cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Asa Hari Wibowo
Contact Email
asa.hari@uho.ac.id
Phone
+6285299311848
Journal Mail Official
semantik.informatika@uho.ac.id
Editorial Address
Informatics Engineering Department of Halu Oleo University, Engineering Faculty Building 3rd Floor H.E.A. Mokodompit Street, Bumi Tridharma Green Campus, Halu Oleo University
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
semanTIK
Published by Universitas Halu Oleo
ISSN : 24601446     EISSN : 25028928     DOI : http://dx.doi.org/10.55679/semantik.v8i1
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Jurnal semanTIK is a is one of the media publication of research results in the field of information technology. semanTIK is published Biannually, January-June and July-December and provide scientific publication medium for researchers, engineers, practitioners, academicians, and observers in the field related to semanTIK Focus & Scope. This journal accepts original papers, review articles, case studies, and short communications. The articles published are peer-reviewed by one or two reviewers and cover various Informatics subjects related to the field journal include Software Engineering, Computer Networking, Intelligent Systems, Information Systems, Robotics, Computational Science, Geographic Information Systems, and all topics which related to informatics. The targets in publishing this journal are Lecturers, Students, and Researchers in IT. The paper published in this journal implies that the work described has not been, and will not be published elsewhere, except as part of a lecture, review.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 64 Documents
 2   3   4   5   6 
Analisis Penerapan Load Balancing, Caching, Dan Honeypot Dengan Konsep Cdn Untuk Optimalisasi Kinerja Server Ageng Arya Khrysna Dwipangga; Isnawaty; L.M.Bahtiar Aksara; Sutardi; Ihsan Sarita; LM. Fid Aksara
SemanTIK : Teknik Informasi Vol. 11 No. 1 (2025): Vol. 11 No. 1 (2025): SemanTIK Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i1.148

Abstract

Pada era digital saat ini, kebutuhan layanan internet yang cepat, andal, dan aman semakin meningkat di berbagai sektor. Namun, tingginya beban lalu lintas sering menyebabkan penurunan performa server, seperti peningkatan waktu respons dan downtime. Penelitian ini bertujuan mengoptimalkan kinerja server dengan menerapkan konsep Content Delivery Network (CDN) melalui teknik Load Balancing, Caching, dan Honeypot. Load Balancing digunakan untuk mendistribusikan lalu lintas secara merata, sedangkan Caching berfungsi mengurangi beban pada server utama dan mempercepat akses data. Honeypot ditambahkan untuk mendeteksi aktivitas berbahaya tanpa mengganggu sistem utama. Metode pengujian yang digunakan adalah stress testing guna mengevaluasi performa server sebelum dan sesudah penerapan teknik optimalisasi. Hasil menunjukkan peningkatan performa signifikan, dengan penurunan response time hingga 45,80%, peningkatan throughput sebesar 85,25%, serta penurunan penggunaan CPU hingga 62,64%. Penggunaan memori meningkat 7,60% akibat cache, namun tetap dalam batas efisien. Honeypot berhasil merekam aktivitas serangan secara real-time, memberikan data penting untuk analisis keamanan. Hasil ini menunjukkan bahwa integrasi teknik tersebut efektif dalam meningkatkan kinerja dan keamanan server, serta relevan diterapkan pada sistem dengan beban tinggi.  In today's digital era, the need for fast, reliable and secure internet services is increasing in various sectors. However, high traffic loads often lead to decreased server performance, such as increased response time and downtime. This research aims to optimize server performance by applying the Content Delivery Network (CDN) concept through Load Balancing, Caching, and Honeypot techniques. Load Balancing is used to distribute traffic evenly, while Caching serves to reduce the load on the main server and speed up data access. Honeypot is added to detect malicious activity without disturbing the main system. The test method used is stress testing to evaluate server performance before and after the implementation of optimization techniques. The results show a significant performance improvement, with a decrease in response time by 45.80%, an increase in throughput by 85.25%, and a decrease in CPU usage by 62.64%. Memory usage increased by 7.60% due to caching, but remained within efficient limits. The honeypot successfully recorded attack activities in real-time, providing important data for security analysis. These results show that the integration of these techniques is effective in improving server performance and security, and is relevant to high-load systems.
Klasifikasi Motif Batik Yogyakarta menggunakan Neural Network dengan Fitur Local Binary Pattern Abdul Latief Arda; Muh. Fauzan Said; Eva Yulia Puspaningrum; Syamsu Alam
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.149

