cover
Contact Name
Aji Setiawan
Contact Email
aji_setiawan@ft.unsada.ac.id
Phone
+6287885025203
Journal Mail Official
aji_setiawan@ft.unsada.ac.id
Editorial Address
Faculty of Engineering, Darma Persada University. Terusan Casablanca Streets, Pondok Kelapa, East Jakarta, Indonesia.
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Journal Technology Information and Data Analytic
ISSN : -     EISSN : 30640660     DOI : https://doi.org/10.70491/tifda.v1i2.43
Journal of Technology Information and Data Analytic is a scientific journal managed by the Faculty of Engineering, Darma Persada University. TIFDA is an open access journal that provides free access to the full text of all published articles without charging access fees from readers or their institutions. Readers are entitled to read, download, copy, distribute, print, search, or link to the full text of all articles in the TIFDA Journal. This journal provides immediate open access to its content on the principle that making research freely available to the public supports a greater global exchange of knowledge. Focus & Scope Informatics: Software Engineering, Information Technology, Information System, Data Mining, Multimedia, Mobile Programming, Artificial Intelligence, Computer Graphic, Computer Vision, Augmented/Virtual Reality, Games Programming, Privacy and Data Security, Security, Machine learning, Database Internet of Things Information System : Software Management, Life Cycle Development Tools.
Articles 28 Documents
Perbandingan Akurasi Double Exponential Smoothing dan ARIMA dalam Memprediksi Penjualan di E-Commerce Nibans Cake Bobby Syakir, Raden Achmad; Budiman, Adam Arif
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.8

Abstract

Penelitian ini bertujuan untuk membandingkan keakuratan metode Autoregressive Integrated Moving Average (ARIMA) dan Double Exponential Smoothing pada peramalan penjualan kue di Toko Nibans Cake, sehingga toko dapat melakukan prediksi untuk periode selanjutnya dengan metode yang lebih akurat diantara kedua metode tersebut. Aplikasi penjualan menggunakan metode ARIMA dan Double Exponential Smoothing dapat digunakan untuk memprediksi jumlah penjualan di masa depan. Metode ARIMA lebih cocok digunakan untuk data yang memiliki pola musiman (seasonal) sedangkan metode Double Exponential Smoothing lebih cocok digunakan untuk data yang tidak memiliki pola musiman.
Perancangan Sistem Informasi Berbasis Web Pendataan Stok Helm di Toko Helm Bogor Sudibyo, Tommy; Setiawan, Aji
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.26

Abstract

Toko Helm Bogor merupakan usaha otomotif yang beroperasi di Kabupaten Bogor dan memiliki cabang di Bekasi. Proses pendataan stok barang saat ini masih dilakukan secara manual menggunakan Microsoft Excel, yang mengakibatkan kurangnya efisiensi dan akurasi dalam pengolahan data. Sistem informasi ini dirancang untuk mempermudah pengelolaan keluar masuk barang dan laporan stok secara cepat serta mudah. Aplikasi ini mengatur data masuk dan menampilkan laporan yang lengkap sesuai kebutuhan admin. Studi kasus ini menggunakan MySQL sebagai basis data, dan pengembangan aplikasi mengikuti metode waterfall yang dipilih berdasarkan referensi dari berbagai sumber. Diharapkan, sistem informasi ini dapat meningkatkan efisiensi dan akurasi dalam proses pendataan stok barang di Toko Helm Bogor.
Rancang Bangun Sistem Pengawasan Infus Berbasis Teknologi Internet Of Things (IoT) Achmad Jayadi; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.27

Abstract

Perkembangan teknologi Internet of Things (IoT) semakin luas diterapkan dalam berbagai aspek kehidupan sehari-hari termasuk dalam bidang kesehatan. Salah satu penerapan IoT yang dikembangkan adalah sistem pengawasan infus untuk meningkatkan pengawasan kontrol dan keamanan pasien dalam proses pengobatan infus. Penelitian ini memfokuskan pada pengembangan sistem pengawasan infus yang menggunakan sensor Load Cell untuk mendeteksi sisa cairan infus dan sensor LM393 untuk mendeteksi tetesan infus serta kenaikan darah. Mikrokontroler ESP32 digunakan sebagai pusat kendali yang terhubung dengan aplikasi monitoring memungkinkan pemantauan jarak jauh secara real-time melalui aplikasi mobile. Hasil pengujian menunjukkan bahwa sistem ini bekerja efektif dalam mengukur berat infus, mendeteksi tetesan infus, serta memberikan notifikasi yang tepat waktu saat terjadi kenaikan darah atau saat infus mendekati habis. Dengan demikian, sistem pengawasan infus berbasis IoT yang dikembangkan dalam penelitian ini dapat diandalkan untuk digunakan dalam lingkungan perawatan kesehatan, meningkatkan efisiensi dan akurasi dalam pengawasan infus pasien.
Implementasi Data Mining Analisa Pola Belanja Customer Dengan menggunakan FP-Growth pada Produk Fashion Agustin, Ririn; Budiman, Adam Arif
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.28

