Techno.Com

Evaluasi Performa XGBoost dengan Oversampling dan Hyperparameter Tuning untuk Prediksi Alzheimer

2025-01-05T10:14:06+00:00

Alzheimer adalah gangguan neurodegeneratif yang mempengaruhi kemampuan kognitif dan memori, deteksi dini sangat penting untuk pengobatan yang tepat. Namun, untuk mendeteksi Alzheimer memerlukan biaya yang tinggi, sehingga penggunaan machine learning bisa menjadi alternatif yang lebih efisien. Salah satu tantangan utama dalam penerapan machine learning untuk mendeteksi Alzheimer adalah ketidakseimbangan data, di mana jumlah kasus positif (Alzheimer) jauh lebih sedikit daripada kasus negatif (sehat), yang berdampak pada kinerja model. Penelitian ini bertujuan untuk mengidentifikasi pengaruh teknik oversampling dan hyperparameter tuning terhadap hasil model XGBoost dalam prediksi Alzheimer. Empat eksperimen dilakukan untuk melihat masing-masing performa terhadap model, yaitu: (1) model dasar XGBoost, (2) XGBoost dengan oversampling, (3) XGBoost dengan hyperparameter tuning, dan (4) XGBoost dengan kombinasi oversampling dan hyperparameter tuning. Hasil penelitian menunjukkan bahwa eksperimen kedua (XGBoost + Oversampling) menghasilkan performa terbaik yaitu dengan recall 96,1%, Presisi 94%, akurasi 95,3%, dan F1-Score 95%. Temuan ini menunjukkan bahwa penerapan oversampling dapat meningkatkan kinerja model dalam mengatasi masalah ketidakseimbangan data. Penelitian ini memberikan kontribusi dalam pengembangan model deteksi Alzheimer dengan menekankan pentingnya penanganan ketidakseimbangan data.

Kata kunci: XGBoost, Oversampling, Hyperparameter Tuning, Prediksi Dini, Alzheimer.

Evaluation of Machine Learning Models in Classifying Women's Labor Force Participation in West Java

2025-01-01T04:19:27+00:00

This study compares four classification models—Logistic Regression, Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Adaptive Boosting (AdaBoost)—to predict women's labor force participation in West Java, using a dataset of 62 features. After feature selection, the dataset was reduced to 31 features, followed by modeling with the top 10 most important features from each model. Model performance, evaluated using Balanced Accuracy, F1-Score, and Cohen’s Kappa, showed similar results, with RF and XGBoost slightly outperforming the others. However, the differences were not significant, indicating comparable predictive ability across models. The top 10 features from each model were averaged, and the five most influential features were selected. Key factors influencing women's employment status include household responsibilities, age, education, district minimum wage, and the age of the youngest child. The analysis found that 79.6% of unemployed women manage household duties, while employed women are less involved (18.9%). Age was significant, with employed women mostly in the 35-55 age range, correlating with older children and greater workforce participation. Additionally, employed women are more likely to come from regions with lower minimum wages, suggesting that economic necessity drives their labor market participation.

Keywords: female labor force, machine learning, classification, West Java

Sistem Personalisasi Pasien Diabetes Berbasis Domain Fitur Menggunakan Algoritma Gradient Boosting Machine

2025-01-01T04:33:12+00:00

Jumlah penderita penyakit diabetes diproyeksikan akan terus meningkat dalam beberapa tahun mendatang. Pengukuran glukosa darah, olahraga, diet, dan pengobatan farmakologis adalah beberapa metode yang dapat digunakan untuk penanganan pasien penderita penyakit diabetes. Penggunaan metode yang sama tidak selalu efektif untuk setiap pasien diabates, karena respons setiap individu terhadap penggunaan metode terapi dapat berbeda-beda. Pendekatan berbasis Machine Learning telah banyak digunakan untuk penanganan penyakit diabetes, baik untuk deteksi dini maupun proses perawatan pasien diabetes. Pada konteks penanganan pasien diabetes mellitus, pemilihan terapi yang tepat bagi setiap pasien sangat penting untuk dapat mencapai kontrol glikemik yang baik dan mencegah komplikasi jangka panjang. Permasalahan dalam penanganan pasien diabetes adalah menentukan model yang tepat untuk setiap pasien yang berbeda, sehingga pendekatan model berbasis domain fitur menjadi sangat penting untuk diterapkan. Domain fitur yang digunakan dalam penelitian ini adalah demografi, riwayat medis, dan gaya hidup. Hasil pengujian didapatkan bahwa domain fitur riwayat medis menjadi faktor penting untuk deteksi kenaikan kadar gula dalam darah pasien diabetes. Tingkat akurasi yang didapatkan algoritma GBM dengan menggunakan domain fitur demografi, riwayat medis, dan gaya hidup adalah 96%. Dengan hasil pengujian aplikasi rekomendasi personalisasi pasien diabetes dapat gunakan oleh tenaga medis pada program Prolanis.