Abstract

Batik adalah seni gambar yang menggunakan teknik gambar tradisional yang berasal dari indonesia untuk membuat bahan tekstil. Setiap daerah di Indonesia memiliki motif batik unik salah satunya di Yogyakarta yang terkenal dengan motifnya seperti motif Parang, Kawung dan Ceplok. Meskipun teknologi pengenalan batik sudah ada, belum banyak sistem yang mampu mengklasifikasi motif batik yogyakarta. Penelitian ini bertujuan untuk mengembangkan sistem pengenalan tekstur menggunakan metode ekstraksi fitur Local Binary Pattern (LBP) dan klasifikasi dengan Neural Network (NN) untuk klasifikasi. Data set motif parang terdiri dari 50 gambar, motif kawung 50 gambar dan motif ceplok 48 gambar dengan komposisi 80:20 untuk data latih dan uji. Model NN diuji dan hasil yang dicapai akurasi 78%, presisi 79% dan F1-score 77%. Penelitian ini menunjukan potensi teknologi pengolahan citra dalam mendukung pelestarian batik Yogyakarta dan memberikan saran peningkatan akurasi model melalui penggunaan dataset lebih luas dan algoritma klasifikasi lainnya. Batik is an art form that employs traditional techniques originating from Indonesia to create textile designs. Each region in Indonesia boasts unique batik patterns, with Yogyakarta being particularly renowned for its distinctive motifs, including parang, kawung, and ceplok. While batik recognition technology exists, there are still limited systems capable of accurately classifying Yogyakarta’s batik motifs. This study aims to develop a texture recognition system by applying the Local Binary Pattern (LBP) feature extraction method combined with Neural Network (NN) classification. The dataset consists of 50 images each for the parang and kawung motifs, and 48 images for the ceplok motif, with an 80:20 ratio for training and testing data. The NN model achieved 78% accuracy, 79% precision, and an F1-score of 77%. This research underscores the potential of image processing technology in supporting the preservation of Yogyakarta batik and suggests that model accuracy could be enhanced through the use of a broader dataset and alternative classification algorithms.
Analisis Komparatif Algoritma Infomap, Label Propagation, dan FluidC dalam Deteksi Komunitas Jaringan Undang-Undang Republik Indonesia Setyawan Wibisono; Herny Februariyanti; Eko Nur Wahyudi; Wiwien Hadikurniawati; Taufiq Dwi Cahyono
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.150

