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 3,230 Documents
 316   317   318   319   320 
SITCARE: AN IOT-BASED SITTING BEHAVIOR MONITORING SYSTEM USING SENSOR FUSION Kevin Sutanto; Putri Caezylia Rundupadang; Louie Jason Liman; Jeremiah Jacob Hartadhi; Yohanes Panca Sihite
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10844

Abstract

Prolonged sitting and poor sitting posture have become significant occupational health concerns among office workers, contributing to musculoskeletal disorders, fatigue, and reduced work productivity. This study proposes SITCARE, an Internet of Things (IoT) based office sitting behavior monitoring system that integrates an FSR402 pressure sensor, an MPU6050 gyroscope, and an HC-SR04 ultrasonic sensor using a sensor fusion approach. The proposed system continuously monitors sitting duration, chair inclination, and seat height, while transmitting real time sensor data to a Firebase Realtime Database for web-based visualization. In addition, an automated Telegram chatbot provides reminders to encourage regular breaks and adequate hydration. The developed system was evaluated through sensor validation, communication performance testing, system functionality assessment, and user acceptance evaluation. Experimental results demonstrated reliable sensor operation, stable cloud communication with an average round trip latency of 220 ± 50 ms and zero packet loss, as well as successful real time dashboard visualization and notification delivery. Furthermore, user evaluation involving 20 participants achieved an overall satisfaction score of 4.50 out of 5, indicating positive acceptance of the proposed system. These findings demonstrate that SITCARE provides an effective and practical IoT based solution for promoting ergonomic awareness and healthier workplace behavior among office workers.
IMPLEMENTASI INDOBERT UNTUK SISTEM TRIASE CERDAS BERBASIS NATURAL LANGUAGE PROCESSING (NLP): STUDI KASUS PUSKESMAS KUTA UTARA I Made Hendra Wijaya; I Wayan Septa Malan Vergantana
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10847

Abstract

Triase merupakan tahap kritis dalam pelayanan kesehatan primer yang menentukan keselamatan pasien, namun pelaksanaannya di puskesmas masih bergantung pada penilaian klinis dan pengalaman perawat sehingga rentan terhadap subjektivitas serta variabilitas antarpetugas. Kesalahan triase berdampak serius: under-triage menunda penanganan pasien kritis, sedangkan over-triage memboroskan sumber daya yang terbatas. Penelitian ini mengembangkan sistem triase cerdas berbasis Natural Language Processing (NLP) melalui fine-tuning model IndoBERT (indobert-base-p1) untuk mengklasifikasikan keluhan pasien berbahasa Indonesia berbentuk teks bebas ke dalam tiga tingkat triase (Hijau, Kuning, Merah), dengan studi kasus di Puskesmas Kuta Utara. Model dilatih pada dataset sintetis seimbang berisi 10.000 keluhan dengan pembagian terstratifikasi 70/15/15 dan kombinasi teknik optimasi berupa dynamic padding, cosine learning rate scheduling dengan warmup, early stopping, label smoothing, serta pembobotan kelas. Model mencapai F1-macro 1,0000 pada test set (1.500 sampel), melampaui target minimum 0,85, dengan waktu pelatihan ±2 menit 51 detik dan tanpa kasus under-triage maupun over-triage. Capaian tersebut dikualifikasi secara jujur karena hanya berlaku pada data sintetis berbasis template, sehingga lebih tepat dibaca sebagai bukti keberhasilan rekayasa fine-tuning daripada ukuran akurasi klinis final. Sistem direkomendasikan diposisikan sebagai alat bantu rekomendasi awal (assistive triage) dengan keputusan akhir tetap pada perawat, dan penelitian lanjutan diarahkan pada uji validitas menyeluruh menggunakan data keluhan riil.
PENGEMBANGAN SISTEM INFORMASI PELAPORAN SAMPAH BERBASIS WEBSITE PADA KAWASAN PENDAKIAN GUNUNG PENANGGUNGAN Rafli Alfinta Rendiansyah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10848