Kata kunci: Gradient Boosting Machine, Machine Learning, Diabetes, Domain Fitur

Perbandingan Algoritma CNN, LSTM, FNN untuk Diagnosa Fibrosis Hati dengan Citra Medis

2025-01-01T03:55:38+00:00

Fibrosis hati merupakan kondisi yang berpotensi berkembang menjadi sirosis atau kanker hati jika tidak terdiagnosis dengan tepat. Prosedur biopsi hati yang invasif sering digunakan dalam diagnosis, namun memiliki risiko dan keterbatasan biaya. Penelitian ini bertujuan untuk membandingkan kinerja model deep learning, yaitu Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), dan Feedforward Neural Network (FNN) dalam klasifikasi fibrosis hati menggunakan citra medis. Metode yang digunakan adalah evaluasi kinerja model berdasarkan metrik akurasi, presisi, recall, F1-score, dan loss pada dataset citra medis fibrosis hati. Hasil penelitian menunjukkan bahwa CNN memberikan kinerja terbaik dengan akurasi 98%, diikuti oleh LSTM dengan akurasi 97%, dan FNN dengan akurasi 80%. CNN unggul karena kemampuannya dalam mengekstraksi fitur spasial secara otomatis dari citra medis, sementara LSTM lebih cocok untuk data sekuensial dan FNN terbatas dalam menangani data citra kompleks. Penelitian ini menyimpulkan bahwa CNN lebih efektif dalam klasifikasi fibrosis hati dan dapat menjadi alternatif non-invasif yang lebih efisien dibandingkan metode konvensional seperti biopsi. Teknologi ini berpotensi mempercepat diagnosis fibrosis hati dengan akurasi tinggi dan tanpa risiko komplikasi invasif.

Kata kunci: Fibrosis hati, CNN, LSTM, FNN, klasifikasi citra medis.

Analisis Performa Deep Embedded Clustering untuk Pendeteksian Topik

2025-01-01T05:29:21+00:00

Pendeteksian topik adalah solusi untuk mengungkap struktur laten dalam sebuah dokumen. Kerangka umum pendeteksian topik berbasis clustering terdiri dari dua langkah: pembelajaran representasi dan pendeteksian topik melalui clustering. Dalam penelitian ini, Bidirectional Encoder Representations from Transformers (BERT) digunakan untuk pembelajaran representasi karena BERT mampu menangkap konteks setiap kata berdasarkan kata-kata di sekitarnya. Representasi teks yang diperoleh dari BERT digunakan untuk pendeteksian topik dengan clustering. Deep Embedded Clustering (DEC) dan Improved DEC (IDEC) adalah model clustering berbasis deep learning yang digunakan dalam penelitian ini untuk pendeteksian topik. DEC dan IDEC mampu mengubah data ke dalam ruang dimensi yang lebih rendah serta mengoptimalkan cluster secara simultan. Output dari teknik clustering berupa kata-kata kunci yang menggambarkan setiap topik cluster. Setelah mendapat kata kunci yang mewakili topik, evaluasi model dilakukan dengan melakukan perbandingan nilai topic coherence menggunakan Topic Coherence - Word2Vec (TC-W2V) sebagai analisis kuantitatif. Penelitian ini merupakan perluasan dari penerapan DEC dan IDEC pada pendeteksian topik dengan menambahkan analisis visualisasi dan kata kunci. Simulasi menunjukkan bahwa DEC dan IDEC mengungguli Uniform Manifold Approximation and Projection (UMAP)-based k-means (UKM) dan Eigenspace-Based Fuzzy C-Means (EFCM) dari segi nilai TC-W2V, hasil visualisasi, dan kata kunci.

