Subair Bair Yusuf, M. Risal, A. Affandy, Arsianto Arsianto, Mursalim Sawawi
Listrik pascabayar adalah listrik yang pembayaran tagihannya pada akhir bulan sesuai dengan energi yang digunakan. Meteran listrik pascabayar masih menggunakan alat analog yang menunjukkan besarnya daya yang telah digunakan. Sedangkan listrik prabayar adalah listrik yang pembayarannya berada di awal, yaitu dengan sistem pulsa. Dimana pelanggan dapat mengendalikan pemakaian listrik sendiri. Perbedaan yang mencolok dari listrik pascabayar dengan listrik prabayar adalah pada listrik prabayar pelanggan dapat mengontrol, melakukan monitoring atau pengecekan terhadap penggunaan listrik setiap hari dikarenakan sudah menggunakan meteran digital. Sedangkan pada listrik pascabayar alat meteran listriknya analog sehingga sulit untuk dikontrol dan dimonitoring. Adapun tujuan dari penelitian ini yaitu, 1) Merancang sebuah sistem yang dapat mengontrol dan memonitoring penggunaan daya listrik. 2) Menginplementasikan sebuah sistem yang dapat menontrol dan memonitoring penggunaan daya listrik. Sistem dibuat menggunakan mikrokontroler arduino nano dengan tambahan sensor daya PZEM-004T dan Nodemcu esp8266 untuk komuinikasi dengan internet menggunakan aplikasi firebase dan relay sebagai output tegangan listrik, sistem ini juga dapat dimonitoring dan dikontrol melalui smartphone android. Dengan adanya teknologi ini pelanggan dapat secara lansgung mengetahui berapa total daya yang digunakan dan berapa besar tarif yang akan dibayarkan. Pelanggan dapat menetukan tarif berdasarkan daya yang akan digunakan melalui smartphone, sensor daya akan membaca berapa daya yang sudah terpakai kemudian di kirim menggunakan NodMcu esp8266 ke data firebase dan dari data tersebut aplikasi dapat mengakses dan mengetahui berapa daya yang sudah terpakai dan berapa tarif yanag akan dibayar. Jika daya melewati batas maksimum pemakaian yang sudah ditentukan maka secara otomatis aliran listrik akan diputus ke arah terminal relay dan jika ingin menghidupkan kembali dilakukan reset daya pada aplikasi MIT APP Inventor pada android.
{"title":"KONTROL PENGGUNAAN LISTRIK PASCABAYAR MENGGUNAKAN ANDROID","authors":"Subair Bair Yusuf, M. Risal, A. Affandy, Arsianto Arsianto, Mursalim Sawawi","doi":"10.37639/jti.v13i2.349","DOIUrl":"https://doi.org/10.37639/jti.v13i2.349","url":null,"abstract":"Listrik pascabayar adalah listrik yang pembayaran tagihannya pada akhir bulan sesuai dengan energi yang digunakan. Meteran listrik pascabayar masih menggunakan alat analog yang menunjukkan besarnya daya yang telah digunakan. Sedangkan listrik prabayar adalah listrik yang pembayarannya berada di awal, yaitu dengan sistem pulsa. Dimana pelanggan dapat mengendalikan pemakaian listrik sendiri. Perbedaan yang mencolok dari listrik pascabayar dengan listrik prabayar adalah pada listrik prabayar pelanggan dapat mengontrol, melakukan monitoring atau pengecekan terhadap penggunaan listrik setiap hari dikarenakan sudah menggunakan meteran digital. Sedangkan pada listrik pascabayar alat meteran listriknya analog sehingga sulit untuk dikontrol dan dimonitoring. Adapun tujuan dari penelitian ini yaitu, 1) Merancang sebuah sistem yang dapat mengontrol dan memonitoring penggunaan daya listrik. 2) Menginplementasikan sebuah sistem yang dapat menontrol dan memonitoring penggunaan daya listrik. \u0000Sistem dibuat menggunakan mikrokontroler arduino nano dengan tambahan sensor daya PZEM-004T dan Nodemcu esp8266 untuk komuinikasi dengan internet menggunakan aplikasi firebase dan relay sebagai output tegangan listrik, sistem ini juga dapat dimonitoring dan dikontrol melalui smartphone android. \u0000Dengan adanya teknologi ini pelanggan dapat secara lansgung mengetahui berapa total daya yang digunakan dan berapa besar tarif yang akan dibayarkan. Pelanggan dapat menetukan tarif berdasarkan daya yang akan digunakan melalui smartphone, sensor daya akan membaca berapa daya yang sudah terpakai kemudian di kirim menggunakan NodMcu esp8266 ke data firebase dan dari data tersebut aplikasi dapat mengakses dan mengetahui berapa daya yang sudah terpakai dan berapa tarif yanag akan dibayar. Jika daya melewati batas maksimum pemakaian yang sudah ditentukan maka secara otomatis aliran listrik akan diputus ke arah terminal relay dan jika ingin menghidupkan kembali dilakukan reset daya pada aplikasi MIT APP Inventor pada android.