Garuda - Garba Rujukan Digital

Aplikasi Manajemen Literasi Membaca dan Rekomendasi Buku Berbasis Android Menggunakan Metode Content-Based Filtering Sharhan Anhar; Muhammad Khadafi; Mustainul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5400

Membaca buku adalah sebuah kegiatan yang dapat membantu kita untuk menambah pengetahuan dan wawasan. Minat baca di Indonesia saat ini cenderung rendah, yang disebabkan oleh beberapa faktor seperti diantaranya kurangnya waktu luang, kurangnya referensi buku untuk menentukan buku yang ingin dibaca, dan semakin canggih kemajuan teknologi yang menyebabkan orang lebih suka menghabiskan waktu untuk bermain handphone. Untuk menyelesaikan permasalahan tersebut dapat dilakukan dengan menggunakan aplikasi manajemen literasi membaca dan rekomendasi buku berbasis Android. Tujuan dari aplikasi ini adalah untuk memudahkan dalam mengelola kegiatan membaca serta memberikan rekomendasi buku yang bisa dibaca selanjutnya dan mengingatkan pengguna untuk membaca buku. Metode yang digunakan pada sistem ini adalah Content-Based Filtering. Dengan adanya aplikasi ini, pengguna bisa dengan mudah men-track progress membaca buku. Penerapan algoritma Content-Based Filtering pada aplikasi ini dapat memberikan buku-buku rekomendasi yang relevan dengan pengguna berdasarkan pengujian kuesioner yang dilakukan pada 10 responden dengan nilai rata-rata 3.92 dari skala hingga 5. Dengan hasil tersebut algoritma Content-Based Filtering dapat digunakan untuk memberikan rekomendasi buku. Abstract Reading books is an activity that can help us to increase knowledge and insight. Reading interest in Indonesia today tends to be low, which is caused by several factors such as lack of free time, lack of book references to determine which books to read, and increasingly sophisticated technological advances that cause people to prefer to spend time playing cellphones. To solve these problems, it can be done by using an Android-based reading literacy management and book recommendation application. The purpose of this application is to make it easier to manage reading activities and provide recommendations for books that can be read next and remind users to read books. The method used in this system is Content-Based Filtering. With this application, users can easily track the progress of reading books. The implementation of the Content-Based Filtering algorithm in this application can provide recommended books that are relevant to users based on questionnaire testing conducted on 10 respondents with an average value of 3.92 on a scale of up to 5. With these results the Content-Based Filtering algorithm can be used to provide book recommendations.

Penerapan Metode SVM pada Klasifikasi Kualitas Air Salma Sheila Maulina Putri; Muhammad Arhami; Hendrawaty Hendrawaty
Journal of Artificial Intelligence and Software Engineering Vol 3, No 2 (2023)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v3i2.4630