Kata kunci: analisis teks, deep clustering, pemrosesan teks

Optimasi Prediksi Prediabetes dengan Metode Fitur Selection dan Imbalance Learning

2024-12-05T07:07:38+00:00

Diabetes adalah salah satu tantangan kesehatan global yang terus meningkat, dengan deteksi dini pradiabetes menjadi kunci untuk pencegahan. Data yang digunakan diambil dari Diabetes Health Indicators Dataset dan dipersiapkan melalui tahap feature engineering, analisis korelasi, dan penanganan missing value. Selanjutnya, model dibangun menggunakan tiga algoritma utama, yaitu Random Forest, XGBoost, dan Logistic Regression. Penelitian ini menggabungkan analisis korelasi variabel dan metode imbalance learning untuk mengoptimalkan prediksi pradiabetes menggunakan algoritma machine learning. Untuk menangani ketidakseimbangan data, teknik SMOTE diterapkan guna menghasilkan data sintetik pada kelas minoritas. Hasil penelitian menunjukkan model Random Forest memberikan kinerja terbaik dengan akurasi 97,57%, mengungguli XGBoost dan Logistic Regression. Penerapan analisis korelasi variabel dan imbalance learning terbukti efektif dalam meningkatkan kinerja prediksi dengan identifikasi fitur penting. Penelitian ini menunjukkan bahwa pendekatan yang diterapkan dapat membantu deteksi dini pradiabetes secara lebih akurat dan tepat.

Kata kunci: Diabetes, Deteksi Prediabetes, Machine Learning, Random Forest

Peningkatan Kinerja K-Means Clustering pada Data Penggunaan ChatGPT oleh UMKM

2025-01-01T05:31:34+00:00

Di era digital saat ini, Usaha Mikro, Kecil Dan Menengah (UMKM) semakin banyak menggunakan teknologi chatbot seperti ChatGPT untuk berinteraksi dengan pelanggan. Namun, mengekstraksi wawasan yang bermakna dari sejumlah besar data yang dihasilkan oleh interaksi ini masih merupakan sebuah tantangan. Penelitian ini mengusulkan pendekatan untuk meningkatkan analisis data penggunaan ChatGPT oleh UMKM menggunakan kombinasi K-Means clustering dan Independent Component Analysis ( (ICA) untuk pengurangan dimensi. Pendekatan ini bertujuan untuk menemukan pola dan cluster tersembunyi dalam data dengan mereduksi ruang fitur menggunakan ICA dan kemudian menggunakan K-Means clustering. Selain itu, penelitian ini mempertimbangkan kombinasi metode Elbow untuk mengoptimalkan pemilihan jumlah cluster yang optimal. Melalui eksperimen dan evaluasi, ditunjukkan efektivitas metode yang diusulkan, sehingga memberikan UMKM alat yang ampuh untuk mendapatkan wawasan berharga dari data penggunaan ChatGPT. Penelitian ini menggunakan data dari 50 UMKM di Kabupaten Kudus . Hasil evaluasi kinerja K-means menunjukkan untuk data yang relatif kecil, penggunaan ICA kurang mempengaruhi kinerja K-Means. Skenario uji coba data dengan ICA menunjukkan skor silhouette yang lebih rendah, yaitu 0.19 dan 0.18 untuk masing-masing data pelatihan dan pengujian, sedangkan skenario uji coba data tanpa ICA menunjukkan skor silhouette yang lebih tinggi, yaitu 0.30 dan 0.23.

Kata kunci: K-Means clustering, metode Elbow, ICA, ChatGPT, UMKM

Optimasi Support Vector Machine Dengan PSO Untuk Klasifikasi Kelayakan Export Kerang Batik

2024-12-05T06:56:14+00:00

Kerang Batik (Paphia undulata) memiliki pola cangkang yang mirip batik, dengan warna dasar cangkang yang bervariasi dari kuning cerah hingga gelap. Sebagai komoditas ekspor Indonesia yang permintaannya terus meningkat, penting untuk menjaga standar kualitas tinggi agar kerang siap ekspor. Penelitian ini menyelidiki metode kontrol kualitas yang efektif untuk kerang batik yang layak ekspor dengan mengambil sampel dari perusahaan terkait. Setelah proses pra-pemrosesan citra, dilakukan ekstraksi fitur, termasuk fitur bentuk (eccentricity, metric) dan fitur tekstur (GLCM). Fitur-fitur ini digunakan dalam algoritma SVM (Support Vector Machine) dengan kernel RBF, yang dipilih karena kemampuannya menangani data non-linear, untuk mencapai akurasi optimal. Metode optimasi PSO (Particle Swarm Optimization) juga diterapkan untuk meningkatkan akurasi lebih lanjut. Penelitian menunjukkan bahwa SVM dengan kernel RBF mencapai akurasi tertinggi sebesar 96,43% pada sudut 45° dan 90°. Setelah dioptimalkan dengan PSO, akurasi meningkat menjadi 97,86% pada sudut 90°. Dengan demikian, penerapan PSO pada algoritma SVM secara signifikan meningkatkan akurasi klasifikasi.

