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
 15   16   17   18   19 
Search results for , issue "Vol. 14 No. 1 (2026)" : 182 Documents clear
IMPLEMENTATION OF BANDWIDTH MANAGEMENT USING THE PER CONNECTION QUEUE METHOD (CASE STUDY: SMK TRIKARYA) Wisnu Yogi Pamungkas; Chaerur Rozikin; Arip Solehudin
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.v14i1.9025

Abstract

The increasing utilization of internet networks at SMK Trikarya has not been supported by optimal bandwidth management, resulting in unequal bandwidth distribution among users and potentially disrupting teaching and learning activities. This study aims to implement bandwidth management using the Per Connection Queue (PCQ) method and to analyze network performance based on Quality of Service (QoS) parameters before and after the implementation. The research method applied is the Network Development Life Cycle (NDLC), which includes analysis, design, simulation, implementation, monitoring, and management stages. QoS testing was conducted by measuring throughput, delay, jitter, and packet loss using the Wireshark application. The results show that the implementation of the PCQ method on MikroTik devices is able to distribute bandwidth fairly based on the number of active connections. Post-implementation QoS analysis indicates more evenly distributed throughput values, reduced delay and jitter, and stable packet loss at 0%. Therefore, it can be concluded that the PCQ method is effective in improving network performance and internet service quality at SMK Trikarya.
SISTEM MONITORING KADAR AIR DALAM PROSES PENGERINGAN GABAH BERBASIS INTERNET OF THINGS (IOT) Nuhdi, Nuhdi
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.v14i1.9027

Abstract

Gabah merupakan bahan baku utama beras yang harus melalui proses pengeringan untuk mencapai kadar air optimal (13–14%) guna mencegah kerusakan, pertumbuhan jamur, dan penurunan nilai ekonomi. Penelitian ini bertujuan merancang dan mengimplementasikan sistem monitoring kadar air gabah berbasis Internet of Things (IoT) yang dilengkapi dengan atap otomatis untuk meningkatkan efisiensi dan kualitas proses penjemuran. Sistem ini menggunakan lima sensor capacitive soil moisture sensor v1.2 untuk mendeteksi kadar air gabah secara merata, dilengkapi dengan sensor hujan FC-37 untuk memantau kondisi cuaca. Data yang diperoleh diproses oleh mikrokontroler ESP32 dan ditampilkan secara real-time pada LCD 16x2 I2C, serta dikirimkan ke pengguna melalui notifikasi telegram. Sistem juga mengintegrasikan motor servo untuk menggerakkan atap otomatis yang menutup saat hujan, dan membuka saat cuaca cerah. Hasil pengujian menunjukkan bahwa sistem memiliki akurasi tinggi dengan selisih pengukuran hanya 0% – 0,1% dibandingkan alat pembanding grain moisture meter AR991. Akurasi sensor capacitive soil moisture sensor v1.2 mencapai 99,34% – 100% dengan error 0% – 0,6%. Sistem berhasil mengirimkan notifikasi kadar air ke telegram saat mencapai 13%, serta membuka dan menutup atap secara otomatis berdasarkan respons sensor hujan.
SMART ENERGY MONITORING & LOAD CONTROL BERBASIS IOT DAN FUZZY LOGIC Muhammad Hakim Firdaus; Francesco Gusli Pratama; Djuniadi; Abdurrakhman Hamid Al-Azhari
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.v14i1.9028

