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 The paper published in this journal implies that the work described has not been, and will not be published elsewhere, except as part of a lecture, review.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
 3   4   5   6   7 
Deteksi Deepfake dalam Mitigasi Risiko Disinformasi Digital menggunakan Metode Multi-Task Cascaded Convolutional Network dan Mobilenetv2 di Indonesia Helmi Agus Salim; Agung Muliawan; Difari Afreyna Fauziah
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.v11i2.239

Abstract

Disinformasi digital yang semakin marak melalui penyebaran konten deepfake telah menjadi tantangan serius di era transformasi digital, khususnya di Indonesia. Penelitian ini bertujuan untuk mengembangkan dan membandingkan kinerja dua metode deteksi deepfake berbasis deep learning, yaitu Multi-Task Cascaded Convolutional Network (MTCNN) dan MobileNetV2. Penelitian difokuskan pada deteksi manipulasi citra wajah dengan memanfaatkan kekuatan ekstraksi fitur dari MTCNN dan efisiensi arsitektur ringan MobileNetV2. Proses penelitian melibatkan tahapan pre-processing data menggunakan metode ekstraksi wajah, pelatihan model klasifikasi biner, serta evaluasi performa melalui confusion matrix. Hasil penelitian menunjukkan bahwa MTCNN menghasilkan performa klasifikasi yang lebih baik dibandingkan MobileNetV2, dengan akurasi sebesar 84% dan nilai True Positive serta True Negative yang lebih tinggi. Sebaliknya, MobileNetV2 hanya mampu mencapai akurasi 78,5%, disertai tingkat False Negative dan False Positive yang lebih besar. Temuan ini menunjukkan bahwa MTCNN memiliki keunggulan dalam mendeteksi konten deepfake secara lebih akurat berkat kemampuan ekstraksi fitur wajah yang lebih presisi. Di sisi lain, MobileNetV2 menawarkan kecepatan dan efisiensi pengolahan data, namun kurang optimal untuk mendeteksi manipulasi detail pada wajah. Berdasarkan hasil penelitian, disimpulkan bahwa MTCNN lebih direkomendasikan sebagai metode deteksi deepfake dalam upaya mitigasi risiko disinformasi digital di Indonesia, terutama pada skenario yang menuntut akurasi tinggi. Increasingly widespread digital disinformation through the spread of deepfake content has become a serious challenge in the era of digital transformation, especially in Indonesia. This research aims to develop and compare the performance of two deep learning-based deepfake detection methods, namely Multi-Task Cascaded Convolutional Net-work (MTCNN) and MobileNetV2. The research focused on facial im-age manipulation detection by utilizing the feature extraction power of MTCNN and the lightweight architectural efficiency of MobileNetV2. The research process involved data pre-processing using face extraction methods, binary classification model training, and performance evalua-tion through confusion matrix. The results showed that MTCNN pro-duced better classification performance than MobileNetV2, with 84% accuracy and higher True Positive and True Negative values. In con-trast, Mo-bileNetV2 was only able to achieve 78.5% accuracy, along with higher False Negative and False Positive rates. The findings show that MTCNN has the advantage of detecting deepfake content more accurately thanks to its more precise facial feature extraction capabili-ties. On the other hand, MobileNetV2 offers speed and efficiency in data processing, but is less optimum for detecting manipulation of faci-al details. Based on the results, it is concluded that MTCNN is more recommended as a deepfake detection method in an effort to mitigate the risk of digital disinformation in Indonesia, especially in scenarios that demand high accuracy
Penerapan Transaksi Berbasis Web Warung Kopi Klotok Noms Salatiga Menggunakan Metode FAST Ariel Rodjana; Charitas Fibriani
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.v11i2.240

