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 2,839 Documents
 51   52   53   54   55 
IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI DALAM PENGELOLAAN PERSEDIAAN OBAT (STUDI KASUS : APOTEK NAZA) Fitriyani, Dede; Jajuli, Mohamad; Garno, Garno
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4921

Abstract

Apotek Naza plays an important role in providing medicines to the community. This study utilizes sales data from Apotek Naza for the period of July to December 2023. The K-Means algorithm is used to cluster the medicine data into clusters representing different sales patterns. The Elbow Method is employed to determine the optimal number of clusters (K) based on the Sum of Square Error (SSE). Evaluation is conducted using the Silhouette Coefficient (SC) to measure the quality of the resulting clusters. The analysis results show that the distribution of medicines in each cluster is as follows: 13.7% or 70 items are classified in the high-usage cluster (Cluster 0 - High), 57.5% or 294 items are classified in the medium-usage cluster (Cluster 1 - Medium), and 28.8% or 147 items are classified in the low-usage cluster (Cluster 2 - Low). This indicates a dominance of medium-usage medicines in the Apotek Naza dataset. The obtained Silhouette Score is 0.520, indicating that the clustering is well performed. According to Table 2.1 on the criteria for measuring clustering based on the Silhouette Coefficient (SC), this score indicates that the resulting clusters are fairly compact and well-separated from each other. Keywords: Medicine Inventory, Data Mining, K-Means, KDD, Elbow Method, Silhouette Coefficient
RANCANG BANGUN SISTEM PREDIKSI POLA SIDIK JARI MENGGUNAKAN METODE BACKPROPAGATION Abdullah Abdullah; Zikrullah Zikrullah; Usman Usman
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3166

Abstract

Jaringan syaraf tiruan adalah salah satu metode yang mengadopsi cara kerja otak manusia dalam memecahkan suatu persoalan. Jaringan syaraf tiruan mengenali pola berdasarkan data training sehingga dapat melakukan prediksi terhadap kasus yang belum pernah dipelajari. Pengenalan sidik jari merupakan salah satu masalah yang sulit dalam pengenalan pola, hal tersebut dikarenakan setiap sidik jari seseorang memiliki ciri-ciri yang mirip namun tidak sama dan unik. Oleh karena itu dibutuhkan butuhkan sistem untuk menganalisis dan mengidentifikasi sidik jari seseorang. Penelitian ini bertujuan untuk merancang dan membangun sistem identifikasi sidik jari dengan menerapkan metode backpropagation. Pengembangan sistem terdiri dari perencanaan, analisa, perancangan, implementasi dan pengujian. Data yang digunakan berupa citra sidik jari berukuran 30x20 piksel yang dirubah menjadi data numerik dengan proses pengolahan citra. Data numerik tersebut digunakan sebagai data input pada sistem jaringan syaraf tiruan. Citra yang digunakan sebanyak 180 citra sidik jari, yang terdiri atas 10 kelas, setiap kelas memiliki 10 sampel sidik jari. Pelatihan jaringan menggunakan data sebanyak 120 citra sidik jari dan pengujiannya menggunakan 60 citra sidik jari. Berdasarkan metode holdout diperoleh hasil pengujian dimana 53 citra dapat dikenali dan 7 citra tidak dikenali, dengan demikian diperoleh tingkat akurasi 89,74%. 
PENERAPAN ALGORITMA TEXTRANK DALAM MERANGKUM TEKS WORD DAN PDF agustinus yovi siang
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3751

Abstract

This review discusses the implementation of the TextRank algorithm for summarizing Word and PDF texts. Current technology enables rapid information growth but also raises issues regarding the lack of time to delve deeper into information. The TextRank algorithm is a web-based natural language processing method that employs an unsupervised approach and can be used to generate automatic text summaries. The search method used includes text preprocessing and the utilization of the TextRank algorithm. This article also explains how to use Google Colab and Google Drive to execute the TextRank algorithm for summarization. Steps for connecting Google Colab to Google Drive, installing Python libraries, retrieving data from Google Drive, and using the TextRank algorithm are also outlined in this article
ADAPTASI FLEKSIBILITAS SISTEM INFORMASI MANAJEMEN PENGELOLAAN RUMAH SUSUN SEDERHANA SEWA (RUSUNAWA) UNIVERSITAS TANJUNGPURA Hamida Hamida; Novi Safriadi; Anggi Perwitasari
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3233