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Smart Energy Monitoring & Load Control berbasis Internet of Things (IoT) dan Fuzzy Logic untuk meningkatkan efisiensi dan stabilitas daya listrik di rumah tangga. Sistem terdiri dari tiga lapisan terintegrasi, yaitu (1) lapisan akuisisi data menggunakan sensor ACS712 dan ZMPT101B dengan Analog to Digital Converter (ADC) eksternal ADS1115 16-bit, (2) lapisan komunikasi IoT berbasis protokol MQTT dengan broker Mosquitto, dan (3) lapisan kontrol beban menggunakan Fuzzy Logic Controller dengan metode Mamdani. Pengujian menunjukkan akurasi sensor yang sangat tinggi (ACS712: 1.11%, ZMPT101B: 0.17%, ADS1115: 99.94% linearitas). Komunikasi MQTT mencapai delivery rate sebesar 99.25% dengan latency rata-rata 86.4 ms. Fuzzy Logic Controller memberikan respons konsisten 100% pada tiga skenario berbeda, yaitu kondisi normal, overload, dan underload, dengan waktu respons 1090 ms. Implementasi sistem berhasil meningkatkan stabilitas tegangan sebesar 61.3% (standar deviasi dari 6.2 V menjadi 2.4 V) serta efisiensi energi sebesar 8.6% (penghematan 25.8 kWh per bulan). Data integrity mencapai 99.917% dari total 7200 sampel pengujian selama 2 jam. Berdasarkan hasil penelitian dapat disimpulkan bahwa sistem Smart Energy Monitoring & Load Control berbasis IoT dan Fuzzy Logic bersifat feasible, reliable, dan mampu memberikan manfaat nyata dalam smart energy management pada rumah tangga modern. This research aims to design and implement a Smart Energy Monitoring & Load Control system based on Internet of Things (IoT) and Fuzzy Logic to improve efficiency and power stability in households. The system consists of three integrated layers: (1) data acquisition layer using ACS712 and ZMPT101B sensors with 16-bit external ADC ADS1115, (2) IoT communication layer based on MQTT protocol with Mosquitto broker, and (3) load control layer using Fuzzy Logic Controller with Mamdani method. Testing shows very high sensor accuracy (ACS712: 1.11%, ZMPT101B: 0.17%, ADS1115: 99.94% linearity). MQTT communication achieves 99.25% delivery rate with average latency 86.4 ms. Fuzzy Logic Controller provides 100% consistent response on three different scenarios (normal, overload, underload) with response time 1090 ms. System implementation successfully improved voltage stability by 61.3% (standard deviation from 6.2V to 2.4V) and energy efficiency by 8.6% (saving 25.8 kWh/month). Data integrity reached 99.917% from 7200 samples of 2-hour testing. Research results show that Smart Energy Monitoring & Load Control system based on IoT and Fuzzy Logic is feasible, reliable, and can provide real benefits for modern household smart energy management.
PERANCANGAN ALAT PENYORTIR KUALITAS TELUR AYAM BERBASIS ARDUINO MENGGUNAKAN METODE K-NEAREST NEIGHBORS Ananda, Muharam Rizqi; Rismawan, Tedy; Sari, Kartika
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.v14i1.9031

Abstract

Telur ayam merupakan sumber protein hewani yang mudah didapat, diolah, dan kaya akan nutrisi, namun proses penyortiran kualitas telur masih dilakukan secara manual dengan keterbatasan signifikan dari segi efisiensi. Penelitian ini merancang sistem penyortir kualitas telur ayam otomatis berbasis Arduino dan ESP32 dengan penerapan metode klasifikasi K-Nearest Neighbors (KNN). Sistem mengintegrasikan tiga jenis sensor untuk mengklasifikasikan telur berdasarkan parameter objektif yaitu sensor LDR mengukur intensitas cahaya yang menembus cangkang telur, sensor loadcell mengukur berat telur, dan sensor MQ-2 mendeteksi gas yang mengindikasikan pembusukan telur. Arduino berperan dalam pembacaan data sensor, sementara ESP32 memproses data menggunakan metode KNN untuk mengklasifikasikan telur sebagai bagus atau buruk. Hasil klasifikasi ditampilkan pada LCD I2C, dan telur dipisahkan secara otomatis menggunakan motor servo. Pengujian terhadap 30 data uji menunjukkan akurasi klasifikasi 75%, dengan precision 77,27%, recall 89,47%, dan F1-Score 82,93%. Tingkat akurasi ini menunjukkan bahwa kombinasi sensor-sensor dengan metode KNN memiliki potensi sebagai prototipe awal. Meskipun perlu ditingkatkan lebih lanjut, penelitian memberikan kontribusi dalam mengotomasi proses manual dan membuka peluang pengembangan sistem sortir yang lebih akurat.
OPTIMALISASI DISTRIBUSI MULTI-WAREHOUSE MELALUI INTEGRASI REINFORCEMENT LEARNING DAN BIG DATA BERBASIS SIMULASI MONTE CARLO Prayitno, Edy
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.v14i1.9035

