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
 317   318   319   320   321 
RANCANG BANGUN WEB-GIS UNTUK MONITORING JARINGAN ARG DAN AWS DENGAN INTEGRASI PROTOKOL MQTT DAN HTTP DI DKI JAKARTA dwi agustian; Muchammad Rizqy Nugraha; Nardi; Anton Widodo; Marzuki Sinambela; 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.v14i3.10882

Abstract

Provinsi DKI Jakarta memiliki tingkat kerentanan tinggi terhadap bencana hidrometeorologi sehingga membutuhkan sistem pemantauan data Automatic Rain Gauge (ARG) dan Automatic Weather Station (AWS) dengan pembaruan yang cepat dan konsisten. Pada sistem sebelumnya, sebagian akuisisi data masih menggunakan File Transfer Protocol (FTP) dengan interval sekitar 10 menit. Penelitian ini bertujuan merancang, mengimplementasikan, dan mengevaluasi sistem monitoring Web-GIS yang menggantikan mekanisme FTP tersebut melalui integrasi Message Queuing Telemetry Transport (MQTT) dan Hypertext Transfer Protocol (HTTP). Data MQTT diterima secara event-driven, sedangkan data HTTP diambil secara periodik; keduanya dinormalisasi melalui Node-RED, disimpan pada MySQL, diproses melalui backend Laravel, dan divisualisasikan menggunakan Leaflet.js. Sistem dikembangkan dengan model Prototyping dan dievaluasi pada lingkungan pengembangan melalui pengujian black-box serta pengujian konsistensi pembaruan data. Seluruh 14 skenario fungsional berhasil dijalankan. Pengujian selama 24 jam terhadap 15 stasiun menghasilkan 21.476 interval dengan rata-rata 60,30 detik dan simpangan baku 5,22 detik. Sebanyak 99,16% interval berada dalam rentang toleransi operasional 56-65 detik, meskipun masih ditemukan 96 gap dan 52 data duplikat. Hasil tersebut menunjukkan bahwa integrasi MQTT-HTTP mampu menyediakan pembaruan sekitar satu menit dengan konsistensi tinggi, serta meningkatkan resolusi temporal berdasarkan perbandingan interval konfigurasi terhadap FTP sebelumnya, bukan berdasarkan pengujian performa langsung antarmekanisme.
RANCANG BANGUN ALAT SISTEM MANAJEMEN GUDANG BERBASIS QR CODE DAN BLOCKCHAIN Risqy Pradana Putra; Fara Triadi; Ahmad Rofiq Hakim
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.v14i3.10887

Abstract

Perkembangan teknologi informasi mendorong penerapan sistem yang lebih efisien dan transparan dalam manajemen gudang. Penelitian ini bertujuan merancang sistem manajemen gudang berbasis QR Code dan Blockchain untuk meningkatkan akurasi, keamanan, dan efisiensi pelacakan barang. Sistem mengintegrasikan mikrokontroler ESP32, modul GM65 barcode scanner, printer thermal, dan UPS sebagai sumber daya mandiri. QR Code digunakan untuk identifikasi dan pelacakan barang secara real-time, sedangkan Blockchain memastikan data transaksi tersimpan secara aman, transparan, dan tidak dapat diubah. Penelitian menggunakan metode Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Hasil pengujian menunjukkan bahwa sistem mampu melakukan pencatatan, pemindaian, dan pembaruan data stok secara real-time dengan tingkat akurasi yang tinggi. Sistem ini memberikan solusi yang efektif untuk meningkatkan efisiensi operasional, keamanan data, dan transparansi dalam pengelolaan gudang berbasis Internet of Things (IoT).
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK DIAGNOSA PENYAKIT TANAMAN MELON (STUDI KASUS DI SUKOATI FARM) wahyu hidayat wahyu
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.v14i3.10888

Abstract

Abstract. Melon plants are one of the horticultural commodities that have high economic value. However, in the cultivation process, melon plants often experience various disease attacks that can reduce the quality and yield of the harvest. Farmers often have difficulty recognizing disease symptoms at an early stage due to limited knowledge and lack of access to agricultural experts. Therefore, a system is needed that can assist the process of diagnosing plant diseases quickly and accurately. This study aims to design and develop a web-based expert system that can be used to diagnose diseases in melon plants using the Naïve Bayes method. The knowledge base of this system consists of 21 symptoms and 6 types of melon plant diseases obtained from various references and related literature. The diagnosis process is carried out by calculating the probability value of each disease based on the symptoms selected by the user using the Naïve Bayes method. The system then determines the disease with the highest probability value as the diagnosis result. The results of system testing show an accuracy level of 92%, indicating that the Naïve Bayes method is able to classify most of the test data correctly. Therefore, the developed system can assist farmers in identifying melon plant diseases more quickly so that appropriate handling can be carried out effectively.
Implementasi Algoritma Random Forest untuk Prediksi Perkembangan Anak Terintegrasi dengan Sistem Informasi Administrasi (Studi Kasus: TK Kramat Jati) Nur diasih
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.v14i3.10889

