cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
TRANSISTOR Elektro dan Informatika
Published by Universitas Islam Sultan Agung
ISSN : 1411366X     EISSN : -     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
TRANSISTOR EI (Jurnal Elektro dan Informatika) adalah publikasi ilmiah yang menerbitkan artikel bidang teknik elektro yang mencakup ketenagaan, elektronika, instrumentasi, telekomunikasi, kendali; serta bidang teknik informatika yang mencakup sistem informasi, software engineering, computer network, robotika, kecerdasan buatan, dan data mining. Jurnal ini adalah kelanjutan dari Jurnal Transistor yang terakreditasi DIKTI tahun 2004 s.d. 2007 (SK No. 39/Dikti/Kep/2004). Jurnal ini berubah nama menjadi Jurnal TRANSISTOR Teknik Elektro dan Teknik Informatika (TRANSISTOR-TETI) untuk menegaskan fokus bidang ilmu dari artikel yang diterbitkan yaitu bidang teknik elektro dan teknik informatika. Kedua bidang tersebut sangat dekat dan banyak beririsan dan saling bersinergi sehingga dijadikan tema dalam jurnal ini.
Arjuna Subject : -
Articles 114 Documents
 8   9   10   11   12 
Deteksi Kanker Kulit Melanoma Berbasis Android Menggunakan Convolutional Neural Network Arsitektur MobileNET v2 Rozi, Muhammad Faris Fahru; Mulyono, Sri; Ghufron, G
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.89-94

Abstract

Melanoma adalah jenis kanker kulit yang paling ganas dan berpotensi menyebabkan kematian jika tidak segera terdeteksi dan ditangani sejak dini. Oleh karena itu, pengembangan sistem untuk mendeteksi kanker kulit melanoma sangat penting dalam upaya deteksi dini penyakit tersebut. Pengembangan sistem deteksi penyakit kanker kulit melanoma menggunakan arsitektur MobileNetV2 Convolutional Neural Network yang direpresentasikan pada sistem berbasis android. Arsitektur MobileNetV2 dipilih karena kemampuannya untuk mencapai akurasi tinggi dalam klasifikasi citra dengan ukuran model yang relatif kecil. Untuk mendapatkan performa model terbaik, dilakukan beberapa percobaan konfigurasi yang berbeda. Beberapa konfigurasi yang dieksplorasi meliputi penggunaan optimizer SGD, Adadelta, dan RMSprop, serta variasi jumlah epoch dalam setiap konfigurasi. Berdasarkan evaluasi model menggunakan confusion matrix, Performa model terbaik didapat pada konfigurasi 3 dengan jumlah epoch 20 dan menggunakan optimizer SGD dengan nilai accuracy sebesar 0.9309, precision sebesar 0.9805, recall sebesar 0.8792, dan f1-score sebesar 0.9270. Pengujian aplikasi menggunakan metode black box dengan menggunakan data pengujian dari dataset mendapatkan akurasi tertinggi mencapai 100% baik melanoma maupun non-melanoma. Keyword: Kanker Kulit Melanoma, MobileNetV2, Convolutional Neural Network, Confusion Matrix, Black Box Testing.
Identifikasi Kematangan Buah Jeruk Medan Menggunakan K-Nearest Neighbor berbasis Metrik RGB Putra, Allief Suryatama Jaya; Subroto, Imam Much Ibnu; Poetro, Bagus Satrio Waluyo
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.155-160