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"89502675","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Penelitian ini mengimplementasikan algoritm algoritma naive bayes dalam proses klasifikasi surat dan untuk membangun sistem yang dapat mengklasifikasi surat secara. Dalam penelitian ini jumlah sampel data corpus surat 1036 record, yang dibagi dalam 80% training dan 20% testing. Sampel data training algoritma Naïve Bayes di implementasikan dengan menghitung nilai bobot dari class tertinggi berdasarkan data training dengan data testing sehingga menghasilkan probabilitas tertinggi. Hasil pengolahan data mendapatkan nilai Correctly Classified Instance sebesar 86.245799% dan Incoreectly Classified Instance sebesar 13.754200% serta hasil pengujian dengan menggunakan confusion matrix mendapatkan nilai precision sebesar 86%, Recall 86 % dan Akurasi sebesar 76%.
{"title":"KLASIFIKASI SURAT DIGITAL MENGGUNAKAN ALGORITMA MACHINE LEARNING","authors":"Yuyun Yuyun","doi":"10.37639/jti.v13i2.350","DOIUrl":"https://doi.org/10.37639/jti.v13i2.350","url":null,"abstract":"Penelitian ini mengimplementasikan algoritm algoritma naive bayes dalam proses klasifikasi surat dan untuk membangun sistem yang dapat mengklasifikasi surat secara. Dalam penelitian ini jumlah sampel data corpus surat 1036 record, yang dibagi dalam 80% training dan 20% testing. Sampel data training algoritma Naïve Bayes di implementasikan dengan menghitung nilai bobot dari class tertinggi berdasarkan data training dengan data testing sehingga menghasilkan probabilitas tertinggi. Hasil pengolahan data mendapatkan nilai Correctly Classified Instance sebesar 86.245799% dan Incoreectly Classified Instance sebesar 13.754200% serta hasil pengujian dengan menggunakan confusion matrix mendapatkan nilai precision sebesar 86%, Recall 86 % dan Akurasi sebesar 76%. ","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-08-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"79153295","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
M. Akbar, A. Affandy, Andi Edeth Fuari, N. Mustika, Aulia Ramdani, Asna Dewanti
Penelitian ini bertujuan: (1) Merancang alat pengoles kuning telur pada adonan roti berbasis arduino. (2) Mengimplementasikan rancang bangun pengoles kuning telur pada adonan roti berbasis arduino. (3) Mempermudah dalam sistem pengolesan kuning telur pada adonan roti. Dalam industri roti rumah tangga memiliki beberapa tahap dalam memproduksi atau mengelola adonan roti. Salah satunya tahap pengolesan dimana rata-rata yang dikerjakan oleh tenaga manusia secara manual. Dari permasalahan tersebut, maka di buat rancangan pengoles adonan roti otomatis yang diharapkan dapat memudahkan pengolahan usaha roti mini dibagian pengolesan kuning telur. Rancang bangun pengoles kuning telur pada adonan roti berbasis arduino yang menggunakan motor DC sebagai alat penggerak pengoles adonan yang semuanya diproses di arduino uno. Dalam rancangan ini terdapat beberapa komponen yang digunakan yaitu, Sensor infrared digunakan sebagai pendeteksi adonan ketika adonan tersebut siap untuk dioles. Arduino uno digunakan sebagai pemroses data. Motor DC dan water pump sebagai penggerak bagian dari alat yaitu kuas kuning telur dan wadah kuning telur. Hasil rancangan alat ini membantu dalam proses pengolesan roti pada usaha roti.