Abstract

Permasalahan sampah di kawasan pendakian Gunung Penanggungan memerlukan mekanisme pelaporan yang mampu menyajikan informasi secara terstruktur dan terhubung dengan lokasi kejadian. Proses pelaporan yang belum terintegrasi dapat menyulitkan pengelola dalam melakukan monitoring dan pengelolaan laporan sampah. Penelitian ini bertujuan mengembangkan Sistem Informasi Pelaporan Sampah di Kawasan Pendakian Gunung Berbasis Website yang dapat memfasilitasi pendaki dalam menyampaikan laporan serta membantu pengelola dalam mengelola informasi laporan. Pengembangan sistem menggunakan metode Waterfall dengan tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Sistem dikembangkan menggunakan React.js sebagai frontend, Express.js dan Node.js sebagai backend, serta MySQL sebagai basis data. Sistem menyediakan fitur pelaporan sampah yang dilengkapi foto, deskripsi, dan koordinat GPS, pemantauan status laporan, pengelolaan laporan, pengelolaan jalur pendakian, analisis data, serta pencetakan laporan. Hasil pengujian menggunakan metode Black Box Testing terhadap 29 skenario menunjukkan tingkat keberhasilan sebesar 100%. Hasil tersebut menunjukkan bahwa seluruh fungsi utama sistem telah berjalan sesuai dengan kebutuhan fungsional. Sistem yang dikembangkan dapat membantu proses pelaporan dan pengelolaan informasi sampah secara lebih terstruktur, terdokumentasi, dan terhubung dengan lokasi kejadian
ANALISIS PENGARUH JENIS MATERIAL TERHADAP AKURASI PENGUKURAN JARAK MENGGUNAKAN SENSOR ULTRASONIK HC-SR04 BERBASIS ARDUINO UNO Hilman Mutaqin; Adittia Fathah
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10852

Abstract

Penggunaan sensor berbasis gelombang ultrasonik seperti sensor HC-SR04 telah banyak digunakan dalam berbagai penelitian yang membutuhkan pengukuran jarak seperti sensor parkir mobil serta pada berbagai penelitian yang lainnya. Namun penelitian untuk mengukur akurasi sensor pada berbagai jenis material masih sangat jarang. Penelitian ini bertujuan untuk mengukur akurasi sensor pada berbagai jenis material yaitu kayu, plastik, keramik, dan dinding dengan jarak sejauh 20cm. hasil pengujian yang telah dilakukan adalah akurasi tiap material berbeda-beda dengan material kayu diperoleh rata-rata akurasi 99.77% sedangkan plastik 99.78%, dan untuk akurasi pada material keramik dan dinding sama-sama 99.65%.
PENERAPAN ARSITEKTUR EFFICIENTNET-B3 BERBASIS TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT DAUN POHON KARET ubang ubang; Asril Adi Sunarto; Fathia Frazna Az-Zahra
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10854

Abstract

Abstrak. Sektor perkebunan karet terancam oleh penyakit daun utama (Oidium, Corynespora, Colletotrichum) yang menurunkan produksi lateks. Identifikasi visual manual di lapangan memiliki keterbatasan kecepatan dan bersifat subjektif. Penelitian ini mengimplementasikan model Deep Learning arsitektur EfficientNet-B3 dengan Transfer Learning untuk klasifikasi penyakit daun karet berdasarkan metodologi CRISP-DM. Dataset terdiri dari 2.972 citra yang terbagi merata dalam empat kelas (Sehat, Colletotrichum, Corynespora, Oidium). Data diproses melalui penyesuaian dimensi 300x300 piksel, normalisasi, dan augmentasi. Hasil pengujian menggunakan Confusion Matrix pada 448 citra uji independen menghasilkan tingkat akurasi keseluruhan sebesar 99,11% dengan nilai presisi rata-rata 0,99. Evaluasi kompleksitas menunjukkan model ini sangat ringan dengan waktu inferensi 80,39 ms per citra. Model ini diintegrasikan ke dalam prototipe aplikasi web lokal menggunakan arsitektur hibrida FastAPI dan PHP yang dilengkapi Hybrid Validation System. Hasil integrasi ini menghasilkan sistem deteksi penyakit daun karet yang akurat dan efisien untuk lingkungan komputasi terbatas. Abstract. The rubber plantation sector is threatened by major leaf diseases (Oidium, Corynespora, Colletotrichum) which decrease latex production. Manual visual identification in the field has speed limitations and is subjective. This study implements the EfficientNet-B3 Deep Learning architecture with Transfer Learning for rubber leaf disease classification based on the CRISP-DM methodology. The dataset consists of 2,972 images evenly divided into four classes (Healthy, Colletotrichum, Corynespora, Oidium). The data is processed through 300x300 pixel resizing, normalization, and augmentation. Testing using a Confusion Matrix on 448 independent test images yielded an overall accuracy of 99.11% with an average precision value of 0.99. Complexity evaluation shows this model is very lightweight with an inference time of 80.39 ms per image. This model is integrated into a local web application prototype using a hybrid architecture of FastAPI and PHP equipped with a Hybrid Validation System. This integration produces a highly accurate and efficient rubber leaf disease detection system for limited computing environments.
IMPUTASI MISSING VALUE DATA TEMPERATUR UDARA MENGGUNAKAN METODE MULTILAYER PERCEPTRON (MLP) Nurul Faiza Ie; Muchammad Rizqy Nugraha; Marzuki Sinambela; Edward Trihadi; Dyah Prihartini Djenal
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10855