Abstract

Kemajuan pesat inovasi di bidang pengolahan citra semakin membuat aplikasi dan eksplorasi strategi penanganan gambar dibuat. Pengolahan citra mempunyai peranan penting di berbagai bidang. Aplikasi pengolahan citra berkaitan dengan pemrosesan citra berkaitan dengan transformasi warna. Dalam hal ini, metode transformasi ruang warna RGB sebagai bagian dari pengolahan citra membantu dalam mendeteksi warna dalam citra dan mengolahnya. Ruang warna merupakan model matematis yang menjelaskan mengenai warna yang direpresentasikan ke dalam model angka. Dalam penelitian ini, berdasarkan dari hasil pengujian menggunakan citra buah Jeruk Medan untuk mendeteksi jenis kematangannya dengan melakukan transformasi ruang warna RGB lalu mencari nilai rata-rata dari setiap warna dasar yaitu merah, hijau, dan biru kemudian memberikan metode KNN algoritma yang sering digunakan dalam pembelajaran mesin. Algoritma ini digunakan untuk memprediksi kelas suatu objek berdasarkan data pembelajaran yang ada. Algoritma ini bekerja dengan cara mencari objek yang paling mirip dengan objek yang ingin diprediksi kelasnya, lalu menggunakan kelas dari objek-objek tersebut untuk memprediksi kelas dari objek yang ingin diprediksi yang dilakukan dengan menggunakan data sampel sebanyak 180 data buah yang terdiri dari 60 citra buah Jeruk Medan disetiap jenis kematangannya, 60 sampel uji buah Jeruk Medan matang, 20 sampel buah Jeruk Medan setengah matang dan 60 sampel buah Jeruk Medan mentah. Pada penelitian ini mendapatkan nilai hasil dari klasifikasi dari k = 9 juga memiliki presentasi yang tinggi yaitu 87%
Klasifikasi Bidang Ilmu Pada Publikasi Terindeks GARUDA Kemdikbud Menggunakan Metode K-Nearest Neighbor (KNN) Saadah, Farikhatus; Subroto, Imam Much Ibnu; Riansyah, Andi
TRANSISTOR Elektro dan Informatika Vol 5, No 2 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.2.95-101

Abstract

GARUDA merupakan salah satu portal yang memuat referensi ilmiah nasional Indonesia dan memberikan akses terhadap karya ilmiah yang dihasilkan oleh akademisi dan peneliti Indonesia. Klasifikasi merupakan proses penemuan model (fungsi) yang menggambarkan dan membedakan kelas data. Sebelumnya belum ada penelitian yang menggunakan 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management, untuk mengklasifikasikan judul artikel pada aplikasi terindeks Garuda. Dalam penelitian ini akan mengklasifikasikan judul artikel yang ada pada aplikasi terindeks Garuda kedalam 5 bidang ilmu yang akan menggunakan metode algortima K-Nearest Neighbor (K-NN), dan akan dilakukan dengan cara mengumpulkan data pada aplikasi terindeks Garuda, lalu dilakukan tahap prepocessing agar data memiliki kualitas yang baik. Setelah itu mencari data dengan jarak terdekat dengan tetangga terdekat pada data latih dengan data yang akan diuji, lalu evaluasi yang akan digunakan adalah accuracy, precision, recall, dan F-score. Hasil yang diharapkan dari penelitian ini adalah metode algorima K-Nearest Neighbor (K-NN) dapat menghasilkan tingkat akurasi yang tinggi dalam mengklasifikasikan judul artikel pada aplikasi terindeks Garuda, kedalam 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine, Natural Scienses, Social Sciences & Management secara cepat dan otomatis. Hasil dari penelitian ini mendapatkan nilai akurasi tertinggi 0,499 atau 49,9% dengan menggunakan parameter nilai K = 285.
Deteksi Similarity Tugas Akhir Mahasiswa Menggunakan Cosine Similarity Putra, Yustian Dikma Eka; Subroto, Imam Much Ibnu; Haviana, Sam Farisa Chaerul
TRANSISTOR Elektro dan Informatika Vol 5, No 3 (2023)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.5.3.122-130