Kata kunci: SVM, PSO, Kerang Batik, Kernel RBF, GLCM

Analisis Perbandingan Kinerja dan Penggunaan Energi pada Framework React dan Vue

2025-01-09T08:44:16+00:00

Pengembangan website yang optimal membutuhkan pemilihan framework yang tepat untuk meningkatkan kinerja dan efisiensi. Penelitian ini bertujuan untuk membandingkan kinerja dan konsumsi energi framework React dan Vue, menggunakan metrik seperti FCP, LCP, SI, TBT, CLS dengan menggunakan Google Lighthouse. Kinerja rendering time, dan penggunaan memori menggunakan Google DevTools. Konsumsi energi diukur dengan menggunakan tools Globemallow. Penelitian ini menggunakan metode pendekatan kuantitatif dengan metode true-experimental research. Metode ini dipilih karena memungkinkan pengukuran sistematis dan objektif melalui variabel-variabel dalam kondisi terkontrol, sesuai tujuan penelitian. Eksperimen dimulai dari mengembangkan halaman website kemudian menyiapkan perangkat keras setelah itu melaksanakan skenario pengujian kemudian menganalisis dan menginterpretasikan data yang didapatkan. Hasil penelitian menunjukkan bahwa Vue memiliki kinerja lebih unggul berdasarkan pengujian kinerja rendering time dan kinerja FCP, LCP, TBT, CLS, dan SI, sementara React lebih efisien dalam penggunaan memori, dan konsumsi energi. Temuan ini memberikan rekomendasi framework yang optimal berdasarkan kebutuhan kinerja dan keberlanjutan untuk pengembangan aplikasi web.

Kata kunci: React, Vue, Kinerja Website, Penggunaan Energi, Google Lighthouse.

Integrasi Virtual Reality dan Sistem Treadmill untuk Meningkatkan Pengalaman Wisatawan: Studi Kasus Destinasi Wisata Balekemambang

2025-01-01T04:47:26+00:00

Sektor pariwisata memegang peranan penting dalam pertumbuhan ekonomi negara-negara berkembang seperti Indonesia. Namun, metode promosi tradisional mungkin tidak lagi memadai untuk menarik pengunjung di era digital. Penelitian ini menyelidiki penerapan teknologi Virtual Reality (VR) yang terintegrasi dengan sistem treadmill untuk mempromosikan Balekemambang, destinasi wisata di Purwokerto, Jawa Tengah. Dengan menggabungkan sistem berbasis Raspberry Pi dan video 360 derajat Balekemambang, pengalaman VR memungkinkan pengguna menjelajahi situs secara virtual sambil berjalan di atas treadmill, mensimulasikan kunjungan di dunia nyata. Penelitian ini mengevaluasi efektivitas sistem ini dalam meningkatkan pengalaman imersif dan pengaruhnya terhadap minat wisatawan. Peserta diminta untuk mencoba sistem VR dan kemudian mengisi kuesioner untuk mengukur berbagai faktor, termasuk keterlibatan emosional, minat terhadap destinasi, dan kemungkinan berkunjung. Model regresi logistik mengungkapkan hasil yang signifikan, dengan tingkat akurasi 100%, seperti yang ditunjukkan oleh matriks kebingungan. Temuan ini menunjukkan bahwa pengalaman VR yang imersif dapat memengaruhi minat wisatawan secara signifikan, menjadikan VR sebagai alat yang ampuh untuk mempromosikan pariwisata.