Abstract

Perkembangan teknologi informasi telah mendorong pelaku usaha untuk meningkatkan efisiensi transaksi dan kepuasan pelanggan. Warung Kopi Klotok Noms Salatiga sebelumnya masih menggunakan transaksi tunai yang sering menimbulkan antrean panjang dan keterlambatan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem transaksi berbasis web menggunakan metode Framework for the Application of System Thinking (FAST) guna mengurangi antrean, mempercepat proses pemesanan dan pembayaran, serta meningkatkan pengalaman pelanggan. Metode penelitian meliputi investigasi awal, analisis masalah, analisis kebutuhan, perancangan, dan implementasi sistem. Data diperoleh melalui wawancara, observasi, dan dokumentasi dengan pihak manajemen serta staf operasional. Hasil penelitian menunjukkan bahwa aplikasi Noms Order mampu memfasilitasi pelanggan dalam melakukan pemesanan dan pembayaran secara daring, memudahkan kasir dalam mengelola transaksi, serta mendukung pramusaji dalam memperbarui status pesanan. Selain itu, sistem menyediakan laporan penjualan yang lebih terstruktur sehingga mendukung pengambilan keputusan manajerial. Penerapan metode FAST terbukti efektif dalam membangun sistem transaksi berbasis web yang meningkatkan efisiensi operasional, mengurangi antrean, dan memberikan kepuasan lebih tinggi kepada pelanggan. Temuan ini menegaskan pentingnya penggunaan metodologi terstruktur seperti FAST dalam pengembangan sistem informasi bagi usaha kecil dan menengah The rapid development of information technology has encouraged businesses to improve transaction efficiency and customer satisfaction. Warung Kopi Klotok Noms Salatiga previously relied on cash-based transactions, which often caused long queues and delays. This study aims to design and implement a web-based transaction system using the Framework for the Application of System Thinking (FAST) method to reduce queues, accelerate ordering and payment processes, and enhance the overall customer experience. The research method consists of preliminary investigation, problem analysis, requirements analysis, system design, and implementation. Data were collected through interviews, observations, and documentation involving management and operational staff. The results indicate that the Noms Order application enables customers to place orders and make payments online, assists cashiers in managing transactions more efficiently, and supports waiters in updating order status. Furthermore, the system provides structured sales reports that improve managerial decision-making. The implementation of the FAST method proved effective in developing a web-based transaction system that enhances operational efficiency, reduces waiting times, and increases customer satisfaction. These findings highlight the significance of adopting structured methodologies such as FAST in building reliable information systems for small and medium-sized enterprises
Implementasi Rule-Based Classification Untuk Klasifikasi Penggunaan Lahan Berbasis WebGIS Dinda Asfiani Modeong; Efraim R.S Moningkey
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.v11i2.242

Abstract

Perkembangan perkotaan yang cepat di Kota Tomohon telah menimbulkan tantangan dalam pemantauan penggunaan lahan yang efektif, yang masih dilakukan secara manual dan kurang terintegrasi. Studi ini bertujuan untuk mengembangkan aplikasi WebGIS yang menerapkan metode Klasifikasi Berbasis Aturan (Rule-Based Classification) untuk klasifikasi penggunaan lahan secara otomatis di beberapa kecamatan di Tomohon. Metode ini menjadi inti dari penelitian karena memungkinkan proses klasifikasi berjalan secara transparan, konsisten, dan mudah diinterpretasikan. Pengembangan sistem dilakukan dengan pendekatan Model Waterfall, yang mencakup fase analisis, desain, implementasi, pengujian, dan pemeliharaan. Data dikumpulkan melalui observasi, wawancara, dan studi literatur. Sistem dikembangkan menggunakan PHP, MySQL, dan CesiumJS untuk visualisasi geospasial interaktif. Pengujian dilakukan menggunakan metode Black Box, memastikan bahwa semua fitur termasuk unggah shapefile, klasifikasi otomatis, pemetaan interaktif, dan penyaringan berdasarkan kategori berfungsi sesuai harapan. Hasil menunjukkan bahwa aplikasi WebGIS mampu mengklasifikasikan penggunaan lahan secara efisien dan menampilkan data spasial interaktif yang dapat diakses oleh pemerintah dan masyarakat. Sistem ini meningkatkan transparansi, akurasi, dan partisipasi publik dalam pemantauan penggunaan lahan, mendukung perencanaan spasial yang lebih cerdas. Rapid urbanization in Tomohon City has raised challenges in effective land use monitoring, which is still performed manually and lacks integration. This study aims to develop a WebGIS application that implements the Rule-Based Classification method for automated land use classification in several sub-districts of Tomohon. This method serves as the core of the study since it enables transparent, consistent, and easily interpretable classification processes. The system development followed the Waterfall model, consisting of analysis, design, implementation, testing, and maintenance phases. Data were collected through observation, interviews, and literature studies. The system was developed using PHP, MySQL, and CesiumJS for interactive geospatial visualization. Testing was conducted using the Black Box method, confirming that all features including shapefile upload, automatic classification, interactive mapping, and category-based filtering worked as expected. Results show that the WebGIS application is capable of classifying land use efficiently and presenting interactive spatial data accessible to both government and the public. The system enhances transparency, accuracy, and public participation in land use monitoring, supporting smarter spatial planning.
Klasifikasi Daerah Rawan Longsor menggunakan Metode Deep Learning Berbasis Data Citra Sentinel-1 Cakra Cakra; Baharuddin Baharuddin; Andi Muhammad Islah; Samsuddin; La Ode Muhammad Bahtiar Aksara
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.v11i2.246