SVM adalah salah satu metode learning machine yang bekerja dengan prinsip Structural Risk Minimization (SRM) yang bertujuan untuk menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Dengan melihat konsep metode SVM yang bekerja dengan menemukan fungsi pemisah optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda. Maka, dari konsep tersebut timbul permasalahan sejauh mana penerapan metode SVM mampu menyelesaikan masalah klasifikasi. Dalam penelitian ini klasifikasi yang dilakukan adalah klasifikasi kualitas air yang akan dinilai berdasarkan WQI (Water Quality Index). WQI didasarkan pada ambang batas rekomendasi World Health Organization (WHO) dengan Sembilan parameter meliputi PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, dan Turbidity. Untuk itu, penelitian ini melakukan simulasi menggunakan metode SVM dengan pendekatan One-Versus-One (OVO) untuk mengevaluasi kemampuan metode tersebut dalam mengklasifikasi kualitas air. Hasil penelitian menunjukkan bahwa nilai performa SVM kernel linear dengan parameter optimum C = 1000 adalah 60%. Tingkat performa SVM kernel RBF dengan parameter optimum C = 1000 dan γ = 4 adalah 100%. Tingkat performa SVM kernel polinomial dengan parameter optimum C = 1000 dan h = 5 adalah 98% dan Tingkat performa SVM kernel sigmoid dengan parameter optimum C = 1000 adalah 60%. Sehingga performa metode SVM terbaik untuk melakukan analisis klasifikasi data WQI pada Perumda Tirta Pase adalah kernel RBF dengan tingkat akurasi mencapai 100%.Kata kunci— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality IndexAbstractSVM is a machine learning method that works with the principle of Structural Risk Minimization (SRM) which aims to find the best hyperplane that separates two classes in the input space. By looking at the concept of the SVM method that works by finding the optimal separator function that can separate two data sets from two different classes. So, from this concept a problem arises to what extent the application of the SVM method is able to solve classification problems. In this study the classification used is the classification of water quality which will be assessed based on the WQI (Water Quality Index). WQI is based on the World Health Organization (WHO) recommendation threshold with nine parameters including PH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic_Carbon, Trihalomathanes, and Turbidity. For this reason, this study conducted a simulation using the SVM method with the One-Versus-One (OVO) approach to evaluate the ability of this method to classify water quality. The results showed that the performance value of the linear kernel SVM with the optimum parameter C = 1000 was 60%. The performance level of the RBF kernel SVM with optimum parameters C = 1000 and γ = 4 is 100%. The polynomial kernel SVM performance level with optimum parameters C = 1000 and h = 5 is 98% and the sigmoid kernel SVM performance level with optimum parameters C = 1000 is 60%. So that the best performance of the SVM method for analyzing WQI data classification at Perumda Tirta Pase is the RBF kernel with an accuracy rate of up to 100%.Keywords— Support Vector Machine, Klasifikasi, Kualitas Air, Water Quality Index

Rancang Bangun Aplikasi Machine Learning Pemilihan Varietas Bibit Jagung Unggul Menggunakan Algoritma Artificial Neural Network (ANN) Berbasis Web Fitria, Ainul; Salahuddin, Salahuddin; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5401

Jagung atau dalam bahasa latin Zea Mays merupakan adalah salah satu dari jenis tanaman pangan dari keluarga rumput-rumputan yang dikelompokkan dalam tanaman biji-bijian. Jagung memiliki banyak varietas. Adapun varietas yang telah dilepas oleh Menteri Pertanian hingga Oktober tahun 2022 sebanyak 361 varietas, yaitu jagung hibrida sebanyak 298 varietas, jagung komposit sebanyak 59 varietas, dan ada sebanyak 4 varietas jagung hibrida produk rekayasa genetik (PRG). Petani jagung biasanya memilih dan menentukan bibit jagung yang akan dibudidayakan berdasarkan rekomendasi pedagang bibit jagung atau dari rekan sesama petani jagung. Namun demikian sering dijumpai hasil panen jagung tidak sesuai dengan ekspektasi dan target yang diharapkan. Bahkan, tidak jarang petani jagung mengalami gagal panen yang disebabkan oleh beberapa faktor, salah satunya dikarenakan bibit jagung yang dipilih bukan merupakan varietas bibit jagung unggul. Sistem ini dirancang untuk membantu para petani jagung khususnya di daerah Aceh dalam memilih dan menentukan bibit jagung unggul untuk dibudidayakan dengan tujuan mendapatkan hasil panen yang memuaskan. Sistem ini menggunakan algoritma Artificial Neural Network untuk melakukan pemilihan. Artificial Neural Network (ANN) adalah algoritma Machine Learning dengan model komputasi yang terinspirasi dari prinsip kerja otak manusia. Artificial Neural Network digunakan dalam aplikasi ini karena dapat melakukan prediksi dengan akurat. Hasil yang diharapkan dengan adanya sistem ini petani dapat memilih varietas bibit jagung unggul untuk dibudidayakan, sehingga dapat memenuhi kebutuhan stok dalam negeri dengan memanfaatkan komputer dalam tahapan pemilihan bibit unggul. Penerapan algortima ANN Multi Layer Perceptron pada aplikasi ini menggunakan 21 data varietas jagung dengan 504 dataset yang dimasukkan mendapatkan hasil nilai tertinggi dengan persentase akurasi 90,47%. Dengan hasil tersebut, algortima Artificial Neural Network Multi Layer Perceptron dapat digunakan untuk Aplikasi Machine Learning dalam menentukan pemilihan varietas bibit jagung unggul Abstract Corn or in Latin Zea Mays is one of the types of food crops from the grass family which is grouped into grain crops. Corn has many varieties. The varieties that have been released by the Minister of Agriculture until October 2022 are 361 varieties, namely 298 varieties of hybrid corn, 59 varieties of composite corn, and there are as many as 4 varieties of genetically modified (PRG) hybrid corn. Maize farmers usually choose their maize seeds based on recommendations from maize seed traders or fellow maize farmers. However, maize yields are often not in line with expectations and targets. In fact, it is not uncommon for corn farmers to experience crop failure caused by several factors, one of which is because the corn seeds chosen are not superior corn seed varieties. This system is designed to help corn farmers, especially in the Aceh area, in choosing and determining superior corn seeds for cultivation with the aim of getting satisfactory yields. This system uses Artificial Neural Network algorithm to make the selection. Artificial Neural Network (ANN) is a Machine Learning algorithm with a computational model inspired by the working principles of the human brain. Artificial Neural Network is used in this application because it can make accurate predictions. The expected results with this system are that farmers can choose superior varieties of corn seeds to be cultivated, so that they can meet the needs of domestic stocks by utilizing computers in the stages of selecting superior seeds. The application of ANN Multi Layer Perceptron algortima in this application using 21 corn variety data with 504 datasets entered gets the highest value results with an accuracy percentage of 90.47%. With these results, the Artificial Neural Network Multi Layer Perceptron algortima can be used for Machine Learning applications in determining the selection of superior corn seed varieties.