Abstract

This study applies data mining to analyze customer patterns and fashion product predictions. The FP-Growth method is used to identify frequently occurring itemset patterns,The dataset contains customer purchase history and fashion product attributes. The results of customer pattern analysis and fashion product predictions can help fashion companies in making strategic decisions. This study contributes to the use of data mining to understand customer preferences and improve business decisions for fashion companies. The use of datasets consisting of customer purchase history and fashion product attributes. First, using the FP-Growth algorithm, an analysis is carried out to identify frequently occurring itemset patterns in customer data. The results of the analysis are used to understand customer preferences and shopping habits.
Pemanfaatan Augmented Reality dalam Pembelajaran Struktur Atom di SMA Cahaya Sakti Muhammad Reza, Dwiky; Setiawan, Aji; Tri Mahardika, Bagus
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 1 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i1.30

Abstract

Augmented Reality (AR) adalah teknologi yang memadukan elemen dunia nyata dengan dunia virtual secara langsung. Berbeda dengan virtual reality yang menggantikan seluruh lingkungan nyata, AR hanya menambahkan komponen visual ke dalam lingkungan fisik. Teknologi ini berfungsi dengan menampilkan objek 3D pada marker yang dikenali oleh aplikasi. Penggunaan smartphone memungkinkan aplikasi AR menjadi lebih terjangkau dan mudah diakses oleh banyak pengguna. AR memiliki beragam manfaat di berbagai bidang, salah satunya dalam dunia pendidikan. Studi ini mengembangkan aplikasi AR sebagai alat bantu pembelajaran bagi siswa, menggunakan Vuforia SDK pada platform Android untuk menciptakan pengalaman belajar yang lebih interaktif melalui AR.
Perancangan Sistem Gudang Cerdas untuk Pemantauan Lingkungan Gudang Berbasis Internet of Things (IoT) Firmansyah, Adi; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.34

Abstract

Penelitian ini bertujuan mengembangkan dan mengimplementasikan sistem Smart Warehouse berbasis Internet of Things (IoT) untuk memonitor dan mengontrol lingkungan gudang secara otomatis menggunakan modul ESP8266 untuk integrasi sensor, aktuator, dan aplikasi berbasis web yang memungkinkan pemantauan real-time serta kontrol otomatis. Sensor yang digunakan meliputi suhu dan kelembaban (DHT21), intensitas cahaya (BH1750), gas CO (MQ135), PIR, dan sensor api (KY-026), dengan otomatisasi kipas angin, exhaust fan, dan pencahayaan berdasarkan deteksi gas CO, keberadaan orang, serta intensitas cahaya. Sensor api mendeteksi potensi kebakaran, mengaktifkan alarm secara cepat, dan meningkatkan keamanan gudang melalui pemantauan yang dapat diakses pengguna dari dasbor berbasis web yang memudahkan pengambilan keputusan operasional. Hasil pengujian menunjukkan sistem ini mampu memberikan pemantauan akurat dan respons otomatis efisien dengan tingkat kepuasan pengguna yang tinggi dalam efektivitas serta kemudahan pemantauan lingkungan gudang.
Implementasi Quality Management System Pada Baterai Lithium Dengan Metode Convolutional Neural Network (CNN) Emilia, Desiana Elsa; Setiawan, Aji
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.36

Abstract

Baterai lithium-ion adalah termasuk dalam jenis baterai sekunder (jenis baterai yang dapat diisi ulang) yang berfungsi untuk menyimpan dan mengalirkan energi secara elektrokimia. Baterai Lithium-Ion umumnya digunakan dalam berbagai perangkat elektronik portabel seperti smartphone, laptop, tablet, kamera digital, dan perangkat elektronik lainnya. Baterai Li-Ion terdiri dari sel-sel individu yang memiliki elektroda positif (anoda) dari lithium dan elektroda negatif (katoda) yang biasanya terbuat dari grafit. Penggunaan metode Convolutional Neural Network berguna untuk deteksi kecacatan produk yang digabungkan dengan beberapa model seperti ResNet, MobileNet, dan Inception. Penggunaan kombinasi ini telah terbukti menghasilkan tingkat akurasi yang signifikan dalam mengidentifikasi cacat pada produk baterai. Model dilatih dengan dataset yang cukup besar dan memiliki arsitektur yang mampu untuk mendeteksi kecacatan baterai dengan lebih baik, dan canggih. Model CNN yang telah dikembangkan mampu mengklasifikasikan jenis baterai menggunakan 3 model berbeda dan menghasilkan tingkat akurasi yang cukup tinggi. Hasil pengujian dengan 100 epoch menggunakan optimizer Adam menghasilkan tingkat akurasi sebesar 96% untuk model Inception, model ResNet menghasilkan akurasi sebesar 94% dan model MobileNet yang menghasilkan tingkat akurasi sebesar 92%. Dalam hal ini, model ResNet direkomendasikan untuk klasifikasi karena dapat memprediksi hasil dengan lebih akurat dibanding model MobileNet dan Inception.
Perancangan Sistem Informasi Medical Check-Up Berbasis Website Iis Mawati, Anggy; Setiyaningsih, Timor
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.37