Abstract

Tanah longsor merupakan bencana yang sering terjadi di wilayah tropis dengan kerugian besar terhadap aspek sosial, ekonomi, dan lingkungan. Sulawesi Tenggara termasuk salah satu wilayah dengan tingkat kerawanan tinggi akibat kondisi topografi berbukit, curah hujan tahunan yang tinggi, serta aktivitas manusia seperti deforestasi dan pertambangan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi daerah rawan longsor menggunakan metode Deep Learning berbasis Convolutional Neural Network (CNN) dengan memanfaatkan data radar Sentinel-1 GRD. Data penelitian mencakup 54 lokasi InaRisk BNPB dari enam kabupaten di Sulawesi Tenggara. Proses penelitian meliputi akuisisi data Sentinel-1, pra-pemrosesan (speckle filtering, kalibrasi radiometrik, koreksi topografi), ekstraksi patch multi-skala, pembangunan dan pelatihan CNN menggunakan TensorFlow/Keras, serta evaluasi model dengan metrik Accuracy, Precision, Recall, F1-score, dan AUC-ROC. Hasil penelitian menunjukkan model terbaik diperoleh pada patch 128×128 dengan akurasi 85,71%, presisi 85,81%, recall 85,71%, F1-score 85,46%, dan AUC-ROC 0,9807. Temuan ini menunjukkan potensi CNN dalam mendukung pemetaan kerawanan longsor secara akurat untuk mitigasi bencana di Sulawesi Tenggara. Landslides are disasters that frequently occur in tropical regions, causing severe impacts on social, economic, and environmental aspects. Southeast Sulawesi is among the regions with high susceptibility due to its hilly topography, high annual rainfall, and human activities such as deforestation and mining. This study aims to develop a landslide susceptibility classification model using a Deep Learning approach based on Convolutional Neural Networks (CNN) by utilizing Sentinel-1 GRD radar data. The research dataset consists of 54 InaRisk BNPB locations across six districts in Southeast Sulawesi. The research process includes Sentinel-1 data acquisition, preprocessing (speckle filtering, radiometric calibration, topographic correction), multi-scale patch extraction, CNN model construction and training using TensorFlow/Keras, and model evaluation with metrics such as Accuracy, Precision, Recall, F1-score, and AUC-ROC. The results show that the best model was achieved using 128×128 patches, reaching an accuracy of 85.71%, precision of 85.81%, recall of 85.71%, F1-score of 85.46%, and AUC-ROC of 0.9807. These findings demonstrate the potential of CNN to support accurate landslide susceptibility mapping for disaster mitigation in Southeast Sulawesi.
Sistem Pendukung Keputusan untuk Optimalisasi Penghapusan Aktiva Tetap Menggunakan Metode CRITIC dan Fuzzy EDAS La Sudarman; Abel Haryanto; Eva Eva; Sarimuddin Sarimuddin
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.248