Penerapan Metode Hybrid Case Based Dalam Diagnosa Gangguan Kehamilan Afif, Muhammad Ilham; Huzaeni, Huzaeni; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5397

Kehamilan adalah suatu proses di mana seorang wanita mengandung janin dalam rahimnya. Kurangnya pengetahuan tentang gejala-gejala yang terjadi selama kehamilan menjadi masalah yang perlu diatasi. Hasil Riset Kesehatan Dasar menunjukkan bahwa hanya sekitar 44% ibu hamil yang mengetahui tanda bahaya selama kehamilan, yang menyebabkan beberapa gejala penyakit kehamilan diabaikan dan menyebabkan risiko kematian ibu. Untuk mengatasi masalah ini, maka di bangun sebuah sistem pakar dengan menggunakan metode Hybrid Case Based yang mampu memberikan informasi dan diagnosa cepat serta tepat untuk masalah kesehatan gangguan kehamilan pada ibu hamil. Pada sistem ini terdapat 5 penyakit yang akan di diagnosa yaitu anemia, hyperemesis gravidarum, diabetes melitus gestasional, infeksi saluran kemih, dan perdarahan, serta terdapat 25 gejala. Sistem ini menerapkan rumus cosine similarity dalam mengukur similarity antara gejala penyakit yang dialami pasien dengan gejala penyakit yang ada dalam basis kasus. Berdasarkan pengujian tingkat kemiripan, antara gejala – gejala yang dialami pasien dengan basis kasus yang ada, sistem mampu mediagnosa jenis penyakit anemia dengan nilai 95%. Tingkat akurasi sistem pakar dengan total data uji sebanyak 20 didapatkan nilai akurasi sebesar 100%.Kata kunci: Gangguan Kehamilan, Diagnosa, Sistem Pakar, Hybrid Case BasedAbstractPregnancy is a process in which a woman carries a fetus in her womb. Lack of knowledge about the symptoms that occur during pregnancy is a problem that needs to be addressed. Basic Health Research results show that only about 44% of pregnant women know the danger signs during pregnancy, which causes some symptoms of pregnancy diseases to be ignored and causes the risk of maternal death. To overcome this problem, an expert system is built using the Hybrid Case Based method that is able to provide information and diagnose quickly and precisely for health problems of pregnancy disorders in pregnant women. In this system there are 5 diseases that will be diagnosed, namely anemia, hyperemesis gravidarum, gestational diabetes mellitus, urinary tract infection, and bleeding, and there are 25 symptoms. This system applies the cosine similarity formula in measuring the similarity between the symptoms of the disease experienced by the patient and the symptoms of the disease in the case base. Based on testing the level of similarity, between the symptoms experienced by the patient and the existing case base, the system is able to diagnose the type of anemia disease with a value of 95%. The accuracy of the expert system with a total of 20 test data obtained an accuracy value of 100%.Keywords: Pregnancy Disorders, Diagnosis, Expert System, Hybrid Case Based