Abstract

Early childhood development is a crucial phase that requires continuous monitoring to ensure optimal growth. However, TK Kramat Jati still faces obstacles in managing administrative data and child development assessments that are conducted manually and not yet integrated. This research aims to develop a web-based administrative information system integrated with the Random Forest algorithm to predict child development. The research method uses a system development approach with data collection techniques through observation, interviews, and literature studies. The system was built using PHP Native, MySQL, and XAMPP with the implementation of the Random Forest algorithm for classifying child development based on cognitive, motoric, linguistic, and social-emotional aspects. Black box testing results show that all system functions run according to the design. Based on the implementation of the Random Forest algorithm with 100 decision trees and a maximum depth of 10, the model achieved 100% accuracy on the test data. User Acceptance Test (UAT) obtained an acceptance rate of 85% with a Very Good category. This research concludes that the administrative information system integrated with the Random Forest algorithm effectively assists in data management and child development prediction at TK Kramat Jati.
ANALISIS PENGARUH FITUR PROPERTI DAN PERBANDINGAN ALGORITMA MULTIPLE LINEAR REGRESSION, RANDOM FOREST REGRESSION DAN SUPPORT VECTOR REGRESSION DALAM PREDIKSI NILAI JUAL RUMAH DI KECAMATAN CIDAHU Mohammad samani
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.v14i3.10890

Abstract

Penelitian ini menganalisis pengaruh fitur properti terhadap nilai jual rumah di Kecamatan Cidahu, Kabupaten Sukabumi, menggunakan tiga algoritma Machine Learning Multiple Linear Regression (MLR), Random Forest Regression (RFR), dan Support Vector Regression (SVR) dengan kerangka kerja CRISP-DM. Data dikumpulkan melalui web scraping platform Pinhome (435 data mentah) dan diperkaya menggunakan SMOTE menjadi 2.104 data final. Seleksi fitur tiga tahap (korelasi Spearman, uji VIF, dan Feature Importance) menghasilkan dua fitur terpilih: luas tanah dan luas bangunan. Luas tanah terbukti sebagai fitur paling dominan (β* = 0,826260, t = 40,29, p < 0,001). Evaluasi model menunjukkan RFR meraih kinerja terbaik dengan R² = 0,9532, MAE = Rp56.580.528, RMSE = Rp117.368.937, dan MAPE = 8,09%, mengungguli MLR (R² = 0,5657) dan SVR (R² = 0,1994). Pengujian kestabilan 5-Fold Cross-Validation memperkuat keunggulan RFR dengan rerata R² = 0,9446. Model RFR diimplementasikan dalam aplikasi web berbasis Streamlit sebagai prototipe estimasi harga yang objektif dan transparan.
Analisis Sentimen Publik Terhadap Isu Selat Hormuz Pada Platform X Menggunakan Multinomial Naive Bayes Arman Surahman; Asep Budiman Kusdinar; Asriyanik
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.v14i3.10891

Abstract

Abstrak. Eskalasi konflik geopolitik di Selat Hormuz memicu lonjakan opini publik di media sosial X yang rentan terhadap bias jika dianalisis secara manual. Penelitian ini bertujuan mengidentifikasi kecenderungan sentimen publik secara otomatis menggunakan kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM). Sebanyak 3.000 cuitan diekstraksi dan melewati tahapan text preprocessing, menyisakan 2.581 dokumen teks bersih. Transformasi teks dilakukan menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dengan ekstraksi fitur N-Gram. Pemodelan diklasifikasikan menggunakan algoritma Multinomial Naive Bayes (MNB) yang dioptimasi melalui Hyperparameter Tuning (GridSearchCV) dan diseimbangkan menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Evaluasi performa model klasifikasi berhasil mencapai tingkat akurasi sebesar 80,66%. Uji validitas sampel terhadap label otomatis menghasilkan nilai Cohen’s Kappa 0,4308 yang mengindikasikan tingkat kesepakatan sedang. Temuan ini menunjukkan bahwa model yang dibangun mampu mengekstraksi pola sentimen masyarakat secara terukur sebagai referensi berbasis data bagi pengamat kebijakan internasional.
ANALISIS SENTIMEN BERBASIS ASPEK PADA APLIKASI PINJAMAN ONLINE MENGGUNAKAN LONG SHORT-TERM MEMORY Muhammad Prasetyo
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.v14i3.10892