Abstract

Setiap undang-undang di Indonesia pada bagian “Mengingat” dalam konsiderans memuat rujukan terhadap undang undang sebelumnya. Seiring dengan terbitnya undang-undang baru setiap tahun, jaringan keterkaitan antar undang-undang menjadi semakin kompleks dan sulit ditelusuri. Untuk itu, diperlukan pendekatan berbasis social network analysis, khususnya deteksi komunitas, guna memetakan dan mengidentifikasi pola keterkaitan tersebut. Penelitian ini mengevaluasi kinerja tiga algoritma deteksi komunitas, yaitu: Infomap, Label Propagation, dan Fluid Communities (FluidC), dalam mengidentifikasi komunitas pada jaringan undang-undang Indonesia periode 2019–2024. Dataset yang digunakan berbentuk graf berarah, di mana simpul merepresentasikan undang-undang dan sisi menunjukkan hubungan rujukan antar undang-undang. Evaluasi algoritma dilakukan menggunakan empat metrik: modularity, coverage, conductance, dan inter-cluster density. Hasil analisis menunjukkan bahwa Label Propagation unggul pada coverage (0,890), conductance (0,331), dan density (0,498), sehingga lebih efektif dalam menangkap kohesi tematik pada jaringan hukum. Infomap dan FluidC mencatat modularity tertinggi (0,433), tetapi menghasilkan komunitas dengan kepadatan internal yang lebih rendah. Berdasarkan temuan tersebut, Label Propagation direkomendasikan sebagai pendekatan yang lebih tepat untuk analisis jaringan undang-undang di Indonesia. In Indonesian legislation, the “Considering” section of each law’s preamble frequently contains references to preceding laws. As new laws are enacted each year, the network of interconnections among these legal documents has grown increasingly complex, making it difficult to trace and analyze their relationships. To address this challenge, a social network analysis (SNA) approach, particularly community detection, is required to map and identify the underlying patterns of legal interrelations. This study evaluates the performance of three community detection algorithms—Infomap, Label Propagation, and Fluid Communities (FluidC)—in identifying communities within the Indonesian legislative network for the period 2019–2024. The dataset is modeled as a directed graph, where nodes represent individual laws and edges indicate citations between them. Algorithm performance was assessed using four metrics: modularity, coverage, conductance, and inter-cluster density. The analysis results show that Label Propagation outperformed the others in terms of coverage (0.890), conductance (0.331), and density (0.498), demonstrating its effectiveness in capturing thematic cohesion within the legal network. In contrast, Infomap and FluidC achieved the highest modularity scores (0.433) but produced communities with lower internal density. Based on these findings, Label Propagation is recommended as a more suitable approach for analyzing Indonesia’s legislative networks.
Analisis Sentimen Publik Debat Pilkada Pamekasan menggunakan BERT Imamah Mailah; Moh. Aminollah Hamzah; Hozairi
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.152

Abstract

Pemilihan kepala daerah merupakan momen penting dalam demokrasi yang memunculkan beragam opini publik di media sosial. Debat calon bupati dan wakil bupati Pamekasan tahun 2024 menjadi perhatian masyarakat dan menghasilkan banyak komentar daring. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap debat tersebut menggunakan pendekatan deep learning berbasis transformer. Data penelitian berupa 818 komentar dari YouTube dan TikTok yang diperoleh melalui web scraping. Tahapan penelitian meliputi pembersihan data, case folding, tokenisasi, serta terjemahan. Proses pelabelan sentimen dilakukan dengan TextBlob, sedangkan klasifikasi menggunakan model DistilBERT yang telah di-fine-tune. Hasil penelitian menunjukkan model mampu mengklasifikasikan komentar menjadi tiga kategori, yaitu positif, netral, dan negatif, dengan akurasi 80% serta F1-score tertinggi 0,91 pada kelas positif. Sebagian besar komentar tergolong netral (44,03%), diikuti positif (37,03%) dan negatif (18,96%). Temuan ini menunjukkan bahwa respon publik cenderung biasa tanpa ekspresi emosional yang kuat. Penelitian ini menyimpulkan bahwa model berbasis transformer efektif untuk menganalisis opini publik dalam konteks politik lokal, sehingga dapat membantu pengambil kebijakan, pengamat politik, maupun tim kampanye memahami persepsi masyarakat secara lebih cepat dan akurat. Regional elections are a crucial moment in democracy that generate diverse public opinions on social media. The 2024 Pamekasan regent and deputy regent candidate debate attracted public attention and sparked many online comments. This study aims to analyze public sentiment toward the debate using a transformer-based deep learning approach. The dataset consists of 818 comments collected from YouTube and TikTok through web scraping. The research process included data cleaning, case folding, tokenization, and translation. Sentiment labeling was carried out using TextBlob, while classification employed a fine-tuned DistilBERT model. The results show that the model successfully categorized comments into three sentiment classes—positive, neutral, and negative—with an accuracy of 80% and the highest F1-score of 0.91 in the positive class. Most comments were classified as neutral (44.03%), followed by positive (37.03%) and negative (18.96%). These findings indicate that the majority of the public responded in a neutral manner without strong emotional bias. This study concludes that transformer-based models are effective in analyzing public opinion in local political contexts, providing valuable insights for policymakers, political observers, and campaign teams to better understand community perceptions quickly and accurately.
Strategi Pengembangan Daerah Berbasis Smart Economy: Analisis Kesiapan dan Analisis Gap di Kabupaten Kolaka Timur Riyan Abdillah Takdir; Adris A Putra; Muammar Makmur; Abdi Juryan Ladianto
SemanTIK : Teknik Informasi Vol. 11 No. 1 (2025): Vol. 11 No. 1 (2025): SemanTIK Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i1.153