Penerapan E-Raport Kekurangan Energi Kronis (KEK) dengan Cloud Computing pada Smart Village di Desa Uteunkot Muliawati, Muliawati; Hidayat, Hari Toha; Safriadi, Safriadi; Anwar, Anwar
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5402

Berdasarkan data tahun 2023, Aceh masih menduduki peringkat kelima tertinggi di Indonesia dalam kategori kekurangan energi kronis (KEK). Saat ini, puskesmas Muara Dua Kota Lhokseumawe terutama di Desa Uteunkot, masih mengandalkan pencatatan KEK menggunakan buku, yang terbukti kurang efektif. Oleh karena itu, untuk mengatasi permasalahan ini, dibutuhkan pengembangan sebuah aplikasi mobile yang dapat digunakan untuk pencatatan dan pelaporan KEK guna meningkatkan efisiensi dan efektivitas proses tersebut. Penelitian ini bertujuan membuat aplikasi e-raport KEK dalam bentuk mobile agar dapat digunakan untuk melihat persentase yang didapatkan oleh masyarakat yang kekurangan gizi. Dalam penelitian ini digunakan metode blackbox testing untuk mengetahui kepuasaan pengguna terhadap aplikasi, untuk pengujian web service digunakan QoS. Tingkat kepuasan pengguna mencapai 97.4% akan tetapi dari ketidakpuasan pengguna mencapai 2.6%. Berdasarkan pengujian QoS diperoleh hasil 11,77/sec dalam waktu respon pada permintaan 1,10,50,100,250,500 dan 1000. Pada pengguna 10,50,250,500 dan 1000 mencapai rata-rata 21,28/sec dalam waktu respon dengan permintaan 1 pengguna. AbstractBased on data from 2023, Aceh is still ranked fifth highest in Indonesia in the category of chronic energy deficiency (CHD). Currently, the Muara Dua Health Center in Lhokseumawe City, especially in Uteunkot Village, still relies on recording SEZ using books, which has proven to be less effective. Therefore, to overcome this problem, it is necessary to develop a mobile application that can be used for recording and reporting SEZ to improve the efficiency and effectiveness of the process. This research aims to create a mobile application of SEZ e-raport so that it can be used to see the percentage obtained by malnourished people. In this study, the blackbox testing method was used to determine user satisfaction with the application, for web service testing used QoS. The level of user satisfaction reached 97.4% but from user dissatisfaction reached 2.6%. Based on QoS testing, the results obtained are 11.77/sec in response time on requests 1,10,50,100,250,500 and 1000. At users 10,50,250,500 and 1000 reached an average of 21.28/sec in response time with a request of 1 user.

Implementasi Aplikasi Enkripsi Dekripsi File Dokumen Menggunakan Algoritma Aes Pada Cloud Computing (Studi Kasus Prodi Teknologi Rekayasa Komputer Jaringan) Arifa, Risma; Husaini, Husaini; Rudi, Fachri Yannuar
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5382