Abstract

The provision of information at Rusunawa Untan has increased in response to the needs of students for registration and data management. However, the system currently in use is still conventional and ineffective. This research aims to develop a web-based information system to manage registration and data at Rusunawa Untan. This system can send WhatsApp messages to residents and adapt to user needs. The flexibility of the information system is crucial in its development as the business environment is constantly changing. This research explains the development of the flexibility of the information system and the objectives to be achieved. The Object Oriented Analysis Design (OOAD) method is used for needs analysis, UML design, and implementation with PHP and the Laravel framework. The application is tested using black box method and User Acceptance Test (UAT) with 23 respondents. The UAT results show a satisfaction rate of 85.30%, indicating that the application meets expectations. The OOAD method is well implemented, and the application is well-received and able to adapt to changes in business requirements without significant modifications to the system.
PERBANDINGAN GATED RECURRENT UNIT (GRU) DAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) LINEAR REFRESSION DALAM PREDIKSI HARGA EMAS MENGGUNAKAN MODEL TIME SERIES Anggi Putri Meriani; Alam Rahmatulloh
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3808

Abstract

Abstrak. Prediksi harga emas sangat penting karena menjadi acuan bagi para investor untuk menentukan strategi yang tepat dalam berinvestasi. Tren metode prediksi dalam beberapa tahun terakhir adalah deep learning, yang merupakan subbidang machine learning dan populer dalam menangani masalah prediksi time-series. Dalam penelitian ini, kami membandingkan performa dua metode deep learning, yaitu Long Short-Tern Memory (LSTM)  Gated Recurrent Unit (GRU)dan Linier Regression dalam memprediksi harga Emas. Hasil dalam penelitian ini menunjukkan bahwa metode GRU lebih akurat dibanding metode LSTM dalam memprediksi harga Emas, meskipun dalam perhitungan metrik evaluasi didapatkan nilai eror LSTM lebih rendah. Hasil model LSTM terbaik yang diujikan memiliki nilai MAE sebesar 0.0389, RMSE sebesar 0.0475, dan MAPE sebesar 5.2047%, serta model GRU terbaik dari hasil pengujian memiliki nilai MAE 0.0447, RMSE 0.0545, dan MAPE 6.0688%. Dari hasil penelitian ini, kami menemukan bahwa GRU adalah metode yang lebih efektif dan akurat untuk memprediksi harga Emas dibanding LSTM.Kata Kunci : Emas;, GRU;  LSTM; Metrik Evaluasi, Prediksi,  Time Seris
IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDETEKSI PENGGUNAAN MASKER PADA GAMBAR Davito Rasendriya Rizqullah Putra; Reyhan Adi Saputra
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3286

Abstract

Dalam era pandemi COVID-19, penggunaan masker telah menjadi langkah penting dalam mencegah penyebaran virus. Namun, secara manual, seringkali sulit untuk mendeksi apakah seseorang menggunakan masker atau tidak dalam gambar atau foto. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan Convolutional Neural Network (CNN) guna mendeteksi penggunaan masker pada gambar secara otomatis. Dataset yang digunakan terdiri dari 3.828 gambar orang yang tidak memakai masker dan 3.725 gambar orang yang memakai masker. Proses pelatihan model yang dikembangkan mencapai tingkat akurasi sebesar 93% pada data uji. Melalui penelitian ini, diharapkan implementasi CNN untuk mendeteksi penggunaan masker pada gambar dapat memberikan kontribusi dalam memantau dan memastikan kepatuhan terhadap protokol kesehatan yang sangat penting selama masa pandemi ini.
PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI KESEGARAN IKAN BERDASARKAN WARNA PADA CITRA AREA MATA Mutmainnah Muchtar; Yuwanda Purnamasari Pasrun; Rasmiati Rasyid; Nisa Miftachurohmah; Mardiawati Mardiawati
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3879

