cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ir. Gigih Forda Nama, S.T., M.T.I., IPM.
Contact Email
gigih@eng.unila.ac.id
Phone
+6285289774152
Journal Mail Official
jitet@eng.unila.ac.id
Editorial Address
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Location
Kota bandar lampung,
Lampung
INDONESIA
Jurnal Informatika dan Teknik Elektro Terapan
Published by Universitas Lampung
ISSN : 23030577     EISSN : 28307062     DOI : DOI: 10.23960/jitet
Core Subject : Science,
Computer Science & IT
Jurnal Informatika dan Teknik Elektro Terapan (JITET) merupakan jurnal nasional yang dikelola oleh Jurusan Teknik Elektro Fakultas Teknik (FT), Universitas Lampung (Unila), sejak tahun 2013. JITET memuat artikel hasil-hasil penelitian di bidang Informatika dan Teknik Elektro. JITET berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti.
Arjuna Subject : Ilmu Komputer (semua kategori) - Jaringan Komputer dan Komunikasi
Articles 182 Documents
 11   12   13   14   15 
Search results for , issue "Vol. 14 No. 1 (2026)" : 182 Documents clear
IMPLEMENTASI METODE SARIMA DALAM MEMPREDIKSI JUMLAH PELANGGARAN LALU LINTAS DI KABUPATEN BULELENG suryani, rika; Indradewi, I Gusti Ayu Agung Diatri; Pascima, Ida Bagus Nyoman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8827

Abstract

Penelitian ini bertujuan untuk membangun model peramalan jumlah pelanggaran lalu lintas di Kabupaten Buleleng sebagai upaya mendukung perencanaan pengawasan yang lebih proaktif. Permasalahan penelitian didasarkan pada keterbatasan pengawasan di lapangan serta belum optimalnya pemanfaatan data historis, sehingga pihak kepolisian belum memiliki gambaran prediktif mengenai tren pelanggaran di masa mendatang. Metode yang digunakan adalah Seasonal Autoregressive Integrated Moving Average, yaitu metode prediksi deret waktu yang mampu menganalisis pola tren dan musiman. Data yang digunakan berupa data bulanan jumlah pelanggaran lalu lintas periode 2019 hingga 2024. Proses penelitian dilakukan mengikuti tahapan Cross-Industry Standard Process for Data Mining yang meliputi pemahaman masalah, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Hasil penelitian menunjukkan bahwa model peramalan yang dibangun menghasilkan tingkat kesalahan peramalan sebesar 24,23% serta kemampuan mengikuti arah pergerakan data aktual sebesar 54,5%. Model juga mampu menghasilkan prediksi jumlah pelanggaran untuk 12 periode ke depan.
PEMBUATAN ALAT PENGAMAN SEPEDA MOTOR DENGAN MEMANFAATKAN BLUETOOTH BERBASIS ESP 32 Simanjuntak, Benrad
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8835

Abstract

The increasing number of motorized vehicles has led to an increase in crimes against motorcycle users. There are various reasons why motorcycle crimes are committed. One of the main reasons is economic factors. The sale of stolen motorcycles is used to cover daily living expenses because many perpetrators are unemployed. The emergence of new motorcycle products each year is also suspected to be a trigger for criminal acts in the form of motorcycle theft due to the desire to own a vehicle without having to spend money. The lack of motorcycle security during theft conditions makes criminals free to take the victim's motorcycle. In this study, the author created a security system for motorcycles that, in the event of a motorcycle theft, can turn off the engine and sound the horn at a certain distance from the remote and the motorcycle's location using Bluetooth between the remote and the motorcycle.
APLIKASI INVENTORI BARANG BERBASIS MOBILE MENGGUNAKAN KODULAR DAN AIRTABLE UNTUK MONITORING STOK OTOMATIS Hapsari, Firdha
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8837