Perkembangan teknologi sangat dibutuhkan oleh kehidupan manusia dalam setiap kegiatannya. Ilmu teknologi yang semakin berkembang khususnya dalam bidang ilmu komputer dan semakin meningkatnya penggunaan komputer dalam kehidupan sehari-hari. Selama ini pengguna banyak merasa tidak aman dalam proses pengiriman dan penyimpanan data melalui komputer. Untuk mengatasi permasalahan itu dapat dilakukan enkripsi dan dekripsi dengan memanfaatkan metode AES. Penelitian ini bertujuan mengetahui waktu yang dibutuhkan sistem dalam mengunggah dan mengunduh file dokumen melalui cloud. Dalam penelitian ini digunakan sebuah metode AES atau algoritma enkripsi yang dirancang untuk mengenkripsi dan mendekripsi informasi dengan tingkat keamanan yang tinggi.. Melalui implementasi aplikasi ini, dapat diketahui cara melindungi data yang ditransfer antara perangkat dan cloud, serta data yang disimpan di cloud, dengan menggunakan algoritma AES untuk enkripsi dan dekripsi. Dengan demikian, keamanan data dan privasi akan terjaga dengan baik. Pengujian dilakukan pada file berukuran 1,63 mb, waktu yang dibutuhkan untuk melakukan upload file yaitu 0,0203 detik dan waktu yang dibutuhkan untuk melakukan download file yaitu 0,0078 detik. Aplikasi ini memiliki kinerja yang sangat cepat dalam pengunggahan dan pengunduhan file, waktu yang dibutuhkan berdasarkan ukuran setiap file. Semakin besar ukuran file yang akan di unggah atau diunduh, maka semakin lama waktu yang dibutuhkan. Berdasarkan penelitian tersebut, aplikasi ini memiliki kinerja yang baik dalam melakukan transfer file serta aman dalam menjaga keamanan file dokumen.Kata kunci— Advanced Encryption Standard (AES), Cloud Computing, File Dokumen, KriptografiAbstract Technological developments are needed by human life in every activity. Technological science is increasingly developing, especially in the field of computer science and the increasing use of computers in everyday life. So far, many users feel unsafe in the process of sending and storing data via computer. To overcome this problem, encryption and decryption can be carried out using the AES method. This research aims to determine the time required for the system to upload and download document files via the cloud. In this research, an AES method or encryption algorithm is used which is designed to encrypt and decrypt information with a high level of security. Through the implementation of this application, it can be seen how to protect data transferred between devices and the cloud, as well as data stored in the cloud, by using AES algorithm for encryption and decryption. In this way, data security and privacy will be well maintained. The test was carried out on a file measuring 1.63 MB, the time required to upload the file was 0.0203 seconds and the time required to download the file was 0.0078 seconds. This application has very fast performance in uploading and downloading files, the time required is based on the size of each file. The larger the file size to be uploaded or downloaded, the longer it will take. Based on this research, this application has good performance in transferring files and is safe in maintaining the security of document files.Keywords— Advanced Encryption Standard (AES), Cloud Computing, Document Files, Cryptography

Analisis Konsumsi Daya Server Worker Dengan VM Live Migration Berbasis Proxmox Azzahari, Muhammad; Khaldun, Ibnu
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5403

Live migration merupakan suatu teknik migrasi yang memindahkan server virtual machine (VM) ke server worker yang rendah CPU usage nya. Teknik migrasi ini dilakukan dengan memanfaatkan metode fuzzy mamdani sebagai pengambil keputusan berdasarkan hasil monitoring CPU usage pada masing-masing server worker. Pada setiap server worker akan ditentukan nilai batas (Threshold) yang berfungsi sebagai acuan kapan server vm akan bermigrasi ke server worker yang mengalami rendah CPU usage. Hasil pengujian yang dilakukan selama 30 menit menunjukkan bahwa teknik live migration VM dapat mengurangi konsumsi daya sebesar 0,26 Watt dibandingkan dengan tanpa teknik tersebut. Dengan demikian optimasi daya bisa terjadi jika proses migrasi server VM terlaksana dari server worker host asal ke server worker host tujuan sehingga server worker asal nantinya akan mengalami penurunan konsumsi daya atau mengalami dengan serendah-rendahnya konsumsi daya (idle).AbstractLive migration is a migration technique that moves a virtual machine (VM) server to a server worker with low CPU usage. This migration technique is carried out by utilizing the fuzzy mamdani method as a decision maker based on the results of monitoring CPU usage on each worker server. On each worker server, a threshold value will be determined which serves as a reference for when the VM server will migrate to a worker server that experiences low CPU usage. The results of tests carried out for 30 minutes show that the VM live migration technique can reduce power consumption by 0.26 Watts compared to without this technique. Thus, power optimization can occur if the VM server migration process is carried out from the original worker host server to the destination worker host server so that the original worker server will experience a decrease in power consumption or experience the lowest possible power consumption (idle).