Abstract

Tugas akhir (TA) atau tesis merupakan sebuah mahakarya tertulis berupa rangkaian tulisan ilmiah yang mempresentasikan hasil dari sebuah penelitian guna membahas suatu masalah di dalam suatu bidang keilmuan tertentu dengan menggunakan kaidah-kaidah penulisan yang berlaku di suatu bidang ilmu pengetahuan tertentu. Sementara dalam pembuatan tugas akhir sendiri sering ditemui tindak plagiarisme, tindakan ini sendiri bertujuan untuk mencuri hasil pikiran orang lain. Metode cosine similiarity  digunakan untuk menghitung similiarity atau kemiripan dokumen dari tugas akhir dengan tujuan untuk menghitung seberapa besar tingkat similiarity-nya sehingga nantinya dapat digunakan sebagai salah satu cara mengidentifikasi apakah dokumen tersebut plagiat atau tidak. Pada perhitungan metode cosine jika semakin mendekati angka 1 maka dokumen tersebut bisa dianggap plagiat dan sebaliknya jika mendekati angka 0 maka similiarity atau kesamaan dokumen tersebut rendah.
Prediksi Penghematan Biaya Listrik Berdasarkan Global Horizontal Irradiance (GHI) Menggunakan Model Long Short Term Memory Network (LSTM) Ilham Pradipta, Muhammad; Chaerul Haviana, Sam Farisa
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Energi surya semakin diakui sebagai solusi utama dalam memenuhi kebutuhan energi global yang terus meningkat. Salah satu manfaat utama pemanfaatan energi surya adalah potensi penghematan biaya listrik, terutama dengan prediksi yang akurat terhadap produksi energi dari sistem fotovoltaik. Untuk mengestimasi potensi penghematan biaya listrik, diperlukan pemodelan yang tepat berdasarkan perhitungan Global Horizontal Irradiance (GHI), yaitu parameter yang merepresentasikan jumlah radiasi matahari yang diterima pada permukaan horizontal bumi.. Namun, prediksi GHI menghadapi tantangan akibat faktor atmosferik yang dinamis, seperti suhu, kelembapan, dan kecepatan angin. Untuk mengatasi tantangan ini, penelitian ini mengembangkan model prediksi GHI menggunakan algoritma Long Short-Term Memory (LSTM), sebuah jenis jaringan saraf tiruan yang efektif dalam mengolah data sequensial dengan ketergantungan jangka panjang. Selain itu, hasil prediksi GHI (Wh/m²) dikonversi menjadi energi listrik (kWh) untuk mengestimasi potensi penghematan biaya listrik. Penelitian ini juga merancang aplikasi berbasis web yang memungkinkan visualisasi interaktif hasil prediksi, sehingga dapat membantu pengambilan keputusan dalam perencanaan energi surya. Model yang dikembangkan menunjukkan performa yang tinggi dengan nilai R² sebesar 0.96, MAE sebesar 0.021, dan RMSE sebesar 0.03. Dengan pendekatan ini, penelitian diharapkan dapat memberikan kontribusi dalam optimalisasi energi surya dan mendukung transisi menuju sistem energi yang lebih berkelanjutan.
Analisis Sentimen Terhadap Produk Sunscreen Pada Marketplace Menggunakan Support Vector Machine (SVM) Bahtiar, Thoriq; Assegaf, Badieah; Subroto, Imam Much Ibnu
TRANSISTOR Elektro dan Informatika Vol 6, No 1 (2024)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.6.1.%p

Abstract

Pasar online seperti Shopee telah menjadi platform penting bagi bisnis untuk menjual produk dan layanan kepada khalayak luas, mendorong pertumbuhan platform marketplace. Ulasan konsumen tidak hanya mencerminkan pengalaman pribadi pengguna dengan sebuah produk, tetapi juga memberikan informasi detail tentang efektivitas produk tersebut. Dengan menganalisis ulasan ini, calon pembeli bisa mendapatkan gambaran yang lebih jelas mengenai kelebihan dan kekurangan produk tersebut, sehingga bisa menjadi umpan balik yang berharga untuk peningkatan produk di masa mendatang. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap produk sunscreen di marketplace Shopee menggunakan metode Support Vector Machine (SVM). Analisis sentimen dilakukan untuk mengevaluasi tingkat kepuasan konsumen terhadap produk sunscreen yang dijual di Shopee. Melalui analisis ini, persepsi konsumen tentang produk tersebut dapat dievaluasi, sehingga memberikan wawasan berharga untuk peningkatan produk dan pengambilan keputusan konsumen. Proses analisis sentimen mencakup tahapan pra-pemrosesan teks, termasuk lowercasing, tokenization, dan penghapusan stop words menggunakan Sastrawi. Berdasarkan hasil penelitian, metode SVM dengan pembobotan TF-IDF menunjukkan performa yang memuaskan dengan akurasi tinggi, nilai precision 0,89, recall 0,90, dan F1-score 0,89, yang mengindikasikan kemampuan model dalam mengklasifikasikan sentimen konsumen secara efektif dan konsisten.
EVALUASI DAYA LISTRIK TERPASANG (KVA) PADA PT GEMAH MAKMUR SEJAHTERA (GMS) KABUPATEN SEMARANG Laksana, Vicky Putra; Haddin, Muhammad
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