Kata kunci: Realitas Virtual, Integrasi Treadmill, Regresi Logistik, Balekemambang

Klasifikasi Fitur Game Edukasi Berdasarkan Kebutuhan Pengguna Menggunakan Model Kano

2025-01-09T08:49:35+00:00

Game edukasi memiliki berbagai fitur yang dapat meningkatkan proses pembelajaran, namun banyaknya fitur ini harus `disesuaikan dengan kebutuhan pengguna untuk meningkatkan efektivitas pembelajaran. Penelitian ini menganalisis fitur dalam game edukasi berdasarkan kebutuhan pengguna menggunakan model Kano. Peneliti mencari bagaimana Model Kano dapat diterapkan untuk mengklasifikasikan fitur permainan edukasi berdasarkan preferensi pengguna, dan bagaimana hasil analisis Kano dapat membantu pengembang dalam mengarahkan pengembangan fitur untuk meningkatkan kepuasan pengguna. Metode penelitian ini melibatkan analisis literatur terkait, survei kebutuhan pengguna, dan penerapan Model Kano untuk mengklasifikasikan fitur permainan edukasi. Peneliti membandingkan kebutuhan fitur game oleh guru dan mahasiswa. Hasil penelitian menunjukkan bahwa terdapat perbedaan fitur yang signifikan antara guru dan mahasiswa, hal ini dapat dilihat dari klasifikasi yang dihasilkan oleh Model Kano.

Kata Kunci: Klasifikasi, Model Kano, Identifikasi

Analisa Tata Letak Objek pada Ruang Koridor dengan Cellular Automata berbasis Perilaku Manusia

2025-01-13T10:29:29+00:00

Sebuah Sistem evakuasi yang baik diharapkan dapat memberikan dampak minimalnya korban ketika terjadi bencana. Penelitian ini menganalisis dampak dari tata letak objek dalam ruangan terhadap proses evakuasi pejalan kaki. Data simulasi dari dampak objek dalam ruangan akan dilakukan analisa pengaruhnya terhadap kepanikan. Perilaku panik ini dituangkan ke dalam perubahan parameter Ks dan Kd. Simulasi pengaruh objek dalam ruangan ini dituangkan ke dalam aplikasi simulasi dengan pemetaan berbentuk koridor. Hasil penelitian ini menunjukan bahwa parameter Ks dan Kd memiliki pengaruh objek dalam melakukan evakuasi. Model dengan penghalang akan membawa pengaruh jika penghalang yang dibuat tegak lurus dengan pintu keluar. Hal ini terjadi karena perpindahan objek ditentukan dengan probabilitas perpindahan pada grid Cellular Automata.

Kata kunci: Penghalang, Panik, Perilaku, Cellular Automata, Pemodelan

Analisis Perbandingan Kinerja Backend API Menggunakan PHP, Golang, dan JavaScript

2025-01-28T04:43:46+00:00

Pengembangan backend API yang efisien sangat penting dalam mendukung aplikasi web modern. Namun, pemilihan bahasa pemrograman dan metode query yang optimal masih menjadi tantangan bagi pengembang. Penelitian ini bertujuan untuk membandingkan kinerja backend RESTful API yang dibangun menggunakan tiga bahasa pemrograman (Go, PHP, dan JavaScript) serta empat metode pengambilan data (Raw SQL, ORM, Query Builder, dan Stored Procedure). Metode penelitian yang digunakan adalah kuantitatif true-experimental, dengan pengujian Load Testing, Spike Testing, dan Stress Testing untuk mengevaluasi jumlah permintaan yang berhasil, penggunaan CPU, dan penggunaan memori. Hasil pengujian menunjukkan bahwa Go dengan Raw SQL memiliki kinerja tertinggi dalam jumlah permintaan, waktu respons, dan penanganan beban, diikuti oleh Node.js, sementara PHP memiliki kinerja terendah.

Kata kunci: Backend API, Pengujian Kinerja, Metode Query

Power Generation System pada Gas Turbine Generator SGT- 800 di PT Kilang Pertamina Balikpapan