Abstract

Manajemen aktiva tetap di perguruan tinggi sering menghadapi kendala dalam menentukan penghapusan aset secara objektif akibat perbedaan skala antar kriteria serta adanya subjektivitas dalam proses penilaian. Penelitian ini bertujuan mengembangkan Sistem Pendukung Keputusan (SPK) untuk mengoptimalkan proses penghapusan aktiva tetap. Pendekatan yang digunakan mengintegrasikan metode Z-Score untuk normalisasi data, CRITIC untuk menentukan bobot kriteria secara objektif, serta Fuzzy EDAS sebagai metode pengambilan keputusan dalam menentukan prioritas penghapusan aset. Sistem yang dikembangkan diimplementasikan pada data aset di Universitas Sembilanbelas November Kolaka. Hasil penelitian menunjukkan bahwa integrasi ketiga metode tersebut mampu menghasilkan peringkat rekomendasi penghapusan aset secara lebih terukur dan sistematis. Berdasarkan hasil perhitungan, aset Monitor 17 Inci memperoleh nilai tertinggi dengan skor 0,672 sehingga direkomendasikan sebagai prioritas utama untuk dihapuskan. Dengan demikian, pendekatan integratif Z-Score, CRITIC, dan Fuzzy EDAS mampu mendukung pengambilan keputusan yang lebih objektif dalam pengelolaan aktiva tetap serta memberikan dasar analitis dalam penentuan kebijakan penghapusan aset di lingkungan perguruan tinggi Fixed asset management in universities often encounters challenges in determining asset disposal objectively due to differences in criteria scales and the presence of subjectivity in the evaluation process. This study aims to develop a Decision Support System (DSS) to optimize the fixed asset disposal process. The proposed approach integrates the Z-Score method for data normalization, the CRITIC method for determining objective criteria weights, and the Fuzzy EDAS method for decision-making in determining asset disposal priorities. The developed system was implemented using asset data from Universitas Sembilanbelas November Kolaka. The results indicate that the integration of these three methods is capable of generating asset disposal recommendation rankings in a more measurable and systematic manner. Based on the calculation results, the 17-inch monitor asset obtained the highest score of 0.672 and was therefore recommended as the top priority for disposal. Thus, the integrative approach of Z-Score, CRITIC, and Fuzzy EDAS can support more objective decision-making in fixed asset management while providing an analytical basis for determining asset disposal policies in higher education institutions.
Media Pembelajaran : Game Interaktif Pengenalan Organ Tubuh Hewan bagi Anak dengan Hambatan Kognitif Keysia Sasikome; Angelica Runtupalit; Fify Wondal; Graciella Bawiling; Tracy Kereh
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.257

Abstract

Hambatan kognitif adalah kondisi yang ditandai dengan keterbatasan kemampuan seseorang untuk berpikir, mengingat, dan menafsirkan informasi dari panca indra. Anak-anak dengan hambatan kognitif memiliki kesulitan dalam memproses informasi abstrak sehingga membutuhkan media pembelajaran yang interaktif. Pengenalan organ tubuh hewan akan lebih mudah dipahami melalui media yang menarik dibanding metode konvensional. Penelitian ini bertujuan mengembangkan media belajar yang lebih inovatif dan interaktif melalui game edukasi berbasis mobile. Metode yang digunakan adalah Research and Development (R&D) melalui tahap studi pendahuluan, perancangan UI/UX, pengembangan aset visual dan audio, uji coba, serta evaluasi efektivitas. Hasil yang diperoleh adalah aplikasi game edukasi mobile yang interaktif, komunikatif, serta dilengkapi dengan penyajian gambar visual, audio suara hewan, dan kuis interaktif dengan umpan balik langsung yang dirancang khusus untuk anak dengan hambatan kognitif dalam mengenal organ tubuh hewan, sekaligus menjadi media pembelajaran inklusif dan adaptif. Abstract Cognitive impairment is a condition characterized by limitations in a person's ability to think, remember, and interpret information from the five senses. Children with cognitive impairments have difficulty processing abstract information and therefore require interactive learning media. Learning about animal organs is easier to understand through engaging media than through conventional methods. This study aims to develop more innovative and interactive learning media through mobile-based educational games. The method used is Research and Development (R&D) through preliminary studies, UI/UX design, visual and audio asset development, testing, and effectiveness evaluation. The results obtained are an interactive and communicative mobile educational game application equipped with visual image presentations, animal audio, and interactive quizzes with immediate feedback, specifically designed for children with cognitive impairments in learning about animal organs, while also serving as an inclusive and adaptive learning medium.
Penerapan Algoritma Decision Tree C4.5 Pada Layanan Perbaikan Handphone dan Laptop Mesiasi Anjelika Supit; Audy Aldrin Kenap; Glenn David Paulus Maramis
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.258