Abstract

As a maritime nation, fish is a staple in the Indonesian diet, rich in nutrition and a crucial protein source. It is imperative to maintain the freshness of fish to ensure the quality of fish production. However, the practice of mixing fresh and non-fresh fish poses a serious threat to consumer health and diminishes the overall quality of fish production. Therefore, the development of an automated and efficient method is necessary to distinguish between fresh and non-fresh fish. This research proposes the application of the Naïve Bayes method in classifying fish freshness based on color analysis in the eye area image. This approach involves the extraction of entropy features after segmenting fish images using the RGB and YCbCr color models. A total of 40 datasets of fish eye images were used for training and testing the model. The research results indicate that the proposed classification method achieved an accuracy rate of 97.5%. This success signifies the potential of the color analysis method and entropy features in distinguishing levels of fish freshness. These findings contribute to the development of automated techniques for monitoring and processing fish quality in the fisheries industry.
RANCANG BANGUN APLIKASI PREDIKSI KANKER PAYUDARA DENGAN PENDEKATAN MACHINE LEARNING Nur Tri Ramadhanti Adiningrum; Resa Rianti; Cahyo Priyanto
Jurnal Informatika dan Teknik Elektro Terapan Vol 11, No 3s1 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3s1.3351

Abstract

Kanker payudara merupakan penyakit terbanyak yang ditemukan pada wanita dan angka kematiannya menempati posisi kedua kasus kanker yang dapat mempengaruhi lebih dari 2,1 juta orang pada tahun 2020. Berdasarkan kasus tersebut dapat diketahui kanker payudara adalah kanker penyebab utama kematian wanita. Namun kematian ini dapat dikurangi dengan melakukan deteksi dini terhadap sel kanker. Oleh karena itu, pencegahan kanker berperan penting dalam proses pengobatan dan membantu meningkatkan angka pemulihan hidup. Prediksi kanker dapat membantu pasien untuk berkonsultasi dengan dokter lebih cepat. Sehingga, prediksi kanker yang tepat sangat penting untuk memperbarui perawatan pasien kanker payudara. Teknik Machine Learning dapat dilakukan untuk memprediksi kanker payudara karena dapat menangkap interaksi tingkat tinggi antar data yang mungkin menghasilkan prediksi yang lebih baik untuk membedakan antara jinak dan ganas. Oleh karena itu, penelitian ini digunakan pendekatan klasifikasi yang efektif Support Vector Machine (SVM). SVM adalah model yang digunakan untuk melakukan prediksi kanker payudara. Untuk mempermudah proses prediksi, hasil prediksi kanker payudara diterapkan dalam bentuk web base dengan framework Django untuk dapat digunakan oleh dokter dalam menentukan keputusan dengan cepat. Hasil modeling menunjukkan bahwa prediksi kanker payudara menggunakan SVM memperoleh akurasi sebesar 98,24%. Sehingga model yang dibuat sangat baik sehingga aplikasi akan bekerja untuk memprediksi dengan baik.
ANALISIS PELAKSANAAN PENERTIBAN PEMAKAIAN TENAGA LISTRIK (P2TL) SEBAGAI UPAYA PENEKANAN SUSUT NON TEKNIS DI PT PLN (PERSERO) ULP KENTEN Amirah Khairunnisah
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i1.3955