Abstract

Kabupaten Kolaka Timur menghadapi tantangan dalam pembangunan ekonomi yang masih bergantung pada sektor primer, minimnya diversifikasi usaha, serta rendahnya adopsi teknologi digital. Kondisi ini menyebabkan pertumbuhan ekonomi berjalan kurang optimal dan belum inklusif. Penerapan konsep smart economy dipandang sebagai solusi strategis untuk meningkatkan efisiensi, inovasi, dan daya saing ekonomi lokal. Penelitian ini bertujuan mengidentifikasi kesiapan daerah dalam mengadopsi teknologi digital, dengan menganalisis Produk Domestik Regional Bruto (PDRB), potensi UMKM, dan infrastruktur pendukung. Hasil menunjukkan sektor pertanian, kehutanan, dan perikanan masih mendominasi PDRB, sementara UMKM didominasi oleh usaha mikro dan kecil. Tantangan utama meliputi infrastruktur digital yang belum merata, rendahnya literasi teknologi, serta perizinan yang kompleks. Strategi pengembangan yang direkomendasikan meliputi digitalisasi pemasaran UMKM, peningkatan akses transportasi, serta pelatihan keterampilan digital. Implementasi smart economy diharapkan memberikan manfaat nyata, seperti efisiensi pelayanan publik, perluasan akses pasar UMKM, peningkatan kesejahteraan masyarakat, serta penciptaan lapangan kerja baru berbasis teknologi. Dengan pendekatan yang kolaboratif dan terintegrasi, Kolaka Timur memiliki peluang besar untuk menjadi contoh sukses penerapan inovasi digital dalam pembangunan daerah.  East Kolaka Regency faces economic development challenges due to its reliance on the primary sector, limited business diversification, and low adoption of digital technology. These conditions hinder optimal and inclusive economic growth. The implementation of a smart economy is viewed as a strategic solution to enhance efficiency, innovation, and local economic competitiveness. This study aims to assess the region's readiness for digital transformation by analyzing the Gross Regional Domestic Product (GRDP), the potential of Micro, Small, and Medium Enterprises (MSMEs), and supporting infrastructure. Findings indicate that agriculture, forestry, and fisheries still dominate the GRDP, while MSMEs are mostly composed of micro and small enterprises. Major challenges include uneven digital infrastructure, low technological literacy, and complex licensing processes. Recommended development strategies include digital marketing for MSMEs, improved transportation access, and digital skills training. The implementation of a smart economy is expected to generate tangible benefits, such as more efficient public services, broader market access for MSMEs, increased community welfare, and the creation of technology-based job opportunities. Through a collaborative and integrated approach, East Kolaka has the potential to become a successful model for leveraging digital innovation in regional development
Perbandingan Algoritma Machine Learning dalam Memprediksi Kelulusan Mahasiswa M Cholis Afandi; Uce Indahyanti; Hamzah Setiawan; Irwan A. Kautsar
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.154