Abstract

Perkembangan teknologi informasi telah mendorong akan kebutuhan sistem prediksi biaya perbaikan perangkat elektronik yang cepat dan akurat. Tujuan dari penelitian ini untuk menerapkan algoritma Decision Tree C4.5 pada layanan perbaikan Handphone dan Laptop yang ditujukan bagi pelanggan A+ Service Center Manado. Data yang digunakan mencakup atribut merek perangkat, tipe unit, dan jenis kerusakan, dengan hasil berupa estimasi biaya perbaikan. Metode penelitian mencakup tahap pengumpulan data, preprocessing, penerapan algoritma C4.5, pembentukan model pohon keputusan, serta evaluasi akurasi menggunakan confusion matrix dan Rapid Miner. Hasilnya menunjukkan bahwa algoritma Decision Tree C4.5 dapat menghasilkan model dengan tingkat akurasi sebesar 81,06%, di mana atribut kerusakan menjadi faktor paling utama dalam menentukan estimasi biaya. Implementasi sistem berbasis web memberikan penghematan waktu, karena pelanggan dapat mengestimasi biaya perbaikan tanpa perlu menunggu pemeriksaan teknisi di tempat servis. Penerapan algoritma ini dapat membantu meningkatkan efisiensi layanan dan kepercayaan pelanggan terhadap proses perbaikan perangkat. The development of information technology has driven the need for a fast and accurate system to predict the repair costs of electronic devices. This study aims to apply the Decision Tree C4.5 algorithm to smartphone and laptop repair services for customers of A+ Service Center Manado. The dataset includes attributes such as device brand, unit type, and type of damage, with the output being the estimated repair cost. The research methodology involves several stages, including data collection, preprocessing, application of the C4.5 algorithm, decision tree model construction, and accuracy evaluation using a confusion matrix. The results show that the Decision Tree C4.5 algorithm can produce a model with an accuracy rate of 81.06%, where the damage type attribute is the most dominant factor in determining the co-st estimation. The implementation of the web-based system provides time efficiency, allowing customers to estimate repair costs without waiting for on-site technician inspection. The application of this algorithm helps improve service efficiency and enhances customer trust in the repair process.
Analisis Kemiripan Judul Skripsi Menggunakan Pembobotan TF-IDF dan Metode Cosine Similarity Untuk Mencegah Duplikasi Sarimuddin Sarimuddin; Nur Azlina; Anggun Anggun; Vadilla Nur Khalifah; Nasarudin Nasarudin
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.259