{"title":"RANCANG BANGUN PENGOLES KUNING TELUR PADA ADONAN ROTI BERBASIS ARDUINO","authors":"M. Akbar, A. Affandy, Andi Edeth Fuari, N. Mustika, Aulia Ramdani, Asna Dewanti","doi":"10.37639/jti.v13i2.348","DOIUrl":"https://doi.org/10.37639/jti.v13i2.348","url":null,"abstract":"Penelitian ini bertujuan: (1) Merancang alat pengoles kuning telur pada adonan roti berbasis arduino. (2) Mengimplementasikan rancang bangun pengoles kuning telur pada adonan roti berbasis arduino. (3) Mempermudah dalam sistem pengolesan kuning telur pada adonan roti. Dalam industri roti rumah tangga memiliki beberapa tahap dalam memproduksi atau mengelola adonan roti. Salah satunya tahap pengolesan dimana rata-rata yang dikerjakan oleh tenaga manusia secara manual. Dari permasalahan tersebut, maka di buat rancangan pengoles adonan roti otomatis yang diharapkan dapat memudahkan pengolahan usaha roti mini dibagian pengolesan kuning telur. Rancang bangun pengoles kuning telur pada adonan roti berbasis arduino yang menggunakan motor DC sebagai alat penggerak pengoles adonan yang semuanya diproses di arduino uno. Dalam rancangan ini terdapat beberapa komponen yang digunakan yaitu, Sensor infrared digunakan sebagai pendeteksi adonan ketika adonan tersebut siap untuk dioles. Arduino uno digunakan sebagai pemroses data. Motor DC dan water pump sebagai penggerak bagian dari alat yaitu kuas kuning telur dan wadah kuning telur. Hasil rancangan alat ini membantu dalam proses pengolesan roti pada usaha roti.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-11","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"76810107","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Purnamasari Dewi, M. Razak, Billy Eden William Asrul, Pujianti Wahyuningsih
Game merupakan sebuah aplikasi yang dapat dikembangkan sebagai media edukasi pembelajaran bagi anak. Tujuan penelitian ini adalah membangun sebuah sistem informasi game edukasi labirin matematika berbasis android. Dalam membangun aplikasi game ini, dibutuhkan sebuah algoritma yang dapat digunakan untuk mengacak soal labirin matematika. Adapun metode yang digunakan untuk mengacak soal labirin matematika pada penelitian ini adalah menggunakan algoritma Linear Congruent Method (LCM). Pada aplikasi yang dibangun terdapat 2 soal dalam menyelesaikan labirin matematika, yaitu berupa kuis satuan waktu dan kuis operasi matematika. Dalam aplikasi ini terdapat 1 aktor yaitu sebagai pengguna aplikasi game yang digunakan untuk mempelajari labirin matematika. Hasil dari penelitian ini adalah membangun game edukasi labirin matematika, dimana aplikasi ini dapat membantu anak dalam mempelajari satuan waktu dan operasi bilangan serta membantu guru dalam melakukan proses belajar mengajar dengan tampilan berupa game berbasis android.
{"title":"PERANCANGAN GAME EDUKASI LABIRIN MATEMATIKA DENGAN ALGORITMA LINEAR CONGRUENT METHOD BERBASIS ANDROID","authors":"Purnamasari Dewi, M. Razak, Billy Eden William Asrul, Pujianti Wahyuningsih","doi":"10.37639/jti.v13i1.228","DOIUrl":"https://doi.org/10.37639/jti.v13i1.228","url":null,"abstract":"Game merupakan sebuah aplikasi yang dapat dikembangkan sebagai media edukasi pembelajaran bagi anak. Tujuan penelitian ini adalah membangun sebuah sistem informasi game edukasi labirin matematika berbasis android. Dalam membangun aplikasi game ini, dibutuhkan sebuah algoritma yang dapat digunakan untuk mengacak soal labirin matematika. Adapun metode yang digunakan untuk mengacak soal labirin matematika pada penelitian ini adalah menggunakan algoritma Linear Congruent Method (LCM). Pada aplikasi yang dibangun terdapat 2 soal dalam menyelesaikan labirin matematika, yaitu berupa kuis satuan waktu dan kuis operasi matematika. Dalam aplikasi ini terdapat 1 aktor yaitu sebagai pengguna aplikasi game yang digunakan untuk mempelajari labirin matematika. Hasil dari penelitian ini adalah membangun game