glukosa darah akibat gangguan produksi atau kerja insulin. Peningkatan jumlah penderita setiap tahun mendorong perlunya sistem deteksi dini yang mampu mengukur kadar glukosa secara real-time dan memprediksi risiko diabetes secara cepat serta akurat. Penelitian ini bertujuan menganalisis kinerja sistem deteksi dini diabetes mellitus berbasis mikrokontroler ESP32 yang menerapkan algoritma Extreme Gradient Boosting (XGBoost). ESP32 digunakan untuk membaca data dari sensor optik non-invasif dan mengirimkan data kadar glukosa secara real-time, sedangkan XGBoost digunakan untuk mengklasifikasikan status diabetes. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa sistem mampu melakukan pengukuran kadar glukosa secara real-time dan menghasilkan prediksi risiko diabetes dengan nilai accuracy sebesar 93,67%–97,67% serta nilai ROC-AUC sebesar 0,9810–0,9991. Variabel glucose menjadi faktor paling dominan, sedangkan BMI dan age berperan sebagai faktor pendukung. Hasil ini menunjukkan bahwa integrasi ESP32 dan algoritma XGBoost berpotensi menjadi sistem deteksi dini diabetes mellitus yang praktis, efisien, dan real-time.

Page 6 of 6 | Total Record : 53

 2   3   4   5   6 

Filter by Year

2023 2026


Reset
Filter By Issues
All Issue Vol 4 No 1 (2026): Juni 2026 Vol 3 No 2 (2025): Desember 2025 Vol 3 No 1 (2025): Juni 2025 Vol 2 No 2 (2024): Desember 2024 Vol 2 No 1 (2024): Juni 2024 Vol 1 No 2 (2023): Desember 2023 Vol 1 No 1 (2023): Juni 2023