Abstract

Kemiripan judul skripsi merupakan masalah yang kerap muncul pada tahap awal penyusunan tugas akhir mahasiswa, berpotensi menurunkan kebaruan penelitian dan menyulitkan proses bimbingan. Penelitian ini merancang dan mengimplementasikan sistem pendeteksi kemiripan judul skripsi berbasis web menggunakan Cosine Similarity dengan pembobotan TF-IDF. Sistem diimplementasikan menggunakan PHP dan MySQL. Data judul dikumpulkan secara manual dari para peneliti/mahasiswa di berbagai fakultas Universitas Sembilanbelas November Kolaka. Evaluasi penerimaan pengguna dilakukan dengan model Technology Acceptance Model (TAM) yang dimodifikasi dengan konstruk Trust & Perceived Accuracy. Hasil pengujian pada 45 responden menunjukkan nilai rata-rata PU = 4,09; PEOU = 4,03; TPA = 3,79; ATU = 3,97; BI = 3,88 (kategori: Tinggi). Sistem mampu mendeteksi kemiripan judul dengan cepat dan memberikan keluaran skor kemiripan yang dapat membantu proses validasi akademik. Rekomendasi pengembangan meliputi integrasi pendekatan semantik dan mekanisme pembaruan basis data otomatis. Title similarity among undergraduate theses reduces novelty and complicates supervision and assessment processes in higher education. This research designs and implements a web-based title similarity detection system using Cosine Similarity with TF-IDF weighting. The system is implemented using standard PHP and MySQL as the database. Thesis title data were collected manually from researchers and students across faculties at Universitas Sembilanbelas November Kolaka. User acceptance was evaluated using the Technology Acceptance Model (TAM) augmented with a Trust & Perceived Accuracy construct. The system demonstrates fast processing and reliable similarity scoring; TAM results (N = 45) indicate high acceptance across constructs (PU = 4.09; PEOU = 4.03; TPA = 3.79; ATU = 3.97; BI = 3.88). The proposed solution can support academic administration by early detection of title duplication and guiding revision processes. Recommendations for future work include semantic similarity integration and automated indexing for continuous database growth.
Sistem Kontrol Penyiraman Air Dan Nutrisi Tanaman Cabai Berbasis Internet Of Things (IoT) Menggunakan Decision Tree C5 LM. Fid Aksara; Asri Samsudin; Jumadil Nangi; Isnawaty Isnawaty
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.v11i2.268

Abstract

Indonesia sebagai negara agraris memiliki banyak lahan pertanian subur. Namun, teknologi pertanian masih perlu dikembangkan untuk meningkatkan produktivitas. Salah satu masalah yang sering dihadapi petani cabai adalah pada proses kurangnya intensitas penyiraman yang berdampak buruk pada pertumbuhan dan hasil panen. Cabai (Capsicum spp.) adalah tanaman penting yang digunakan dalam berbagai masakan dan memiliki banyak manfaat kesehatan. Untuk mengatasi masalah ini, diperlukan sistem otomatis yang dapat mengatur penyiraman tanaman secara efisien, terutama di lahan yang sempit seperti perkotaan. Penelitian ini bertujuan untuk merancang dan menguji sistem kontrol penyiraman air otomatis pada tanaman cabai, yang berbasis Internet of Things (IoT) dan menggunakan Decision Tree C5 sebagai metode utama pengambilan keputusan. Sistem ini dirancang agar penyiraman tanaman berlangsung secara optimal dengan memantau kondisi lingkungan seperti suhu, kelembaban tanah, dan pH tanah. Rencana pengujian sistem ini mencakup beberapa tahap untuk memastikan fungsionalitas dan keakuratan sistem kontrol penyiraman otomatis berbasis Internet of Things (IoT) dengan Decision Tree C5. Selain itu juga dilakukan pengujian black box untuk mengetahui fungsionalitas sistem yang akan dibangun. Indonesia sebagai negara agraris memiliki banyak lahan pertanian subur. Namun, teknologi pertanian masih perlu dikembangkan untuk meningkatkan produktivitas. Salah satu masalah yang sering dihadapi petani cabai adalah pada proses kurangnya intensitas penyiraman yang berdampak buruk pada pertumbuhan dan hasil panen. Cabai (Capsicum spp.) adalah tanaman penting yang digunakan dalam berbagai masakan dan memiliki banyak manfaat kesehatan. Untuk mengatasi masalah ini, diperlukan sistem otomatis yang dapat mengatur penyiraman tanaman secara efisien, terutama di lahan yang sempit seperti perkotaan. Penelitian ini bertujuan untuk merancang dan menguji sistem kontrol penyiraman air otomatis pada tanaman cabai, yang berbasis Internet of Things (IoT) dan menggunakan Decision Tree C5 sebagai metode utama pengambilan keputusan. Sistem ini dirancang agar penyiraman tanaman berlangsung secara optimal dengan memantau kondisi lingkungan seperti suhu, kelembaban tanah, dan pH tanah. Rencana pengujian sistem ini mencakup beberapa tahap untuk memastikan fungsionalitas dan keakuratan sistem kontrol penyiraman otomatis berbasis Internet of Things (IoT) dengan Decision Tree C5. Selain itu juga dilakukan pengujian black box untuk mengetahui fungsionalitas sistem yang akan dibangun.
Model Klasifikasi Kesesuaian Artikel Pada Jurnal SINTA Berdasarkan Metadata Menggunakan Term Frequency–Inverse Document Frequency dan Naïve Bayes Ainunna’imah; Imam Riadi; Herman Yuliansyah
SemanTIK : Teknik Informasi Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55679/semantik.v12i1.270