Abstract

Penelitian ini bertujuan untuk memprediksi kelulusan mahasiswa Program Studi Informatika Universitas Muhammadiyah Sidoarjo menggunakan algoritma klasifikasi Machine Learning, yaitu Naïve Bayes, Decision Tree, dan Random Forest. Data yang digunakan merupakan data akademik mahasiswa angkatan 2020–2021, mencakup nilai IPS dan jumlah SKS dari semester 1 hingga 6. Proses analisis mengikuti tahapan CRISP-DM, mulai dari pemahaman bisnis hingga evaluasi model. Evaluasi dilakukan menggunakan confusion matrix serta pengukuran akurasi, presisi, recall, dan F1-score untuk membandingkan performa tiap algoritma. Hasil menunjukkan bahwa Random Forest memiliki akurasi tertinggi yaitu 97.50% pada skenario 80:20, disusul Decision Tree dengan 96.25%, dan Naïve Bayes sebesar 86.25%. Selain itu, Random Forest juga mencatatkan nilai presisi dan recall yang tinggi serta F1-score sebesar 97%, menunjukkan kestabilan dan keunggulan model dalam menangani data akademik. Berdasarkan temuan ini, Random Forest dinilai paling optimal dan direkomendasikan untuk digunakan sebagai sistem pendukung keputusan dalam memantau kelulusan mahasiswa secara prediktif dan akurat. This study aims to predict student graduation in the Informatics Study Program at Universitas Muhammadiyah Sidoarjo using Machine Learning classification algorithms, namely Naïve Bayes, Decision Tree, and Random Forest. The dataset consists of academic records from the 2020–2021 cohort, including GPA scores and the number of credits (SKS) taken from semesters 1 to 6. The data analysis process follows the CRISP-DM methodology, covering business understanding, data understanding, data preparation, modeling, evaluation, and deployment. Model evaluation is carried out using confusion matrices along with accuracy, precision, recall, and F1-score to compare the performance of each algorithm. The results show that Random Forest achieved the highest accuracy of 97.50% in the 80:20 scenario, followed by Decision Tree at 96.25%, and Naïve Bayes at 86.25%. In addition, Random Forest demonstrated high precision and recall values with an F1-score of 97%, confirming its stability and effectiveness in academic data classification. Based on these findings, Random Forest is considered the most optimal algorithm and is recommended as a decision support tool for accurately monitoring and predicting student graduation in higher education institutions.
Implementasi Orange Pi Sebagai DNS Filtering Untuk Menangkal Situs Terlarang Yoga Mahendra Putra; Azmuri Wahyu Azinar; Arif Senja Fitrani
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.166

Abstract

Pemanfaatan internet yang semakin luas menghadirkan tantangan serius dalam penyaringan konten negatif, khususnya pada jaringan RT/RW Net yang belum memiliki sistem keamanan memadai. Penelitian ini bertujuan mengembangkan sistem DNS filtering berbasis perangkat Orange Pi Zero 3 untuk menangkal akses ke situs terlarang seperti pornografi, perjudian, dan konten SARA. Metode penelitian menggunakan Secure Policy Development Life Cycle (SPDLC) yang mencakup lima tahap: analysis, design, implementation, enforcement, dan enhancement. Perangkat Orange Pi dikonfigurasi dengan sistem operasi ringan DietPi serta aplikasi Pi-hole sebagai DNS sinkhole untuk memblokir domain dalam daftar blacklist. Hasil implementasi menunjukkan sistem mampu menghambat akses ke situs terlarang dengan tingkat keberhasilan 100%, dimana kategori pornografi, judi online, SARA, dan phishing/malware berhasil diblokir. Sistem juga dilengkapi pembaruan otomatis daftar blokir serta filter untuk menghindari duplikasi dengan daftar nasional. Solusi ini terbukti efektif, ringan dan dapat diterapkan secara luas pada jaringan lokal skala kecil hingga menengah dalam mendukung kebijakan internet sehat pemerintah. The increasingly widespread use of the internet poses serious challenges in filtering negative content, especially on RT/RW Net networks that do not yet have adequate security systems. This study aims to develop a DNS filtering system based on the Orange Pi Zero 3 device to block access to prohibited sites such as pornography, gambling, and SARA content. The research method uses the Secure Policy Development Life Cycle (SPDLC), which includes five stages: analysis, design, implementation, enforcement, and enhancement. The Orange Pi device is configured with the lightweight DietPi operating system and the Pi-hole application as a DNS sinkhole to block domains on the blacklist. The implementation results show that the system is capable of blocking access to prohibited sites with a 100% success rate, where the categories of pornography, online gambling, SARA, and phishing/malware were successfully blocked. The system is also equipped with automatic updates to the block list and filters to avoid duplication with the national list. This solution has proven to be effective, lightweight, and widely applicable to small to medium-sized local networks in supporting the government's healthy internet policy.
Implementation of Real-Time DoS Attack Detection and Automatic Mitigation on C-Based VPS Server : Implementasi Deteksi Serangan DoS Real-Time dan Mitigasi Otomatis pada Server VPS Berbasis C Saputra Budianto Putra; Hamzah Setiawan; M. Alfan Rosyid
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.170