Abstract

Pengelolaan Inventori yang masih dilakukan secara manual sering menimbulkan masalah seperti ketidaktepatan pencatatan, keterlambatan pembaruan informasi, dan sulitnya menelusuri perubahan stok. Kondisi ini menunjukkan perlunya sistem inventori yang dapat bekerja secara otomatis dan mudah diakses melalui perangkat mobile. Penelitian ini mengembangkan aplikasi inventori barang berbasih mobile menggunakan kodular sebagai platform no code dan Airtable sebagai basis data berbasis cloud. Metode yang digunakan adalah research and development dengan model prototyping, meliputi analisis kebutuhan, perancangan arsitektur, implementasi antarmuka dan logika aplikasi. Serta pengujian fungsional oleh pengguna. Hasil penelitian menunjukkan bahwa aplikasi mampu melakukan pencatatan barang masuk dan keluar, memperbarui stok secara otomatis, serta menyajikan laporan inventori secara real-time. Seluruh fitur yang diuji melalui black box testing berjalan dengan tingkat keberhasilam 100 %, sedangkan uji penerimaan pengguna menunjukkan aplikasi dinilai mudah digunakan dan membantu meningkatkan akurasi pencatatan. Temuan ini menegaskan bahwa integrasi Kodular dan Airtable dapat menjadi solusi inventor yang ringan, cepat dikembangkan, dan efektif untuk organisasi dengan keterbatasan sumber daya teknis.
IMPLEMENTASI DATA MINING UNTUK PREDIKSI DAN KLASIFIKASI TINGKAT STRES MENGGUNAKAN ALGORITMA RANDOM FOREST Jamilah, Fitriani Noer
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8838

Abstract

Stres merupakan permasalahan kesehatan mental yang dapat menurunkan produktivitas serta kualitas hidup individu, sehingga diperlukan upaya identifikasi dini yang akurat dan efisien. Penelitian ini bertujuan mengimplementasikan teknik data mining untuk prediksi dan klasifikasi tingkat stres menggunakan algoritma Random Forest. Data penelitian diperoleh dari hasil survei Perceived Stress Scale (PSS-10) yang dipadukan dengan indikator gaya hidup, seperti pola tidur dan aktivitas fisik, yang dikumpulkan dari 512 responden melalui Google Form. Sistem klasifikasi dikembangkan berbasis Streamlit untuk mendukung proses preprocessing data, pelatihan model, pengujian internal dan eksternal, serta visualisasi hasil prediksi. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan bahwa algoritma Random Forest mencapai akurasi sebesar 99,03% pada pengujian internal dan 99,80% pada pengujian eksternal, dengan nilai precision, recall, dan f1-score yang mendekati 1,00 pada seluruh kategori tingkat stres. Hasil ini menunjukkan bahwa model memiliki kinerja yang sangat baik dan konsisten, sehingga berpotensi diterapkan sebagai alat bantu skrining awal tingkat stres di lingkungan pendidikan, perusahaan, dan layanan kesehatan.
ANALISIS SENTIMEN PERSEPSI PUBLIK TERHADAP BANK DKI PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER AHMAD ABBDILLAH HISYAM
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8842

Abstract

Media sosial menjadi sumber penting dalam memahami persepsi publik terhadap institusi perbankan di era digital. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap layanan Bank DKI berdasarkan data Twitter menggunakan metode Naive Bayes Classifier (NBC) dengan pendekatan pembobotan kata TF-IDF. Data diperoleh melalui proses crawling menggunakan Twitter API dengan kata kunci terkait Bank DKI, kemudian dipra-pemrosesan melalui tahapan annotation removal, tokenization, case folding, stopword removal, dan token filtering. Dari 1.031 tweet yang dianalisis, hasil klasifikasi menunjukkan tingkat akurasi sebesar 88,07%. Evaluasi model menggunakan precision, recall, dan F1-Score menunjukkan performa yang stabil, terutama pada kelas sentimen negatif dan netral yang mendominasi persepsi publik. Analisis distribusi sentimen mengindikasikan bahwa ketidakpuasan masyarakat terutama berkaitan dengan gangguan layanan transaksi digital. Temuan ini diperkuat melalui visualisasi wordcloud sentimen negatif yang menyoroti isu utama seperti error sistem, gangguan aplikasi, dan kendala transaksi. Hasil penelitian ini menunjukkan bahwa integrasi NBC dan TF-IDF efektif dalam memetakan opini publik secara objektif serta dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis dalam peningkatan kualitas layanan digital Bank DKI
PROTOTIPE SISTEM PENJEMUR PAKAIAN OTOMATIS BERBASIS IOT DENGAN PEMANTAUAN VISUAL ESP32-CAM DAN KENDALI APLIKASI MOBILE Nur Cahyo Juniyanto
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8846