Abstract

Multi-warehouse distribution faces persistent challenges such as stock imbalance, inefficient routing, and demand uncertainty that are difficult to address using conventional methods. This study develops an adaptive optimization model that integrates Reinforcement Learning, Big Data analytics, and Monte Carlo simulation to overcome these limitations. A simulation-based experimental design is employed using synthetic data representing a network of 10 warehouses, 200 customers, and stochastic demand patterns. A Deep Q-Network model is constructed to generate adaptive distribution policies, while Spark Streaming is used to simulate real-time demand updates. Evaluation across 1,000 Monte Carlo scenarios shows that the model maintains high distribution efficiency, improves demand prediction accuracy, and achieves more stable on-time delivery compared to static routing approaches. These findings demonstrate that integrating RL, Big Data, and stochastic simulation enhances system resilience under dynamic operational conditions. Theoretically, the study contributes to logistics and RL research by emphasizing the importance of Big-Data-driven state representation and probabilistic validation. Practically, the model offers potential for adoption by logistics companies seeking to improve cost efficiency, service quality, and operational adaptability. Overall, the study highlights the effectiveness of combining RL, Big Data, and Monte Carlo simulation as a computational approach for optimizing multi-warehouse distribution systems.
SISTEM INFORMASI HARGA KOST BERBASIS CITRA VISUAL MENGGUNAKAN HYBRID RESNET DAN SUPPORT VECTOR MACHINE (SVM) Glenn, Jonathan Alonso; Supatman
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.v14i1.9043

Abstract

Mencari tempat kos yang pas dengan budget merupakan tantangan tersendiri bagi mahasiswa dan pekerja di kota-kota besar. Proses pencarian biasanya memakan waktu cukup lama karena harus datang langsung ke lokasi satu per satu untuk melihat kondisi dan fasilitas kos sebelum bisa memperkirakan harganya. Untuk mengatasi hal ini, penelitian ini mendesain sebuah sistem yang dapat mengenali kategori kos dengan fotonya menggunakan aplikasi teknologi berbasis deep learning. Metode yang diusulkan menggabungkan ResNet50 sebagai pengekstrak fitur gambar dengan SVM sebagai pengklasifikasi. Data yang digunakan berasal dari 1009 foto kos di wilayah Yogyakarta yang sudah dikelompokkan menjadi tiga kategori yaitu kelas rendah, menengah, dan tinggi. Untuk mendapatkan parameter terbaik pada proses learning, dilakukan optimasi menggunakan GridSearchCV dengan teknik 10-fold cross validation. Setelah diuji, sistem mampu mengklasifikasikan dengan tingkat akurasi 80.69%, nilai precision 81.01%, recall 80.03%, dan F1-score 80.79%. Sistem ini kemudian dikembangkan menjadi aplikasi smartphone berbasis Flutter yang terhubung dengan server Flask. Hasil pengujian aplikasi mampu memprediksi dengan tingkat keyakinan di atas 75%. Dengan adanya sistem ini, pencari kos bisa melakukan penilaian awal terhadap kategori dan perkiraan harga kos sebelum memutuskan untuk berkunjung langsung.
PERANCANGAN KOMUNIKASI DATA ANTAR SISTEM INFORMASI MENGGUNAKAN TRANSMISI KONTROL PROTOKOL (TCP) PADA IOT SMART FARMING Triyono, Joko
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.v14i1.9044

Abstract

IOT Smart Farming semakin hari menjadi semakin komplek, dari yang hanya iot saja sampai bergerak ke skala yang lebih besar dan mengarah ke otomatisasi proses. Beberapa studi sudah dilakukan, baik itu dalam skala online maupun offline. Pada kenyataannya tidak semua prose IOT bisa dise- lesaikan semuanya dengan berbasis internet, banyak hal yang sebetulnya bisa diselesaikan secara Local Area Network (LAN), Protokol TCP menjadi salah satu dari sekian banyak protokol yang bekerja untuk mengirimkan dan men- erima data, Penelitian ini bertujuan untuk menerapakan protokol TCP dalam komunikasi data pada IOT secara local area network dengan multi platform. Dari hasil penelitian diperoleh bahwa protokol TCP ini bisa melakukan trans- fer data dari perangkat IOT dalam hal ini ESP32 ke Server berbasis Java dan juga melakukan proses dari Web Base PHP ke ESP32
IMPLEMENTASI FLEET MANAGEMENT SYSTEM BERBASIS MOBILE LAYANAN RENTAL BUS PARIWSATA MENGGUNAKAN METODE R&D (STUDI KASUS : PT.NUSAWISATA TRANS) Ramadhan, Agung Wahyu; Ananda, Jecky Tri; Firdaus, Muhammad; Alda, Muhammad
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.v14i1.9046