Abstract

Kelengkapan dan akurasi data temperatur udara merupakan kebutuhan utama dalam studi meteorologi serta berbagai aplikasi berbasis data cuaca. Namun pada kenyataannya, data pengukuran dari sensor sering mengalami kekosongan nilai akibat kendala teknis pada alat maupun pengaruh faktor eksternal. Penelitian ini mengembangkan model imputasi untuk menutup data temperatur yang hilang dengan menggunakan metode Multilayer Perceptron (MLP). Fitur yang digunakan meliputi kelembaban, tekanan udara, radiasi matahari, dan temperatur pada waktu sebelumnya sebagai variabel lag. Dataset yang digunakan terdiri dari 41.410 baris data historis yang telah melalui proses pembersihan. Pembagian data dilakukan dengan rasio 80% untuk pelatihan dan 20% untuk pengujian secara kronologis (time-based), serta dilakukan normalisasi menggunakan StandardScaler. Hasil evaluasi menunjukkan model MLP dengan dua hidden layer berukuran 150 dan 75 neuron mampu memprediksi temperatur dengan baik. Hal ini dibuktikan dengan nilai RMSE 0,868°C, MAE 0,591°C, dan R² 0,903. Hasil ini menunjukkan bahwa pendekatan MLP dengan fitur temporal efektif digunakan untuk imputasi data temperatur yang hilang.
PENERAPAN RANDOM FOREST DALAM KLASIFIKASI FORMASI PERSEBAYA SURABAYA BERDASARKAN KARAKTERISTIK LAWAN PADA LIGA 1 INDONESIA MUSIM 2020–2025 muhammad nasrudin
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10859

Abstract

Perkembangan machine learning telah dimanfaatkan dalam analisis taktik sepak bola, salah satunya untuk mengklasifikasikan formasi berdasarkan karakteristik lawan. Penelitian ini bertujuan menerapkan algoritma Random Forest untuk mengklasifikasikan formasi Persebaya Surabaya pada kompetisi Liga 1 Indonesia musim 2020–2025. Dataset yang digunakan terdiri dari 172 pertandingan yang dikumpulkan dari platform Sofascore dengan memanfaatkan enam variabel karakteristik lawan sebagai fitur masukan. Model dibangun melalui tahapan pra-pemrosesan data, pembagian dataset dengan rasio 80:20, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model Random Forest memperoleh accuracy sebesar 87,88%, precision 0,90, recall 0,88, dan F1-score 0,89. Selain itu, persentase penguasaan bola menjadi fitur yang paling berpengaruh dalam proses klasifikasi. Hasil tersebut menunjukkan bahwa Random Forest mampu mengklasifikasikan formasi Persebaya Surabaya berdasarkan karakteristik lawan dengan kinerja yang baik.
KOMPARASI METODE INFERENSI FUZZY MAMDANI DAN SUGENO UNTUK PREDIKSI RISIKO GAGAL JANTUNG Tiya Muthia; Sri Purwiyanti
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10873

Abstract

Gagal jantung  menjadi salah satu penyebab utama kematian secara global, sehingga diperlukan prediksi risiko dini yang akurat berdasarkan data klinis. Parameter medis seperti usia, tekanan darah, dan kolesterol seringkali mengandung ketidakpastian yang sulit dimodelkan dengan logika tegas konvensional. Penelitian ini bertujuan menerapkan dan membandingkan secara komparatif dua metode inferensi fuzzy, yaitu Mamdani dan Sugeno orde-nol, untuk memprediksi risiko gagal jantung. Menggunakan data sekunder dari Kaggle Heart Failure Clinical Dataset, tiga variabel input difuzzifikasi: usia, tekanan darah sistolik, dan kolesterol serum, menghasilkan 27 aturan fuzzy berbasis heuristik medis. Metode Mamdani menghasilkan tingkat risiko dalam rentang persentase menggunakan defuzzifikasi Center of Area, sedangkan metode Sugeno menghasilkan skor risiko tegas menggunakan metode Weighted Average. Hasil simulasi pada 30 sampel uji pasien menunjukkan korelasi penalaran yang sangat konsisten dengan Mean Absolute Error sebesar 5,16% antara kedua model. Metode Mamdani menghasilkan transisi risiko yang konservatif dan halus (puncak sekitar 86,2%), yang secara linguistik lebih selaras dengan intuisi medis manusia sehingga sangat sesuai untuk sistem penunjang keputusan klinis yang interaktif. Sebaliknya, metode Sugeno menunjukkan rentang dinamis yang agresif (cepat mencapai skor konstanta maksimum 90) dan efisiensi komputasi yang lebih unggul, sehingga lebih sesuai untuk pemantauan medis real-time berbasis IoT.
PERANCANGAN SISTEM DETEKSI DINI BANJIR BERBASIS IOT DENGAN PENDEKATAN MULTI-SENSOR DAN NOTIFIKASI WHATSAPP Rafli Zacky
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10879