Abstract

Ketidakpastian cuaca sering menjadi kendala dalam proses pengeringan pakaian secara konvensional, terutama bagi masyarakat dengan mobilitas tinggi. Penelitian ini bertujuan membangun prototipe sistem penjemur pakaian otomatis berbasis Internet of Things (IoT) yang dilengkapi fitur pemantauan visual real-time. Sistem ini dikembangkan menggunakan metode Waterfall, mengintegrasikan mikrokontroler Wemos D1 R1 dengan sensor hujan, cahaya (LDR), dan suhu (DHT22) untuk mendeteksi kondisi lingkungan, serta motor DC sebagai penggerak otomatis jemuran. Keunggulan utama sistem ini adalah integrasi modul ESP32-CAM yang memungkinkan pengguna memverifikasi kondisi aktual jemuran secara visual melalui aplikasi. Seluruh pemantauan dan kendali sistem, baik mode otomatis maupun manual, dilakukan melalui aplikasi Android yang dibangun dengan Android Studio dan terhubung ke Firebase. Hasil pengujian menunjukkan sistem mampu merespons perubahan cuaca secara akurat untuk melindungi pakaian dari hujan, serta memberikan fleksibilitas monitoring jarak jauh yang meningkatkan efisiensi aktivitas rumah tangga.
ANTENA MIKROSTRIP MONOPOLE BERPOLA RADIASI OMNIDIREKSIONAL MENGGUNAKAN GROUND SLOT HEKSAGONAL PADA PITA C Ananda, Fitri Elvira
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8871

Abstract

Pada artikel ini, diperkenalkan sebuah antena mikrostrip monopole satu lapisan (single layer) dengan pola radiasi omnidireksional pada pita frekuensi C. Antena yang diusulkan terdiri dari tujuh elemen peradiasi yang disusun secara quasi-circular pada sisi depan, serta struktur ground berupa enam slot berbentuk heksagonal pada sisi belakang, dengan pencatuan menggunakan coaxial probe yang ditempatkan di pusat resonator. Ketebalan antena adalah 1,575 mm dengan menggunakan substrat RT/Duroid 5880 yang memiliki konstanta dielektrik sebesar 2,2. Antena yang diusulkan menunjukkan karakteristik koefisien refleksi dengan dua frekuensi resonansi, yaitu resonansi bawah pada 4,24 GHz dan resonansi atas pada 4,64 GHz. Antena ini memiliki lebar pita impedansi −10 dB sebesar 640 MHz pada rentang frekuensi 4,07 GHz hingga 4,71 GHz, atau sekitar 14,58% pada frekuensi tengah 4,39 GHz. Desain antena yang telah dioptimasi menghasilkan gain maksimum sebesar 4,63 dBi dengan profil rendah dan ukuran yang kompak.
PERANCANGAN SMART HOME BERBASIS INTERNET OF THINGS DENGAN FOKUS PADA PENGENDALIAN SUARA MELALUI INTEGRASI GOOGLE HOME Arief, Azran Budi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8872