Abstract

Pertumbuhan publikasi ilmiah di Indonesia menimbulkan kebutuhan akan metode yang efisien untuk membantu peneliti mengklasifikasikan dan menentukan jurnal yang sesuai bagi artikel akademik. Berbagai penelitian menunjukkan bahwa metode machine learning, khususnya Naïve Bayes, efektif dalam tugas klasifikasi teks berbahasa Indonesia. Namun, penelitian yang secara khusus memanfaatkan metadata artikel untuk menentukan kesesuaian artikel terhadap jurnal terindeks SINTA masih terbatas, khususnya terkait integrasi TF–IDF dan evaluasi berbasis cross-validation. Penelitian ini bertujuan mengembangkan model klasifikasi kesesuaian artikel pada jurnal SINTA berdasarkan metadata menggunakan Term Frequency–Inverse Document Frequency dan Naïve Bayes. Dataset terdiri atas 1.200 metadata artikel mencakup judul, abstrak, dan kata kunci, yang dikumpulkan melalui crawling manual terhadap jurnal-jurnal bidang teknologi pada portal SINTA. Tahapan penelitian meliputi pengumpulan data, prapemrosesan teks (case folding, translasi, tokenisasi, stopword removal, dan stemming), penggabungan metadata, ekstraksi fitur menggunakan TF–IDF, serta penerapan algoritma Naïve Bayes dengan skema 5-fold cross-validation. Evaluasi berdasarkan confusion matrix menunjukkan bahwa model mencapai accuracy 0,7058, precision 0,6977, recall 0,7133, dan F1-score 0,7065. Hasil ini menegaskan bahwa Naïve Bayes mampu memberikan performa klasifikasi yang cukup baik terhadap metadata artikel, serta berpotensi mendukung pengembangan sistem rekomendasi target submission jurnal The rapid growth of scientific publications in Indonesia has created the need for efficient methods to assist researchers in classifying and determining suitable journals for academic articles. Previous studies have shown that machine learning methods, particularly Naïve Bayes, are effective for various Indonesian text classification tasks. However, research specifically utilizing article metadata to determine the suitability of articles for SINTA-indexed journals remains limited, especially regarding the integration of TF–IDF features and cross-validation–based evaluation. This study aims to develop a classification model for determining article–journal suitability within SINTA using Term Frequency–Inverse Document Frequency and the Naïve Bayes algorithm. The dataset consists of 1,200 article metadata entries, including titles, abstracts, and keywords, collected through manual crawling of technology-related journals listed on the SINTA portal. The research stages include data collection, text preprocessing (case folding, translation, tokenization, stopword removal, and stemming), metadata merging, feature extraction using TF–IDF, and the implementation of Naïve Bayes with a 5-fold cross-validation scheme. Evaluation using confusion matrix metrics shows that the model achieved an accuracy of 0.7058, precision of 0.6977, recall of 0.7133, and an F1-score of 0.7065. These results indicate that Naïve Bayes provides a reasonably strong classification performance on article metadata and has potential application in journal submission recommendation systems

Page 6 of 7 | Total Record : 64

 3   4   5   6   7 

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