Abstract

Pemantauan ketinggian air secara manual mengakibatkan keterlambatan informasi mitigasi banjir. Penelitian ini merancang sistem deteksi tingkat risiko banjir berbasis Internet of Things (IoT) dengan pendekatan multi-sensor menggunakan metode Prototype. Mikrokontroler ESP32 difungsikan sebagai unit pemroses utama yang terintegrasi dengan sensor ultrasonik, raindrop, dan water flow YF-S201. Data sensor dikirimkan via protokol HTTP POST ke basis data MySQL, divisualisasikan pada dashboard Laravel, dan dinotifikasikan via WhatsApp. Pengujian fungsionalitas sensor ultrasonik menghasilkan Mean Absolute Error (MAE) 1,10 cm dan error rate 0,91%. Integrasi multi-sensor berhasil mengklasifikasikan status Normal, Waspada, dan Bahaya berdasarkan ambang batas Siaga lokal secara real-time dengan jeda transmisi dashboard 10 detik. Hasil penelitian membuktikan sistem multi-sensor mampu meningkatkan efektivitas pemantauan hidrometeorologi secara akurat.Manual water level monitoring results in delayed flood mitigation information. This study designed an Internet of Things (IoT)-based flood risk detection system with a multi-sensor approach using the Prototype method. The ESP32 microcontroller functioned as the main processing unit integrated with ultrasonic, raindrop, and YF-S201 water flow sensors. Sensor data was transmitted via HTTP POST protocol to a MySQL database, visualized on a Laravel dashboard, and notified via WhatsApp. Ultrasonic sensor functional testing resulted in a Mean Absolute Error (MAE) of 1.10 cm and an error rate of 0.91%. Multi-sensor integration successfully classified Normal, Alert, and Danger statuses based on local Alert thresholds in real-time with a 10-second dashboard transmission delay. The research results prove the multi-sensor system can accurately improve hydrometeorological monitoring effectiveness.
IMPLEMENTASI GAME HOROR 2D ADAPTIF “SUKMA” BERBASIS BIOFEEDBACK DETAK JANTUNG DAN FINITE STATE MACHINE BERBASIS IOT NAUFAL ARDITYA ZACKY
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.10881

Abstract

Pengembangan game horor konvensional yang statis sering kali gagal mempertahankan tingkat ketegangan pemain. Penelitian ini mengimplementasikan prototipe serious game horor 2D adaptif "SUKMA" menggunakan metode Game Development Life Cycle (GDLC). Sistem mengintegrasikan ESP32, Pulse Sensor Amped, broker MQTT Eclipse Mosquitto, dan Godot Engine (.NET/C#) dengan algoritma Finite State Machine (FSM). Logika FSM membagi kondisi biologis pemain menjadi tiga state: Calm (<85 BPM; 5 NPC hantu aktif), Tense (85–100 BPM), dan Panic (>100 BPM) yang memicu penyesuaian berupa pengurangan hantu, penurunan agresivitas, dan efek visual red vignette. Pengujian Black Box (11 skenario) mencapai tingkat keberhasilan 100%. Latensi transmisi data MQTT berlangsung secara real-time dengan rata-rata 42,5 ms ( ms). Sementara itu, User Acceptance Test (UAT) terhadap 20 responden menghasilkan nilai penerimaan 84,80% (Sangat Baik). Hasil ini membuktikan efektivitas integrasi sensor detak jantung, MQTT, dan FSM dalam menciptakan pengalaman bermain horor yang adaptif dan personal. Conventional horror game development is often static and fails to maintain consistent player tension. This study implements "SUKMA", an adaptive 2D horror serious game prototype developed using the Game Development Life Cycle (GDLC) method. The system integrates an ESP32 microcontroller, Pulse Sensor Amped, Eclipse Mosquitto MQTT broker, and Godot Engine (.NET/C#) powered by Finite State Machine (FSM) logic. The FSM categorizes player physiological conditions into three states: Calm (<85 BPM; 5 active ghost NPCs), Tense (85–100 BPM), and Panic (>100 BPM), which triggers negative adaptations including reduced ghost count, decreased aggressiveness, and a red-vignette visual effect. Black Box testing across 11 scenarios achieved a 100% success rate. Data transmission latency via MQTT averaged 42.5 ms ( ms), well below the 100 ms real-time threshold. Furthermore, User Acceptance Testing (UAT) with 20 student respondents yielded an 84.80% approval score (Very Good category). The results demonstrate that combining heart-rate biofeedback, MQTT protocol, and FSM effectively creates a real-time, adaptive, and personalized horror gaming experience.

Page 318 of 323 | Total Record : 3230

 316   317   318   319   320 

Filter by Year

2013 2026


Reset
Filter By Issues
All Issue Vol. 14 No. 3 (2026) Vol. 14 No. 2 (2026) 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