PT. Gemah Makmur Sejahtera (GMS) merupakan perusahaan manufaktur yang beroperasi selama 24 jam dan memiliki kebutuhan daya listrik yang tinggi untuk menunjang proses produksi yang menggunakan mesin-mesin berdaya besar, seperti extruder plastik, mixer, dan motor industri lainnya. Penelitian ini bertujuan untuk mengevaluasi kecukupan daya listrik terpasang (dalam satuan kVA) terhadap beban listrik aktual serta proyeksi pertumbuhan beban di masa mendatang. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data spesifikasi beban, perhitungan arus listrik, Kuat Hantar Arus (KHA), serta penentuan kebutuhan ukuran kabel dan pemutus arus (MCB) sesuai dengan standar teknis yang berlaku. kapasitas transformator yang tersedia sebesar 2.000 kVA. Hal ini menunjukkan bahwa sistem kelistrikan yang ada masih mampu mengakomodasi beban yang dibutuhkan, yang mana berdasarkan hasil analisa, total daya semu yang dibutuhkan saat ini adalah sebesar 1.136,8 kVA dengan jumlah total daya 537,254 kW dan accepting sebesar 690 kVA sehingga beban listrik tidak terlalu besar.
PERANCANGAN SISTEM “REQROOM” SEBAGAI SOLUSI DIGITAL DALAM MANAJEMEN RUANG Habibi, Muhammad Syihab; Sulistiyowati, Yunita Endah; Gholib, Tsabit
TRANSISTOR Elektro dan Informatika Vol 6, No 1 (2024)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.6.1.%p

Abstract

Manajemen ruang yang efektif merupakan salah satu tantangan dalam mendukung kelancaran kegiatan akademik maupun operasional dalam lingkungan pendidikan. Permasalahan seperti jadwal bentrok, ketidaktersediaan ruang, dan minimnya informasi sering menjadi kendala. Efisiensi manajemen ruang di gedung memerlukan sistem digital yang intuitif dan mudah digunakan. Salah satu langkah awal untuk mewujudkan hal ini adalah dengan merancang antarmuka pengguna (UI) untuk mengetahui kebutuhan apa saja yang diperlukan sebelum masuk ke tahap pengembangan model dasar. Perancangan UI untuk sistem “REQROOM” dilakukan dengan menggunakan pendekatan desain berbasis pengalaman pengguna (user experience design) dengan metode pengembangan prototype. Proses ini melibatkan analisis kebutuhan pengguna dan pembuatan desain awal dimana fokus utama perancangan UI ini adalah menyediakan navigasi yang jelas, aksesibilitas, dan visualisasi informasi ruang yang informatif. Diharapkan, rancangan UI ini dapat menjadi fondasi bagi pengembangan sistem manajemen ruang yang lebih lengkap di masa depan.
Alat Pengukur Volume Sedimen Menggunakan Sensor Ultrasonik Tipe DYP-L04 Berbasis Arduino Mega 2560 R3 Aulia, Muhammad Rifky; Prasetyowati, Sri Arttini Dwi; Arifin, Bustanul
TRANSISTOR Elektro dan Informatika Vol 6, No 1 (2024)
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.6.1.%p