edukasi labirin matematika, dimana aplikasi ini dapat membantu anak dalam mempelajari satuan waktu dan operasi bilangan serta membantu guru dalam melakukan proses belajar mengajar dengan tampilan berupa game berbasis android. ","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"83008131","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Weverse adalah komunitas K-Pop sebagai penggemar resmi tempat bagi penggemar dan artis berinteraksi. Aplikasi fandom weverse merupakan alat yang dapat berkomunikasi dengan para idola mereka. Penggemar mendapatkan akses konten eksklusif, membeli merchandise, dan berbincang-bincang dengan para idola. Tujuan penelitian ini untuk mengetahui penerimaan dan penggunaan aplikasi Weverse menggunakan Technology Acceptance Model (TAM). Metode penelitian yang digunakan yaitu Technology Acceptance Model dengan 3 variabel, yaitcu perceived usefulness (PU), perceived ease of use (PEOU), dan attitude toward using (ATU). Sampel penelitian merupakan pengguna aplikasi weverse yang berjumlah 87 responden. Berdasarkan hasil penelitian dan pengujian hipotesis menggunakan SPSS 20, didapatkan hasil bahwa PEOU tidak berdampak signifikan terhadap ATU dengan tingkat hubungan 0.033 = 0,33% dan PU berpengaruh signifikan terhadap ATU dengan tingkat hubungan 0.522 =52,5%, PEOU dan PU berpengaruh signifikan terhadap ATU dengan R Square 0.300 = 30%. Kata kunci: Technology Acceptance Model, Aplikasi Weverse
{"title":"ANALISIS PENERIMAAN DAN PENGGUNAAN APLIKASI PLATFORM FAN COMMUNITY WEVERSE MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL(TAM)","authors":"I. Cantika, M. Ary","doi":"10.37639/jti.v12i3.221","DOIUrl":"https://doi.org/10.37639/jti.v12i3.221","url":null,"abstract":"Weverse adalah komunitas K-Pop sebagai penggemar resmi tempat bagi penggemar dan artis berinteraksi. Aplikasi fandom weverse merupakan alat yang dapat berkomunikasi dengan para idola mereka. Penggemar mendapatkan akses konten eksklusif, membeli merchandise, dan berbincang-bincang dengan para idola. Tujuan penelitian ini untuk mengetahui penerimaan dan penggunaan aplikasi Weverse menggunakan Technology Acceptance Model (TAM). Metode penelitian yang digunakan yaitu Technology Acceptance Model dengan 3 variabel, yaitcu perceived usefulness (PU), perceived ease of use (PEOU), dan attitude toward using (ATU). Sampel penelitian merupakan pengguna aplikasi weverse yang berjumlah 87 responden. Berdasarkan hasil penelitian dan pengujian hipotesis menggunakan SPSS 20, didapatkan hasil bahwa PEOU tidak berdampak signifikan terhadap ATU dengan tingkat hubungan 0.033 = 0,33% dan PU berpengaruh signifikan terhadap ATU dengan tingkat hubungan 0.522 =52,5%, PEOU dan PU berpengaruh signifikan terhadap ATU dengan R Square 0.300 = 30%. \u0000Kata kunci: Technology Acceptance Model, Aplikasi Weverse","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"87327348","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Fajar Techno System merupakan salah satu anak perusahaan Fajar group yang membidangi usaha Teknologi informasi dan Komunikasi yang bergerak di bidang penyedia jaringan internet. Saat ini masalah yang dicari adalah bagaimana merancang company profile yang efektif dan komunikatif secara menarik.Laporan penelitian ini berdasarkan pada analisis dan perancangan sistem yang dilakukan oleh penulis pada PT. Fajar Techno System. Penelitian ini bertujuan untuk merancang Company profile PT. Fajar Techno System. Pengembangan dan penelitian menggunakan pendekatan metode System Development Life Cycle (SDLC). Hasil dari rancangan yang didapatkan, dituangkan dalam bentuk prototipe perangkat lunak yang dikembangkan dengan menggunakan HTML dan CSS. Berdasarkan hasil pengujian terhadap prototipe tersebut dapat disimpulkan bahwa sistem usulan dapat efektif dan dapat memvisualisasikan memenuhi keinginan dari pihak perusahaan secara aktraktif dan menarik.