Abstract

Integrasi Internet of Things (IoT) menawarkan solusi untuk pengendalian perangkat rumah pintar. Penelitian ini bertujuan mengembangkan sistem Smart Home yang memanfaatkan NodeMCU ESP8266 sebagai mikrokontroler dan SinricPro sebagai Middleware untuk memfasilitasi kendali perangkat melalui perintah suara yang terintegrasi dengan Google Home. Sistem ini dirancang untuk mengatasi keterbatasan kendali jarak jauh, mendukung fitur fungsionalitas multiaspek (penjadwalan dan notifikasi), serta meningkatkan aksesibilitas pengguna melalui dukungan multibahasa. Metodologi yang digunakan mencakup rekayasa prototype dan pengujian fungsionalitas, kinerja, dan keamanan akses. Hasil pengujian kinerja menunjukkan sistem mencapai rata-rata waktu respon keseluruhan yang tinggi yaitu 1,63 detik, sebuah peningkatan signifikan dibandingkan sistem kendali suara berbasis koneksi lokal. Sistem juga terbukti fungsional dengan akurasi 100% untuk perintah dasar, mampu mengeksekusi perintah simultan, dan kompatibel dengan perintah multibahasa (inggris). Namun, pengujian keamanan mengungkapkan keterbatasan kritis pada lapisan otorisasi suara; sistem gagal memblokir akses dari delapan dari sepuluh pengguna yang tidak terdaftar, menunjukkan bahwa fitur Voice Match Google Assistant tidak dapat diandalkan sebagai metode otorisasi perangkat tunggal. Ditemukan adanya tumpang tindih signifikan pada fitur suara (MFCC, DTW, dan Pitch), yang menegaskan perlunya penelitian lanjutan untuk implementasi lapisan otorisasi sekunder atau biometrik custom guna memastikan integritas keamanan sistem.
PEMANFAATAN ALGORITMA CNN – MOBILENETV2 DALAM MENGKLASIFIKASIKAN JENIS BURUNG RANGKONG INDONESIA sardjono, wisuda
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8873

Abstract

Burung Rangkong merupakan jenis burung berparuh besar dengan karakteristik unik. Ciri khasnya meliputi paruh yang panjang, ringan, besar dan melengkung serta dilengkapi dengan balung di atas paruhnya. Rangkong memiliki peran penting bagi ekosistem hutan tropis Indonesia, dengan peran vitalnya dalam penyebaran biji dari sisa makanannya untuk regenerasi hutan. Sayangnya, populasi burung Rangkong saat ini terancam punah akibat dari kegiatan manusia yaitu perusakan habitat dan perburuan liar. Dari 62 jenis Rangkong yang ada di Asia, 13 spesies hidup di Indonesia, dan sebagian besar di antaranya terancam punah. Penelitian ini bertujuan untuk membuat model machine learning menggunakan algoritma CNN dengan MobileNetV2 yang dapat mengklasifikasikan berbagai spesies Rangkong Indonesia yang di implementasikan kedalam sebuah aplikasi android berbasis flutter, guna mendukung upaya meningkatkan kesadaran dan pengetahuan masyarakat dan pelestarian terhadap burung Rangkong Indonesia. Kecerdasan buatan menjadi salah satu inovasi dalam ilmu komputer yang memungkinkan mesin untuk mengenali objek secara otomatis dengan tingkat akurasi yang tinggi. Kecerdasan buatan, memungkinkan komputer memiliki kemampuan belajar dari data dan pengalaman tanpa pemrograman manual. MobileNetV2, dirancang untuk beroperasi secara efisien pada perangkat dengan sumber daya terbatas, seperti ponsel. Penelitian ini menggunakan dataset sebanyak 4.312 citra burung Rangkong dari 13 spesies yang berbeda. Data citra di peroleh melalui website birdsoftheworld.org sebagai sumber utama dan bing.com sebagai penunjang pengumpulan dataset . Komposisi pembagian dataset sebesar 80% data uji, 10% data validasi dan 10% data uji, model CNN yang dikembangkan berhasil mencapai tingkat akurasi pelatihan 98,02%, akurasi validasi 83,37% dan akurasi pengujian 71,79% dengan mendeteksi 28 dari 39 citra baru dengan benar
MODEL KLASIFIKASI TWEET TERKAIT ISU #INDONESIAGELAP MENGGUNAKAN SUPPORT VECTOR MACHINE BERBASIS DISTRIBUSI TOPIK LDA Fransesko Indrajid; I Nyoman Saputra Wahyu Wijaya
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8878