Abstract

Di era digital, keamanan menjadi aspek penting dalam menjaga sistem IT, terutama pada Virtual Private Server (VPS) yang paling sering terpapar ancaman siber. Denial-of-Service (DoS) merupakan risiko yang dapat dikurangi dengan mengganti server dengan protokol yang lebih canggih seperti TCP, UDP, dan ICMP, serta menerapkan sistem yang mendeteksi dan mengurangi DoS secara real time dan otomatis menggunakan bahasa pemrograman C. Proses pengembangan sistem dengan menggunakan metodologi Agile Scrum memungkinkan proses yang iteratif, fleksibel, dan fleksibel. Sprint meliputi analisis antrean server dengan libpcap, manajemen log dengan SQLite, pemblokiran IP otomatis dengan iptables, dan pembaruan log melalui log sistem. Studi ini menunjukkan bahwa sistem dapat mendeteksi dan mengurangi HTTP Flood, ICMP Flood, dan Slowloris dalam waktu 0,5 detik dengan CPU dan memori yang rendah. Meskipun tidak ada integrasi visual real-time atau notifikasi real-time untuk manajemen, sistem ini efisien dan efektif dalam memproses data dengan cepat. Studi ini menyimpulkan bahwa penggunaan bahasa pemrograman C dalam pengembangan keamanan VPS sangat penting untuk mitigasi dan pemulihan yang cepat. Fase pengembangan meliputi deteksi tingkat aplikasi (lapisan 7), visualisasi dasbor, dan pembelajaran mesin untuk mengidentifikasi kerentanan dan kompromi dengan cepat.
Sistem Monitoring Non-Invasif Gula Darah, Denyut Jantung, dan SpO2 Berbasis Internet of Things Dimas Andreansyah; Ahmad Taqwa; Suroso Suroso
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.176

Abstract

Pemantauan kesehatan secara rutin memiliki peran penting dalam mendeteksi dini penyakit kronis seperti diabetes dan gangguan jantung. Namun, metode konvensional yang umumnya bersifat invasif sering menimbulkan ketidaknyamanan dan membutuhkan waktu serta biaya yang tidak sedikit. Berdasarkan permasalahan tersebut, penelitian ini mengembangkan sistem monitoring kesehatan non-invasif berbasis Internet of Things (IoT) yang mampu mengukur kadar gula darah, denyut jantung, dan kadar oksigen (SpO₂) tanpa pengambilan sampel darah. Sistem ini dirancang menggunakan mikrokontroler ESP32 sebagai pengendali utama dan sensor GY-MAX30102 sebagai sensor optik untuk mendeteksi sinyal fotopletismografi (PPG). Data hasil pengukuran dikalibrasi dengan alat medis standar guna meningkatkan akurasi dan reliabilitas. Hasil pengujian menunjukkan tingkat akurasi sebesar 95,3% untuk kadar gula darah, 95,9% untuk denyut jantung, dan 99,3% untuk kadar oksigen (SpO₂). Seluruh data pengukuran ditampilkan melalui LCD 16x2 serta dikirim secara real-time ke website monitoring menggunakan protokol MQTT untuk kemudahan pemantauan jarak jauh serta memberikan alternatif pemantauan kesehatan yang lebih praktis, efisien, dan nyaman, memungkinkan pengguna untuk memantau kondisi tubuh secara rutin tanpa harus melalui prosedur yang bersifat invasif. Regular health monitoring plays a crucial role in early detection of chronic diseases such as diabetes and heart disease. However, conventional, generally invasive methods often cause discomfort and are time-consuming and expensive. Based on these challenges, this study developed a non-invasive Internet of Things (IoT)-based health monitoring system capable of measuring blood sugar, heart rate, and oxygen (SpO₂) levels without blood sampling. The system was designed using an ESP32 microcontroller as the main controller and a GY-MAX30102 sensor as an optical sensor to detect photoplethysmography (PPG) signals. The measurement data was calibrated with standard medical devices to improve accuracy and reliability. The test results showed an accuracy rate of 95.3% for blood sugar, 95.9% for heart rate, and 99.3% for oxygen (SpO₂). All measurement data is displayed on a 16x2 LCD and sent in real-time to the monitoring website using the MQTT protocol for easy remote monitoring and provides a more practical, efficient, and convenient health monitoring alternative, allowing users to monitor their body condition regularly without having to undergo invasive procedures.
Sistem Pemilihan Rekomendasi Produk UMKM Kopi menggunakan Metode K-Nearest Neigbors M. Ardiansyah; Ahmad Taqwa; Ade Silvia Handayani
SemanTIK : Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v11i2.177