{"title":"PERANCANGAN COMPANY PROFIL PT.FAJAR TECHNO SYSTEM BERBASIS WEB","authors":"Muhammad Alwi k, Risman Zulfahmi, Sitti Arni","doi":"10.37639/jti.v13i2.287","DOIUrl":"https://doi.org/10.37639/jti.v13i2.287","url":null,"abstract":"Fajar Techno System merupakan salah satu anak perusahaan Fajar group yang membidangi usaha Teknologi informasi dan Komunikasi yang bergerak di bidang penyedia jaringan internet. Saat ini masalah yang dicari adalah bagaimana merancang company profile yang efektif dan komunikatif secara menarik.Laporan penelitian ini berdasarkan pada analisis dan perancangan sistem yang dilakukan oleh penulis pada PT. Fajar Techno System. Penelitian ini bertujuan untuk merancang Company profile PT. Fajar Techno System. Pengembangan dan penelitian menggunakan pendekatan metode System Development Life Cycle (SDLC). Hasil dari rancangan yang didapatkan, dituangkan dalam bentuk prototipe perangkat lunak yang dikembangkan dengan menggunakan HTML dan CSS. Berdasarkan hasil pengujian terhadap prototipe tersebut dapat disimpulkan bahwa sistem usulan dapat efektif dan dapat memvisualisasikan memenuhi keinginan dari pihak perusahaan secara aktraktif dan menarik.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-07-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"84515487","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Plants are vital to human life on earth, and the leaves and their whole parts have many benefits. These parts of the plant can help distinguish between different species. The leaf identification can be performed at any time, while the other parts of the plants can only be identified at a certain time. The study aims to classify two types of herbs i.e. saur-opus androgynous and moringa oleifera, implementing the Fourier Descriptor method to extract the shape and texture features. In the process of classification using the Naïve Bayes method with three types of nuclei (Gaussian, Bernoulli, and Multinomial) and a Convolutional Neural Network. The testing process was carried out using two scenarios, dark and light, where each scenario consisted of 240 images for a total of 480 images divided into 20% of the data testing and 80% of the training data. The Fourier Descriptor-Bernoulli Naive Bayes method gives the lowest accuracy in both light and dark scenarios, at 46% and 52%, respectively. As for the classification of herbal leaves using a combination of the Fourier Descriptor-Convolutional Neural Network method, it is recommended to be used in light image scenarios and Fourier Descriptor-Gaussian Naive Bayes in the dark scenarios because it is able to detect herbal leaf types with 100% accuracy.
{"title":"Hybrid Fourier Descriptor Naïve Bayes dan CNN pada Klasifikasi Daun Herbal","authors":"Sunarti Passura Backar, Purnawansyah Purnawansyah, Herdianti Darwis, Wistiani Astuti","doi":"10.30591/jpit.v8i2.5186","DOIUrl":"https://doi.org/10.30591/jpit.v8i2.5186","url":null,"abstract":"Plants are vital to human life on earth, and the leaves and their whole parts have many benefits. These parts of the plant can help distinguish between different species. The leaf identification can be performed at any time, while the other parts of the plants can only be identified at a certain time. The study aims to classify two types of herbs i.e. saur-opus androgynous and moringa oleifera, implementing the Fourier Descriptor method to extract the shape and texture features. In the process of classification using the Naïve Bayes method with three types of nuclei (Gaussian, Bernoulli, and Multinomial) and a Convolutional Neural Network. The testing process was carried out using two scenarios, dark and light, where each scenario consisted of 240 images for a total of 480 images divided into 20% of the data testing and 80% of the training data. The Fourier Descriptor-Bernoulli Naive Bayes method gives the lowest accuracy in both light and dark scenarios, at 46% and 52%, respectively. As for the classification of herbal leaves using a combination of the Fourier Descriptor-Convolutional Neural Network method, it is recommended to be used in light image scenarios and Fourier Descriptor-Gaussian Naive Bayes in the dark scenarios because it is able to detect herbal leaf types with 100% accuracy.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-06-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135215534","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
M. T. Hidayat, Daud Bin, Guntur, Muhammad Akbar, Stmik Handayani Makassar, Kendali Monitoring, dan penyiraman, Tanaman Cabai, dan Monstera, Menggunakan Nodemcu