Abstract

Medical Check-Up (MCU) merupakan komponen penting dalam menjaga kesehatan individu, terutama dalam konteks keselamatan kerja. Namun, pelaksanaan MCU sering kali terkendala oleh masalah pengaturan jadwal dan absensi yang tidak teratur. Beberapa pegawai mengalami kesulitan menyesuaikan jadwal MCU dengan jadwal pekerjaan mereka. Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis website yang mengatasi permasalahan pengaturan jadwal dan absensi MCU. Fokus penelitian meliputi perancangan sistem informasi dan implementasi fungsi utama seperti pengelolaan jadwal serta absensi berbasis QR code. Hasil evaluasi menunjukkan bahwa sistem ini berhasil meningkatkan kesesuaian jadwal MCU dengan ketersediaan waktu pegawai serta memfasilitasi pencatatan absensi yang akurat dan efisien. Dengan demikian, implementasi sistem ini terbukti dapat meningkatkan efektivitas program kesehatan di tempat kerja.
Analisis Sentimen Kepuasan Pelanggan Parfum Scentplus dan Moris di Platform Tik Tok menggunakan Metode Regresi Logistik Alwi, Rivaldi; Budiman, Adam Arif
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.45

Abstract

Parfum Scentplus dan Moris, dua merek parfum lokal yang tengah meroket ketenaran nya melalui platform Tik Tok, menjadi fokus penelitian ini. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap kepuasan pelanggan terhadap kedua merek parfum ini. Metode Regresi Logistik digunakan sebagai alat utama untuk merinci dan mengeksplorasi sentimen yang terkandung dalam komentar-komentar pelanggan, Pengumpulan data dilakukan dengan memanfaatkan teknik Scraping untuk mengakses dan mengumpulkan komentar-komentar pelanggan dari platform Tik Tok, Data latih yang digunakan sebanyak 1000 data yang telah dilabel dengan masing-masing data sentimen positif 420, sentimen netral 149, dan sentimen negatif 431 untuk parfum moris dan data sentimen positif 456, sentimen netral 146, dan sentimen negatif 398 untuk parfum scentplus yang dilatih menggunakan algoritma regresi logistik, Pada penelitian ini menunjukan model untuk parfum Moris memiliki performa terbaik dengan akurasi sebesar 93%, presisi sebesar 93%, dan recall sebesar 93%. Sedangkan model untuk parfum Scentplus memiliki akurasi sebesar 91%, presisi sebesar 91%, dan recall sebesar 91%.
Implementasi Deep Learning Menggunakan Vision Transformer Untuk Klasifikasi Penyakit Daun Padi Febriyanto, Tri; Syofian, Suzuki
Journal TIFDA (Technology Information and Data Analytic) Vol 1 No 2 (2024): Journal Technology Information and Data Analytic (TIFDA)
Publisher : Prodi Teknologi Informasi Universitas Darma Persada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70491/tifda.v1i2.47

Abstract

Padi merupakan makanan pokok penting yang berperan signifikan dalam meningkatkan kesejahteraan masyarakat Indonesia. Namun, produksi padi sering terancam oleh berbagai penyakit daun yang disebabkan oleh patogen seperti jamur, hama, bakteri, dan virus. Beberapa penyakit daun padi yang umum termasuk Blas (Blast), Bercak Coklat (Brown Spot), Hawar Daun Bakteri (Bacterial Leaf Blight), dan Tungro. Kemajuan teknologi saat ini, khususnya dalam bidang Deep Learning, menawarkan solusi potensial untuk mengatasi tantangan tersebut. Deep Learning, sebagai sub-bidang Machine Learning, mengadopsi algoritma yang terinspirasi dari cara kerja otak manusia. Penelitian ini menggunakan metode Vision Transformer (ViT) dengan arsitektur ViT B16 untuk mengklasifikasikan penyakit daun padi. Dataset yang digunakan terdiri dari 1253 gambar, termasuk 419 gambar untuk penyakit Bercak Coklat, 355 gambar untuk penyakit Blast, 209 gambar untuk penyakit Hawar Daun Bakteri, dan 270 gambar untuk penyakit Tungro. Dataset dibagi menjadi 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Pelatihan dilakukan dengan batch size 32, 50 epoch, dan menggunakan optimizer Adam. Hasil penelitian menunjukkan bahwa model yang dikembangkan mencapai akurasi, presisi, recall, dan f1-score sebesar 96%.

Page 1 of 3 | Total Record : 28