Application of the Random Forest Method for UKT Classification at Politeknik Negeri Lhokseumawe Al Khaidar; Muhammad Arhami; Mustainul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 4, No 2 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i2.6131

Classification is the systematic grouping of objects, ideas, books, or other items into specific classes based on similar characteristics. One of its applications is in the grouping of tuition fees, which are fees paid each semester or academic year based on the student's economic ability. However, there are several issues, such as the placement of underprivileged students into fee groups that are still not appropriate and the limited accuracy of the grouping process due to it being done manually. To address these issues, a classification system was designed using the Random Forest method. Random Forest is a machine learning algorithm that combines multiple decision trees for more accurate predictions. Testing the Random Forest method using cross-validation shows an average accuracy of 95%. Evaluation with a confusion matrix shows an accuracy of 94%, with varying values of precision, recall, and f1-score for each group.

Implementation of Profile Matching Analysis Method for Decision-Making in Online Learning for Homeschooling Student Jikti Khairina; Nurdin Nurdin; Muhammad Nasir
Journal of Artificial Intelligence and Software Engineering Vol 4, No 2 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i2.6126

In a homeschooling learning system, adjustment between learning methods and student characteristics is very important to achieve optimal learning outcomes. Online learning provides flexibility for homeschooled students, but determining the most appropriate learning method according to the student's profile is still a challenge. In the context of homeschooling, where an individual approach is needed, the application of the Profile Matching method in decision-making for an online learning system allows for the personalization of education according to student characteristics, where this method provides recommendations for the most appropriate learning methods based on student profiles, including learning styles, cognitive abilities, and learning preferences. By comparing the profile of students' competencies and learning styles against predetermined criteria, the system can provide recommendations for appropriate learning methods. The results of this study indicate that the Profile Matching Analysis method can improve learning effectiveness and facilitate personalization of the learning process.

Air Temperature and Humidity Monitoring System for Server Rooms and Data Centers Using the Fuzzy Tsukamoto Method with IoT JB, Salwa Nur; Huzaeni, Huzaeni; Salahuddin, Salahuddin
Journal of Artificial Intelligence and Software Engineering Vol 4, No 2 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i2.6132

Lhokseumawe State Polytechnic has UPT Information and Communication Technology (ICT) Data Center that manages important infrastructure for the teaching and learning process. This study aims to design and build an IoT-based air temperature and humidity monitoring system, using Fuzzy Tsukamoto algorithms to handle highly variable sensor data. Blackbox testing showed that the system managed to provide real-time server room condition information and send notifications when conditions reached a certain limit. Turning the AC on and off and incandescent lamps also work well. Whitebox testing successfully ensures that Tsukamoto's Fuzzy algorithm is implemented correctly and that hardware integration runs without problems. The Blackbox test managed to achieve 100% da success on and the Whitebox only achieved 100% on both Tests.

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Safriadi

Contact Email
safriadi@pnl.ac.id

Phone
+6285262485087

Journal Mail Official
jaise@pnl.ac.id

Editorial Address
Jl. Banda Aceh-Medan Km. 280,3, Buketrata, Mesjid Punteut, Blang Mangat, Kota Lhokseumawe, 24301

Location
Kota lhokseumawe,

Aceh

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Safriadi

Contact Email safriadi@pnl.ac.id

Phone +6285262485087

Journal Mail Official jaise@pnl.ac.id

Editorial Address Jl. Banda Aceh-Medan Km. 280,3, Buketrata, Mesjid Punteut, Blang Mangat, Kota Lhokseumawe, 24301

Location Kota lhokseumawe, Aceh INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Safriadi

Contact Email
safriadi@pnl.ac.id

Phone
+6285262485087

Journal Mail Official
jaise@pnl.ac.id

Editorial Address
Jl. Banda Aceh-Medan Km. 280,3, Buketrata, Mesjid Punteut, Blang Mangat, Kota Lhokseumawe, 24301

Location
Kota lhokseumawe,

Aceh

INDONESIA