cover
Contact Name
Ahmad Rustam
Contact Email
ahmad.rustam1988@gmail.com
Phone
+6285399507330
Journal Mail Official
ahmad.rustam1988@gmail.com
Editorial Address
Jl. Bandara Haluoleo, Ambaipua, Ranomeeto, Kabupaten Konawe Selatan, Sulawesi Tenggara
Location
Unknown,
Unknown
INDONESIA
ARUS JURNAL SAINS DAN TEKNOLOGI
Published by Arden Jaya Publisher
ISSN : -     EISSN : 30263603     DOI : 10.57250
Arus Jurnal Sains dan Teknologi (AJST) merupakan jurnal yang menerbitkan artikel-artikel hasil-hasil penelitian dan kajian pustaka. Jurnal ini menerbitkan artikel yang berkaitan dengan sains, teknologi, komputer, matematika, ipa, pertanian, peternakan, tambang, sipil, dan rekayasa, ilmu kesehatan, serta artikel yang berkorelasi dengan sains dan teknologi. Kami menerbitkan artikel dalam setahun sebanyak 2 nomor pada setiap bulan April dan Oktober.
Arjuna Subject : Umum - Umum
Articles 173 Documents
Ekstraksi Fitur Citra Jantung Menggunakan Hybrid CNN dan Swin Transformer untuk Analisis Risiko Penyakit Kardiovaskular Nabila Ismail Matta; Rizki Yusliana Bakti; Muhyiddin AM Hayat
Arus Jurnal Sains dan Teknologi Vol 4 No 2: Oktober (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i2.3492

Abstract

Penyakit jantung koroner (PJK) merupakan salah satu kontributor utama kematian akibat penyakit kardiovaskular, sehingga deteksi dini melalui interpretasi citra CT Scan jantung menjadi penting. Analisis manual terhadap citra tersebut menghadapi kendala berupa kompleksitas variasi anatomi dan keterbatasan tenaga ahli radiologi. Penelitian ini bertujuan mengembangkan dan mengevaluasi arsitektur Hybrid CNN–Swin Transformer untuk ekstraksi fitur citra jantung normal dan jantung koroner menggunakan dataset lokal RSUD Labuang Baji, Makassar. Model menggabungkan fitur lokal dari ResNet-50 dan fitur global dari Swin Transformer Tiny melalui mekanisme learnable feature fusion, dilatih menggunakan strategi Two-Phase Training dengan optimizer AdamW dan Weighted Focal Binary Cross-Entropy Loss. Dataset terdiri atas 400 citra (200 normal dan 200 koroner) yang dibagi dengan rasio 80:10:10. Hasil pengujian pada 40 citra data uji menunjukkan model Hybrid CNN–Swin Transformer memperoleh Accuracy 92,50%, Precision 100,00%, Recall 85,00%, F1-Score 91,89%, Specificity 100,00%, dan AUC 0,9850, mengungguli model tunggal ResNet-50 (Accuracy 85,00%) dan Swin Transformer Tiny (Accuracy 77,50%). Hasil ini menunjukkan bahwa penggabungan fitur lokal dan global melalui mekanisme fusi adaptif mampu meningkatkan efektivitas klasifikasi citra jantung sebagai indikator risiko penyakit kardiovaskular.
Penurunan Reject Botol Coral 950 ML Menggunakan Metode PDCA PT ABCD Andyka Kurniawan; Casban; Meri Prasetyawati; Umi Marfuah
Arus Jurnal Sains dan Teknologi Vol 4 No 2: Oktober (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i2.3505

Abstract

Botol Coral 950 ml di PT ABCD mengalami rata-rata reject periode September 2025–Februari 2026 sebesar 4,85%, melebihi standar toleransi perusahaan sebesar 2,4%. Penelitian ini bertujuan mengidentifikasi akar penyebab cacat dominan dan merumuskan usulan perbaikan kualitas. Metode yang digunakan adalah Plan-Do-Check-Action (PDCA) yang diintegrasikan dengan Seven Tools dan Failure Mode and Effect Analysis (FMEA). Diagram Pareto menunjukkan tiga cacat dominan: Bintik Hitam (49,58%), Berat Tidak Standar (37,17%), dan Chocked Neck (13,25%). Analisis Fishbone dan FMEA mengindikasikan faktor material, mesin, dan lingkungan sebagai penyebab utama dengan nilai Risk Priority Number tertinggi. Selanjutnya, analisis Scatter Diagram mengonfirmasi korelasi sangat kuat (r = 0,99) antara volume produksi dan jumlah reject, yang menunjukkan bahwa masalah cacat bersifat sistemik. Usulan perbaikan disusun melalui pendekatan 5W+1H yang mencakup optimalisasi mesin, pemeliharaan material, penyempurnaan SOP, dan pelatihan operator. Penerapan strategi ini terbukti krusial untuk menekan reject secara konsisten hingga mencapai target toleransi perusahaan.
Implementasi Algoritma K-Nearest Neighbor dalam Prediksi Estimasi Waktu Selesai Servis Mobil serta Penentuan Prioritas Layanan Berbasis Web di Bengkel Mobil Penyok PDR Plus Herpiah; Dimas Abisono Punkastyo
Arus Jurnal Sains dan Teknologi Vol 4 No 2: Oktober (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i2.3506

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan sistem berbasis web untuk meningkatkan efektivitas pelayanan, termasuk pada bidang jasa perbaikan kendaraan. Bengkel Mobil Penyok PDR Plus menghadapi kesulitan dalam memperkirakan waktu penyelesaian servis kendaraan dan menentukan prioritas layanan secara terstruktur. Penelitian ini bertujuan mengimplementasikan algoritma K-Nearest Neighbor (KNN) untuk memprediksi estimasi waktu selesai servis mobil serta membantu penentuan prioritas layanan berbasis web. Metode yang digunakan adalah penelitian terapan dengan pendekatan kuantitatif, dengan pengumpulan data melalui observasi, wawancara, dan dokumentasi. Sistem dikembangkan menggunakan metode Prototype, PHP, MySQL, dan Tailwind CSS, sedangkan KNN diterapkan pada sepuluh data servis dengan delapan atribut kerusakan bodi, K = 5, dan jarak Euclidean. Pada data uji, sistem menghasilkan prediksi tingkat kerusakan tinggi, prioritas layanan rendah, dan estimasi waktu 27,08 jam atau sekitar 27 jam 5 menit. Hasil penelitian berupa sistem informasi yang menyediakan pengelolaan data kendaraan dan servis, prediksi estimasi waktu penyelesaian, serta informasi prioritas layanan. Pengujian black box terhadap 19 skenario dan pengujian white box dengan cyclomatic complexity bernilai 4 menunjukkan seluruh fungsi berjalan sesuai rancangan. Sistem ini diharapkan membantu mekanik merencanakan pekerjaan dan memberi pelanggan informasi estimasi waktu yang lebih jelas.