Sulitnya merawat tanaman agar tetap terjaga kelembaban tanahnya menjadi tantangan tersendiri karena penyesuaian dengan kontur tanah juga menyebabkan sulitnya mengurus setiap jenis tanaman yang mempunyai kebutuhan Kadar air dan kelembaban tanah yang berbeda-beda, faktor itulah yang menyebabkan kurangnya lingkungan hijau di setiap pemukiman di Kota. Kendali Monitoring dan penyiraman tanaman cabai dan monstera menggunakan nodemcu berbasis internet of things ini diharapkan mampu memberikan solusi pada masalah tersebut diatas. Sistem ini dirancang menggunakan metode R&D (Research and Development), microcontroller Arduino Nano pada alat ini akan membaca data dari sensor soil moisture dan diproses sebagai data perbandingan untuk membuka keran solenoid untuk menyiram bila data kelembaban pada tanaman berada dibawah limit tertentu yang akan disesuaikan pada setiap tanaman dan secara otomatis keran solenoid akan mati bila data kelembaban pada tanaman telah memenuhi nilai idealnya. Data kelembaban juga akan dikirim menggunakan Nodemcu esp8266 ke database firebase dan dari data tersebut, aplikasi dapat mengakses dan mengetahui keadaan tanaman yang kering melalui perangkat android. Hasil pengujian yang didapatkan, sensor kelembaban tanah dapat mengirimkan data yang telah dikonversi dalam bentuk persen dan dikirimkan pada aplikasi android serta melakukan penyiraman otomatis bila kelembaban tanah pada cabai atau monstera dibawah minimum kebutuhannya.
{"title":"KENDALI MONITORING DAN PENYIRAMAN TANAMAN CABAI DAN MONSTERA MENGGUNAKAN NODEMCU ESP8266 BERBASIS INTERNET OF THINGS","authors":"M. T. Hidayat, Daud Bin, Guntur, Muhammad Akbar, Stmik Handayani Makassar, Kendali Monitoring, dan penyiraman, Tanaman Cabai, dan Monstera, Menggunakan Nodemcu","doi":"10.37639/jti.v13i3.335","DOIUrl":"https://doi.org/10.37639/jti.v13i3.335","url":null,"abstract":"Sulitnya merawat tanaman agar tetap terjaga kelembaban tanahnya menjadi tantangan tersendiri karena penyesuaian dengan kontur tanah juga menyebabkan sulitnya mengurus setiap jenis tanaman yang mempunyai kebutuhan Kadar air dan kelembaban tanah yang berbeda-beda, faktor itulah yang menyebabkan kurangnya lingkungan hijau di setiap pemukiman di Kota. Kendali Monitoring dan penyiraman tanaman cabai dan monstera menggunakan nodemcu berbasis internet of things ini diharapkan mampu memberikan solusi pada masalah tersebut diatas. Sistem ini dirancang menggunakan metode R&D (Research and Development), microcontroller Arduino Nano pada alat ini akan membaca data dari sensor soil moisture dan diproses sebagai data perbandingan untuk membuka keran solenoid untuk menyiram bila data kelembaban pada tanaman berada dibawah limit tertentu yang akan disesuaikan pada setiap tanaman dan secara otomatis keran solenoid akan mati bila data kelembaban pada tanaman telah memenuhi nilai idealnya. Data kelembaban juga akan dikirim menggunakan Nodemcu esp8266 ke database firebase dan dari data tersebut, aplikasi dapat mengakses dan mengetahui keadaan tanaman yang kering melalui perangkat android. Hasil pengujian yang didapatkan, sensor kelembaban tanah dapat mengirimkan data yang telah dikonversi dalam bentuk persen dan dikirimkan pada aplikasi android serta melakukan penyiraman otomatis bila kelembaban tanah pada cabai atau monstera dibawah minimum kebutuhannya.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-06-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"88685647","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Various variants of the SARS-COV virus emerged from 2003 to early 2022. This resulted in a heavy burden on the health sector in carrying out its duties and public services. It would be very helpful if a computer-assisted application was available that could distinguish between the variants of the SARS-CoV virus. From a scientific point of view, this is an opportunity for information technology to play its role to classify SARS-COV variants using supporting algorithms, including the use of artificial intelligence. Artificial intelligence-based and computer-assisted processes are certainly more immune to negative effects due to repetitive works and fatigue. In this study, Classification of the SARS-COV Virus Image Using Deep Learning (CNN) was carried out based on microscopic data called Transmission Electron Microscopy (TEM) images. The aim of the research is to produce a neural network (CNN/Deep Learning) that has been trained to classify two types of variants of the SARS virus, namely SARS-COV and SARS-COV2. The research phase includes data collection, data pre-processing (consists of the image format conversion and enhancing process), and the classification stage. The classification is carried out using both of the original and enhanced image data. The highest classification accuracy was obtained when the original image data was used, namely 77.66%. It was also found that the classification accuracy increased with an increase in the input image size, but the image data enhancing process used was not able to increase the classification accuracy beyond the classification accuracy achieved when using the original image.