Abstract

Banyak perairan di Indonesia memiliki kejernihan air yang sangat buruk akibat campuran kotoran dan lumpur di dalam air. Perairan yang kotor sering ditemukan di daerah dekat pemukiman, di mana limbah rumah tangga yang mengalir ke sungai membuat air terlihat kotor dan keruh. Kotoran yang terlarut dalam air akan mengendap di dasar perairan, menyebabkan sedimentasi. Penelitian ini merancang sebuah alat berupa pengukur sedimen. Alat ini menggunakan sensor ultrasonik tipe DYP-L04 dan rotary encoder sebagai referensi untuk mengukur sedimen, dengan prosesor data berupa Arduino Mega 2560 R3. Terdapat motor PG45 yang digunakan untuk mengatur pergerakan alat. Sensor ultrasonik ini bekerja berdasarkan algoritma pemrograman Arduino yang telah dirancang sehingga alat tersebut mampu mengukur volume sedimen dengan hasil yang optimal. Hasil penelitian ini menunjukkan bahwa alat tersebut mampu membaca volume sedimen. Nilai perbandingan volume sedimen antara nilai asli dan hasil pengukuran alat diimplementasikan dalam bentuk nilai kesalahan persentase. Dari 10 percobaan, didapatkan nilai kesalahan rata-rata sebesar 4,74%. Keyword: Sedimen, Sensor Ultrasonik, Arduino
Prediksi Status Kualitas Produk Minuman Menggunakan Algoritma Decision Tree Fahmi, Ahmad Ulin Nur; Fatwanto, Agung
TRANSISTOR Elektro dan Informatika Vol 7, No 2 (2025): Agustus : Transistor EI
Publisher : Universitas Islam Sultan Agung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30659/ei.7.2.%p

Abstract

Kualitas suatu produk adalah salah satu item penting yang harus diperhatikan oleh para pengusaha suatu produk. Produk yang berkualitas baik akan berpengaruh bagi kesehatan para konsumen. Dalam pendistribusian produk tersebut pekerja UMKM bagian pengiriman harus dapat memahami apakah status produk sisa tersebut masih berkualitas baik atau sudah rusak. Hal ini sangat penting diperhatikan karena kondisi pendingin setiap reseller mempunya tingkat suhu dingin yang bervariasi terkadang juga dipengaruhi faktor mati lampu dan tegangan listrik yang tidak stabil. Kondisi tersebut dapat berpengaruh terhadap kualitas dari produk A menjadi menurun. Banyaknya reseller dan produk yang dikirim akan mempersulit pekerja UMKM dalam mendeteksi kualitas produk A. Untuk mengatasi masalah tersebut peneliti menemukan solusi bahwa diperlukan sebuah metode mesin learning untuk memprediksi status kualitas produk A. Dalam penelitian ini peneliti menggunakan metode decision tree untuk memprediksi status kualitas produk minuman A. Data yang digunakan adalah suatu produksi sebanyak 50 pcs pada beberapa jenis kecacatan suatu produk, adapun parameter yang digunakan antara lain, defect type , defect location, severity dan inspection method. Hasil penelitian ini akan menunjukkan presentasi nilai akurasi dari kualitas produk A sebesar 95% . Ini menunjukan bahwa algoritma decision tree memiliki kinerja yang sangat baik dalam melakukan proses pengklasifikasian kualitas produk minuman A

Page 10 of 12 | Total Record : 114

 8   9   10   11   12 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 7, No 2 (2025) Vol 7, No 2 (2025): Agustus : Transistor EI Vol 7, No 1 (2025): April : Transistor EI Vol 6, No 1 (2024) Vol 5, No 3 (2023) Vol 5, No 2 (2023) Vol 5, No 1 (2023) Vol 4, No 3 (2022) Vol 4, No 2 (2022) Vol 4, No 1 (2022) Vol 3, No 3: 2018 Vol 3, No 2: 2018 Vol 3, No 1: 2018 Vol 2, No 2: 2017 Vol 2, No 1: 2017 Vol 1, No 1: 2016 More Issue