Abstract

Abstrak. Layanan pinjaman online semakin diminati masyarakat, namun di sisi lain memunculkan berbagai keluhan terkait praktik penagihan, tingginya suku bunga, hingga penyalahgunaan data pribadi yang banyak disampaikan pengguna melalui kolom ulasan Google Play Store. Analisis sentimen konvensional belum mampu memetakan informasi secara komprehensif karena ulasan bersifat tidak terstruktur, informal, dan sering memuat lebih dari satu aspek (multi-label) dalam satu ulasan. Penelitian ini menerapkan Aspect-Based Sentiment Analysis (ABSA) untuk menganalisis persepsi pengguna terhadap aplikasi pinjaman online Easycash, Akulaku, dan Kredivo mengikuti metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM). Metode Rule-Based Keyword Matching digunakan untuk mengekstraksi aspek (penagihan, bunga, privasi data) sekaligus melabeli sentimen ulasan ke dalam tiga kelas (positif, netral, negatif). Dari 30.000 data mentah hasil scraping, diperoleh 8.705 ulasan bersih yang dibagi dengan rasio 80:20 untuk melatih algoritma Long Short-Term Memory (LSTM). Hasil pengujian menunjukkan model LSTM memperoleh accuracy 82,94%, dengan rata-rata makro precision, recall, dan F1-score masing-masing 83%, serta skor ROC-AUC 0,9375. Hasil klasifikasi diimplementasikan ke dalam dashboard berbasis web yang memvisualisasikan distribusi sentimen berdasarkan aspek dan aplikasi. Abstract. Online lending services are increasingly in demand, yet they raise complaints regarding debt collection practices, high interest rates, and personal data misuse frequently voiced through Google Play Store reviews. Conventional sentiment analysis cannot comprehensively map this information because reviews are unstructured, informal, and often multi-label. This study applies Aspect-Based Sentiment Analysis (ABSA) to examine user perceptions of the online lending applications Easycash, Akulaku, and Kredivo following the Cross-Industry Standard Process for Data Mining (CRISP-DM). A Rule-Based Keyword Matching method extracts three aspects (debt collection, interest, and data privacy) while simultaneously labeling review sentiment into three classes (positive, neutral, negative). From 30,000 raw scraped reviews, 8,705 clean reviews were obtained and split 80:20 to train a Long Short-Term Memory (LSTM) model. The model achieved 82.94% accuracy, with macro-average precision, recall, and F1-score of 83%, and a ROC-AUC score of 0.9375. The classification results were deployed into a web-based dashboard visualizing sentiment distribution by aspect and application.
IMPLEMENTASI ALGORITMA HAVERSINE PADA APLIKASI TRACKING LOKASI DRIVER BERBASIS ANDROID DENGAN METODE PROTOTYPING (STUDI KASUS: PT RESPATI KEMASINDAH) Setyawan Iwan
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.v14i3.10894

Abstract

PT Respati Kemasindah mengalami kendala dalam memantau pergerakan driver dan posisi kendaraan secara langsung sehingga pengawasan kendaraan dan evaluasi perjalanan menjadi kurang efektif. Penelitian ini bertujuan untuk mengembangkan aplikasi tracking driver berbasis Android yang mampu memantau lokasi secara real-time serta menghitung jarak tempuh menggunakan algoritma Haversine. Sistem dikembangkan menggunakan metode Prototyping dengan Android Studio, PHP, dan SQL Server. Hasil penelitian menunjukkan bahwa aplikasi mampu menampilkan lokasi driver dan kendaraan secara real-time, menyediakan informasi perjalanan, serta menghitung jarak tempuh dengan tingkat akurasi yang baik. Sistem ini membantu meningkatkan pengawasan kendaraan, mempermudah monitoring perjalanan driver, dan mendukung evaluasi operasional melalui data jarak tempuh.
ANALISIS KELAYAKAN TEKNIS GENERATOR BLDC BERKECEPATAN RENDAH UNTUK PEMBANGKIT ENERGI GELOMBANG LAUT DI PERAIRAN PANTAI MALALAYANG LEONY ARIESTA WENNO
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.v14i3.10895