{"title":"Klasifikasi Citra Virus SARS-COV Menggunakan Deep Learning","authors":"Indah Susilawati, Supatman Supatman, Arita Witanti","doi":"10.30591/jpit.v8i2.4587","DOIUrl":"https://doi.org/10.30591/jpit.v8i2.4587","url":null,"abstract":"Various variants of the SARS-COV virus emerged from 2003 to early 2022. This resulted in a heavy burden on the health sector in carrying out its duties and public services. It would be very helpful if a computer-assisted application was available that could distinguish between the variants of the SARS-CoV virus. From a scientific point of view, this is an opportunity for information technology to play its role to classify SARS-COV variants using supporting algorithms, including the use of artificial intelligence. Artificial intelligence-based and computer-assisted processes are certainly more immune to negative effects due to repetitive works and fatigue. In this study, Classification of the SARS-COV Virus Image Using Deep Learning (CNN) was carried out based on microscopic data called Transmission Electron Microscopy (TEM) images. The aim of the research is to produce a neural network (CNN/Deep Learning) that has been trained to classify two types of variants of the SARS virus, namely SARS-COV and SARS-COV2. The research phase includes data collection, data pre-processing (consists of the image format conversion and enhancing process), and the classification stage. The classification is carried out using both of the original and enhanced image data. The highest classification accuracy was obtained when the original image data was used, namely 77.66%. It was also found that the classification accuracy increased with an increase in the input image size, but the image data enhancing process used was not able to increase the classification accuracy beyond the classification accuracy achieved when using the original image.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135439421","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Mushrooms are plants that do not have true roots and leaves. There are many types of mushrooms that have been identified worldwide, with various shapes, sizes, and colors. Mushrooms have many benefits in the fields of economy, health, and others. One of the benefits of mushrooms is as a food source in Indonesia, but not all types can be consumed. To identify mushroom species, the concepts of Genus and species can be used. The concept of Genus is considered easier because it groups mushroom types based on similar morphological characteristics. Therefore, a model is needed to classify mushrooms based on consumable and toxic genera. The method used in this research is Convolution Neural Network (CNN) due to its good predictive results in image recognition. The model in the research utilizes three convolution layers, three MaxPooling layers, and two dropout layers. The use of dropout aims to reduce overfitting in the model. The research uses a dataset of 1200 images with a training and testing data ratio of 70:30, resulting in 840 training data and 360 testing data. The best accuracy achieved by this model is 89% for training and 82% for validation. Therefore, it can be concluded that the model is able to classify mushrooms based on Genus using the CNN method
{"title":"Klasifikasi Jamur Berdasarkan Genus Dengan Menggunakan Metode CNN","authors":"Ummi Sri Rahmadhani, Noveri Lysbetti Marpaung","doi":"10.30591/jpit.v8i2.5229","DOIUrl":"https://doi.org/10.30591/jpit.v8i2.5229","url":null,"abstract":"Mushrooms are plants that do not have true roots and leaves. There are many types of mushrooms that have been identified worldwide, with various shapes, sizes, and colors. Mushrooms have many benefits in the fields of economy, health, and others. One of the benefits of mushrooms is as a food source in Indonesia, but not all types can be consumed. To identify mushroom species, the concepts of Genus and species can be used. The concept of Genus is considered easier because it groups mushroom types based on similar morphological characteristics. Therefore, a model is needed to classify mushrooms based on consumable and toxic genera. The method used in this research is Convolution Neural Network (CNN) due to its good predictive results in image recognition. The model in the research utilizes three convolution layers, three MaxPooling layers, and two dropout layers. The use of dropout aims to reduce overfitting in the model. The research uses a dataset of 1200 images with a training and testing data ratio of 70:30, resulting in 840 training data and 360 testing data. The best accuracy achieved by this model is 89% for training and 82% for validation. Therefore, it can be concluded that the model is able to classify mushrooms based on Genus using the CNN method","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"135693196","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：