Abstract

Abstrak. Tagar #IndonesiaGelap di platform X mencerminkan keresahan masyarakat terhadap dinamika sosial-politik Indonesia. Tingginya volume data tweet terkait tagar ini menghadirkan tantangan praktis dalam pengembangan model klasifikasi teks. Kendala utama terletak pada proses pelabelan data untuk supervised learning, di mana pelabelan manual pada dataset berskala besar menjadi tidak efisien dan memakan waktu lama. Penelitian ini bertujuan untuk mengembangkan model klasifikasi teks sekaligus menyelesaikan permasalahan efisiensi pelabelan tersebut melalui pendekatan otomatis. Metode yang diusulkan mengintegrasikan Latent Dirichlet Allocation (LDA) sebagai generator label otomatis (automated labeling) dan Support Vector Machine (SVM) sebagai pengklasifikasi. LDA digunakan untuk mengekstraksi struktur topik tersembunyi yang kemudian dikonversi menjadi label kategori untuk data latih. Hasil eksperimen menunjukkan bahwa LDA berhasil membentuk 6 label topik yang koheren. Model SVM yang dilatih menggunakan data berlabel otomatis ini, melalui optimasi hyperparameter Kernel RBF, mampu mencapai akurasi sebesar 88,05%. Penelitian ini membuktikan bahwa integrasi LDA dan SVM merupakan solusi strategis untuk mengatasi hambatan pelabelan data, memungkinkan pembangunan model klasifikasi yang akurat pada data media sosial berskala besar tanpa memerlukan intervensi manual. Abstract. The #IndonesiaGelap hashtag on the X platform reflects public unrest regarding Indonesia's socio-political dynamics. The high volume of tweets regarding this hastag presents practical challenges in developing text classification models. The primary obstacle lies in the data labeling process for supervised learning, where manual labeling on large-scale datasets is inefficient and time-consuming. This study aims to develop a text classification model while solving the labeling efficiency problem through an automated approach. The proposed method integrates Latent Dirichlet Allocation (LDA) as an automated label generator and Support Vector Machine (SVM) as a classifier. LDA is utilized to extract hidden topic structures, which are then converted into category labels for training data. Experimental results show that LDA successfully formed 6 coherent topic labels. The SVM model trained using this automatically labeled data, through RBF Kernel hyperparameter optimization, achieved an accuracy of 88.05%. This study demonstrates that the integration of LDA and SVM is a strategic solution to overcome data labeling bottlenecks, enabling the construction of accurate classification models on massive social media data without the need for manual intervention.

Page 13 of 19 | Total Record : 182

 11   12   13   14   15 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 1 (2026) Vol. 13 No. 3S1 (2025) Vol. 13 No. 3 (2025) Vol 13, No 2 (2025) Vol. 13 No. 2 (2025) Vol. 13 No. 1 (2025) Vol 13, No 1 (2025) Vol. 12 No. 3S1 (2024) Vol 12, No 3S1 (2024) Vol 12, No 3 (2024) Vol. 12 No. 3 (2024) Vol 12, No 2 (2024) Vol. 12 No. 2 (2024) Vol. 12 No. 1 (2024) Vol 12, No 1 (2024) Vol. 11 No. 3s1 (2023) Vol 11, No 3s1 (2023) Vol 11, No 3 (2023) Vol. 11 No. 3 (2023) Vol 11, No 2 (2023) Vol. 11 No. 2 (2023) Vol. 11 No. 1 (2023) Vol 11, No 1 (2023) Vol 10, No 3 (2022) Vol. 10 No. 3 (2022) Vol 10, No 2 (2022) Vol 10, No 1 (2022) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 1 (2020) Vol 7, No 1 (2019) Vol 6, No 1 (2018) Vol 5, No 1 (2017) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 3, No 1 (2015) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) More Issue