Abstract

Seiring dengan meningkatnya tren konsumsi kopi di berbagai kalangan dan semakin beragamnya preferensi konsumen terhadap produk kopi, hal ini juga dipicu oleh banyaknya produk kopi bermunculan di pasaran dengan berbagai varian harga, jenis olahan, dan asal kopi yang ditawarkan oleh pelaku Usaha Mikro, Kecil, dan Menengah (UMKM). Semakin banyaknya varian produk yang beredar membuat konsumen semakin sulit menemukan produk kopi yang sesuai dengan preferensi mereka. Metode K-Nearest Neighbors (KNN) menawarkan pendekatan yang efektif untuk membantu konsumen dalam menemukan rekomendasi produk kopi. Penelitian ini mengimplementasikan metode KNN mengukur jarak kedekatan antara preferensi pengguna dan karakteristik produk menggunakan dua metrik pengukuran, yaitu Euclidean dan Manhattan. Hasil evaluasi pengujian menunjukkan bahwa metrik jarak Euclidean memberikan tingkat akurasi tertinggi sebesar 92.2%, diikuti oleh Manhattan sebesar 91.8%. Berdasarkan hasil tersebut, Euclidean merupakan pilihan optimal dalam sistem rekomendasi yang dikembangkan, terbukti mampu memberikan rekomendasi produk kopi kepada konsumen dengan tingkat akurasi mencapai 92,2%. Along with the increasing trend of coffee consumption across various demographics and the growing diversity of consumer preferences for coffee products, this is also driven by the multitude of coffee products emerging in the market with various price ranges, types of processing, and origins offered by micro, small, and medium enterprises (MSMEs). The increasing variety of products available makes it more difficult for consumers to find coffee products that match their preferences. The K-Nearest Neighbors (KNN) method offers an effective approach to help consumers find coffee product recommendations. This research implements the KNN method to measure the proximity between user preferences and product characteristics using two measurement metrics, namely Euclidean and Manhattan. The evaluation results show that the Euclidean distance metric provides the highest accuracy level of 92.2%, followed by Manhattan at 91.8%. Based on these results, Euclidean is the optimal choice in the developed recommendation system and has proven capable of providing coffee product recommendations to consumers with the best recommendation results.

Page 4 of 7 | Total Record : 64

 2   3   4   5   6 

Filter by Year

2024 2026


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026) Vol. 11 No. 1 (2025): Vol. 11 No. 1 (2025): SemanTIK Teknik Informasi Vol. 11 No. 2 (2025): SemanTIK : Teknik Informasi Vol. 10 No. 2 (2024): SemanTIK : Teknik Informasi