Abstract

Abstrak. Pencurian listrik merupakan suatu kegiatan yang merugikan negara dimana PLN sebagai pihak yang menyalurkan listrik secara tidak sadar telah kehilangan komoditas utamanya tanpa ada timbal balik berupa pembayaran. Untuk mengatasi pencurian listrik dilakukan Pelaksanaan Pemakaian Tenaga Listrik (P2TL). Pelaksanaan Pemakaian Tenaga Listrik (P2TL) adalah suatu kegiatan penertiban terhadap pengguna tenaga listrik yang tidak sesuai dengan standar pemasangan. Kegiatan P2TL meliputi kegiatan perencanaan, pemeriksaan, tindakan teknis dan / atau hukum dan penyelesaian yang dilakukan oleh PLN terhadap instalasi PLN dan/ atau instalasi Pemakai Tenaga Listrik. Kegiatan P2TL yang dilakukan di area Kenten periode Maret-Juni ditemukan adanya 185 Pelanggaran di area tersebut. Pelanggan yang melakukan pencurian dikenakan Tagihan Susulan (TS). Pada bulan Maret diperoleh Tagihan Susulan sebesar Rp.207.109.653. Pada bulan April Tagihan Susulan sebesar Rp. 309.701.618. Pada Bulan Mei Tagihan Susulan sebesar Rp. 188.168.967 dan Pada bulan Juni Tagihan Susulan sebesar Rp.188.168.967. Untuk saving kWh yang diselamatkan akibat P2TL pada bulan Maret-Juni diperoleh sebesar 908.264 kWh. Pada bulan Maret diperoleh 195.260 kWh, bulan April 302.935 kWh, bulan Mei 211.228 kWh, dan bulan Juni 198.841 kWh. Dari saving kWh yang diperoleh susut tertinggi di bulan maret sebesar 0,150% dan susut yang diperoleh tanpa saving kWh P2TL sebesar 0,155%. Sehingga saving kWh yang diperoleh dari P2TL dapat menekan Susut Non Teknis yang didapatkan oleh PT PLN (Persero) ULP Kenten.  Abstract. Electricity theft is an activity that is detrimental to the state where PLN as the party that distributes electricity has unknowingly lost its main commodity without any reciprocity in the form of payment. To overcome electricity theft, the Penertiban Pemakaian Tenaga Listrik (P2TL) is carried out. Implementation of Penertiban Pemakaian Tenaga Listrik (P2TL) is an activity to control electricity users who do not comply with installation standards. P2TL activities include planning, inspection, technical and/or legal actions and settlements carried out by PLN on PLN installations and/or Electric Power User installations. P2TL activities carried out in the Kenten area for the period March-June found 185 violations in the area. Customers who commit theft are subject to a follow-up bill (TS). In March, follow-up bill amounting to Rp.207,109,653 were obtained. In April the Follow-up Bill of Rp. 309,701,618. In May, Follow-up Bill of Rp. 188,168,967 and In June, Follow-up Claims amounted to Rp.188,168,967. For saving kWh which was saved due to P2TL in March-June, it was obtained at 908,264 kWh. In March 195,260 kWh was obtained, in April 302,935 kWh, in May 211,228 kWh, and in June 198,841 kWh. From saving kWh, the highest shrinkage was obtained in March of 0.150% and the loss obtained without saving kWh of P2TL was 0.155%. So that saving kWh obtained from P2TL can suppress Non-Technical Losses obtained by PT PLN (Persero) ULP Kenten.
PENDETEKSI KATA DALAM BAHASA ISYARAT MENGGUNAKAN ALGORITMA YOLO VERSI 8 Ariansyah, Dennis Saputra
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3.4904

Abstract

Bahasa isyarat adalah sistem komunikasi yang digunakan oleh individu dengan gangguan pendengaran atau bicara, mengandalkan gerakan tangan, ekspresi wajah, dan gerakan tubuh. Di Indonesia, terdapat dua sistem bahasa isyarat: SIBI dan BISINDO, dengan BISINDO lebih umum digunakan oleh tunarungu dan tunawicara karena lebih mudah dipahami. Saat ini, Indonesia memiliki lebih dari 223.000 penyandang tuli dan 73.500 penyandang bisu dan tuli, yang sering mengalami kesulitan dalam berkomunikasi di tempat umum. Rata-rata masyarakat belum memahami bahasa isyarat, disebabkan kurangnya sumber informasi yang memadai. Masyarakat biasanya hanya dapat memahami melalui kamus, yang dimana cara tersebut tidak cukup efektif. Penelitian ini bertujuan mengembangkan sebuah model machine learning untuk deteksi bahasa isyarat secara real-time menggunakan algoritma YOLOv8. Dataset yang digunakan terdiri dari 25.000 gambar, di mana dilakukan perbandingan parameter dan variasi YOLOv8. Model terbaik diperoleh dari varian YOLOv8m dengan akurasi 93,8%, menggunakan optimizer Adam dengan learning rate 0.001 sebagai parameter optimisasi yang optimal. 

Page 53 of 284 | Total Record : 2839

 51   52   53   54   55 

Filter by Year

2013 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