Abstract

Energi gelombang laut merupakan sumber energi terbarukan yang berpotensi besar untuk mendukung transisi energi di wilayah kepulauan Indonesia. Penelitian ini menganalisis kelayakan teknis generator Brushless Direct Current (BLDC) berkecepatan rendah sebagai sistem konversi energi gelombang laut di Perairan Pantai Malalayang, Kota Manado, menggunakan data tinggi gelombang periode Januari 2024–Juni 2026. Hasil menunjukkan tinggi gelombang rata-rata 0,263 m (maksimum 0,875 m) dengan power density rata-rata 0,241 kW/m, meningkat hingga 2,13 kW/m pada kondisi maksimum. Pola musiman yang relatif stabil serta tren peningkatan potensi energi dari 2024 ke 2026 mendukung penerapan generator BLDC dengan sistem power take-off (PTO) sederhana. Pantai Malalayang dinilai layak untuk pengembangan pembangkit energi gelombang laut skala kecil-menengah sebagai alternatif energi bersih bagi pesisir Sulawesi Utara.
IMPLEMENTASI SPEECH EMOTION RECOGNITION UNTUK KLASIFIKASI TINGKAT STRES DARI VOICE NOTE BERBASIS HYBRID CNN-LSTM Muhamad Fakhri Khairil Imam
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.v14i3.10900

Abstract

Kesehatan mental menjadi isu penting seiring meningkatnya tekanan psikologis akibat gaya hidup digital, namun deteksi stres masih mengandalkan instrumen self-report yang bersifat terjadwal dan subjektif. Penelitian ini mengembangkan sistem Speech Emotion Recognition (SER) berbasis voice note berbahasa Indonesia untuk mengklasifikasikan tingkat stres menggunakan pendekatan hybrid CNN-LSTM (akustik) dan Zero-Shot Classification IndoBERT (linguistik) dengan metodologi CRISP-DM. Model dilatih menggunakan dataset gabungan RAVDESS (1.440 file, pembagian speaker-independent) dan voice note primer berbahasa Indonesia (106 file) yang dipetakan ke tiga kategori Non_Stress, Mild_Stress, dan High_Stress, menghasilkan 1.546 sampel asli. Fitur akustik diekstraksi menggunakan 40 koefisien MFCC dengan panjang tetap 174 frame. Pengujian pada 256 sampel independen menghasilkan akurasi model CNN-LSTM akustik sebesar 62,11% dengan F1-score terbaik pada kelas High_Stress (0,69), sementara kelas Mild_Stress menunjukkan performa terendah (F1 0,41) akibat karakteristik akustik yang ambigu. Untuk mengatasi kesenjangan bahasa antara dataset RAVDESS dan voice note Indonesia, sistem menerapkan fusi hibrida dengan bobot linguistik 90% dan akustik 10%. Model diintegrasikan ke aplikasi web StressVoice berbasis Flask yang dilengkapi transkripsi Whisper AI, respons empatik, cetak surat rujukan PDF, dan integrasi konsultasi WhatsApp ke psikolog. Mental health has become a critical issue amid rising psychological pressure from digital lifestyles, yet stress detection still relies on scheduled, subjective self-report instruments. This study develops a Speech Emotion Recognition (SER) system based on Indonesian voice notes to classify stress levels using a hybrid CNN-LSTM (acoustic) and IndoBERT Zero-Shot Classification (linguistic) approach under the CRISP-DM methodology. The model was trained on a combined RAVDESS dataset (1,440 files, speaker-independent split) and primary Indonesian voice notes (106 files) mapped into three categories, Non_Stress, Mild_Stress, and High_Stress, yielding 1,546 original samples. Acoustic features were extracted using 40 MFCC coefficients with a fixed length of 174 frames. Testing on 256 independent samples produced an acoustic CNN-LSTM accuracy of 62.11%, with the best F1-score on the High_Stress class (0.69), while Mild_Stress showed the lowest performance (F1 0.41) due to ambiguous acoustic characteristics. To bridge the language gap between RAVDESS and Indonesian voice notes, the system applies hybrid fusion weighting linguistic analysis at 90% and acoustic analysis at 10%. The model is integrated into the Flask-based StressVoice web application, equipped with Whisper AI transcription, empathetic responses.

Page 319 of 323 | Total Record : 3230

 317   318   319   320   321 

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