Abstract

Fleet management is an important component in bus rental business operations. Common problems include limited monitoring of bus availability, poorly organized vehicle usage records, and manual management of driver data and travel schedules. These conditions result in low operational efficiency and poor service quality for customers. This study aims to implement a mobile-based Fleet Management System in bus rental businesses to support integrated fleet management. The method used is Research and Development (R&D), which includes the stages of needs analysis, system design, application development, testing, and evaluation. The results of the study show that the developed system is able to assist managers in monitoring fleet status, managing bus usage schedules, and organizing driver and trip data more effectively. This system is expected to improve operational efficiency and support the decision-making process in bus rental businesses.
PENGEMBANGAN SISTEM SPEECH EMOTION RECOGNITION BERBASIS DEEP LEARNING WAV2VEC2.0 UNTUK RESPONS EMOSIONAL KARAKTER KUCING INTERAKTIF DI GAME UNITY Farrel Reyhan Putra; Dzaky, Hafidz Muhammad; Putratama, Maheswara; Fikri, Mochammad Rabee Fathi Al; Tundjungsari, Vitri
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.v14i1.9064

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem Speech Emotion Recognition (SER) berbasis deep learning yang mampu mengenali emosi suara dan mengimplementasikannya pada sebuah game interaktif menggunakan Unity. Model SER dibangun dengan memanfaatkan arsitektur Wav2Vec 2.0 yang telah dipra-latih (pretrained) dan dilakukan fine-tuning menggunakan dataset CREMA-D dengan empat kelas emosi, yaitu angry, happy, neutral, dan sad. Data dibagi dengan rasio 80% untuk pelatihan dan 20% untuk validasi. Hasil pengujian menunjukkan bahwa model mampu mencapai nilai akurasi validasi maksimum sebesar 78–79% dengan weighted F1-score sebesar 0,79. Analisis confusion matrix memperlihatkan bahwa kelas angry memiliki tingkat pengenalan tertinggi, sementara kesalahan klasifikasi paling sering terjadi antara kelas neutral dan sad akibat kemiripan karakteristik prosodi. Model yang telah dilatih kemudian diekspor ke format ONNX dan berhasil diintegrasikan ke dalam game Unity untuk mendeteksi emosi suara pemain secara real-time. Hasil implementasi menunjukkan bahwa sistem mampu memberikan respons karakter yang adaptif berdasarkan emosi suara pengguna, sehingga meningkatkan interaksi dalam permainan.
I IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK BERBASIS MOBILENETV2 UNTUK KLASIFIKASI PNEUMONIA MENGGUNAKAN CITRA X-RAY PARU-PARU evita, evita
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.v14i1.9088

Abstract

Pneumonia merupakan salah satu penyakit infeksi saluran pernapasan yang masih menjadi penyebab utama morbiditas dan mortalitas di dunia. Pemeriksaan citra X-ray dada merupakan metode yang umum digunakan dalam proses diagnosis pneumonia, namun interpretasinya sangat bergantung pada keahlian tenaga medis dan berpotensi menimbulkan kesalahan diagnosis. Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) berbasis MobileNetV2 dalam mengklasifikasikan citra X-ray paru-paru menjadi kelas normal dan pneumonia. Dataset diperoleh dari platform Kaggle dan dibagi menjadi data latih, validasi, dan uji dengan proporsi masing-masing 80%, 10%, dan 10%. Proses pelatihan dilakukan menggunakan pendekatan transfer learning dan fine-tuning dengan optimizer AdamW serta teknik augmentasi data. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 97,47% pada data uji dengan nilai recall kelas pneumonia sebesar 99%. Hasil ini menunjukkan bahwa model yang diusulkan memiliki kemampuan generalisasi yang baik dan berpotensi digunakan sebagai sistem pendukung keputusan dalam diagnosis pneumonia berbasis citra X-ray.

Page 18 of 19 | Total Record : 182

 15   16   17   18   19 

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