2025-01-16T05:41:07+00:00

Penelitian ini mengevaluasi kinerja serta efisiensi sistem pembangkit listrik tersebut dalam memenuhi kebutuhan energi kilang. Metode penelitian yang digunakan melibatkan analisis mendalam terhadap data operasional dan teknis dari turbin gas generator, serta faktor-faktor yang memengaruhi kinerja dan efisiensi. Hasil penelitian menunjukkan bahwa sistem pembangkit listrik ini mampu memberikan output daya yang stabil dan efisien sesuai dengan permintaan kilang. Parameter operasional seperti suhu, tekanan, dan kestabilan aliran gas memiliki peran penting dalam menjaga kinerja yang optimal. Selain itu, pemeliharaan berkala dan pemantauan secara rutin terhadap komponen-komponen kritis juga diperlukan untuk memastikan kelancaran operasi sistem pembangkit listrik. Temuan ini memberikan wawasan yang berharga bagi industri energi terkait pengoperasian dan pemeliharaan sistem pembangkit listrik berbasis turbin gas generator. Pengoptimalan proses operasional dan pemeliharaan yang tepat dapat meningkatkan efisiensi dan produktivitas sistem pembangkit listrik, sehingga mendukung kelancaran operasi kilang dan meminimalkan potensi gangguan pada pasokan energi. Kesimpulannya, penelitian ini menyoroti pentingnya pengelolaan yang efektif terhadap sistem pembangkit listrik guna mencapai tujuan keberlanjutan dan efisiensi energi yang diinginkan.

Kata kunci: Pembangkit Listrik, Turbin Gas Generator SGT-800, Sistem Pembangkit Daya, Efisiensi Energi.

Implementasi Sistem Pengendalian dan Pemantauan Distribusi Listrik di PT Kilang Pertamina Balikpapan

2025-01-16T05:45:02+00:00

Penelitian ini mengevaluasi penerapan Sistem Kendali dan Pemantauan Listrik (Electrical Controlling & Monitoring System, ECMS) dalam pendistribusian listrik di PT Kilang Pertamina Balikpapan. Sebagai salah satu kilang minyak terbesar di Indonesia, PT Kilang Pertamina Balikpapan memiliki kebutuhan listrik yang sangat tinggi dan kompleks, sehingga memerlukan sistem distribusi yang efisien dan handal. ECMS dirancang untuk mengoptimalkan pengawasan dan pengendalian distribusi listrik, termasuk pemantauan beban, pengelolaan distribusi daya, dan deteksi dini terhadap potensi kegagalan sistem. Metode penelitian meliputi studi literatur, analisis kebutuhan, perancangan sistem, serta implementasi dan evaluasi kinerja ECMS. Sistem ini menggunakan sensor dan perangkat pemantauan yang terintegrasi dengan platform digital untuk analisis data secara real-time. Hasil penelitian menunjukkan bahwa penerapan ECMS di PT Kilang Pertamina Balikpapan mampu meningkatkan efisiensi distribusi listrik sebesar 15% dan mengurangi risiko gangguan operasional. Selain itu, sistem ini memungkinkan identifikasi cepat terhadap masalah potensial, sehingga tindakan preventif dapat segera diambil. Implementasi ECMS tidak hanya meningkatkan keandalan sistem distribusi listrik tetapi juga mengurangi biaya operasional dan perawatan, menjadikannya solusi efektif dan efisien untuk pengelolaan distribusi listrik di lingkungan industri yang kompleks seperti kilang minyak.

Kata kunci: ECMS; Kilang Minyak; Pendistribusian Listrik; Sistem Kendali Listrik.

Integrasi Perangkat Energy Meter iEM3255 Pada Sistem Pemantau Konsumsi Energi Listrik Berbasis Internet of Things (IoT) Menggunakan Komunikasi ModBus

2025-02-04T10:12:29+00:00

Energi listrik merupakan salah satu energi yang banyak dimanfaatkan dalam menjalankan segala aktivitas manusia. Konsumsi energi listrik yang tidak terkendali dapat menjadi potensi pemborosan yang dapat merugikan dari segi ekonomi dan lingkungan. Berdasarkan permasalahan tersebut, dirancang suatu sistem pemantau konsumsi energi listrik berbasis Internet of Things (IoT) untuk memantau konsumsi energi listrik. Sistem ini tersusun dari sensor arus, energy meter iEM3255, Mikrokontroller ESP32, perangkat LoRa, dan suplai daya. Komponen – komponen tersebut diintegrasikan menggunakan komunikasi ModBus dan hasil pengukuran dapat dilihat melalui aplikasi smartphone yang dibuat menggunakan platform Kodular. Berdasarkan hasil implementasi dan pengukuran arus, tegangan, dan daya diperoleh nilai error sebesar 3,84%. Berdasarkan hasil tersebut dapat disimpulkan perangkat Energy Meter iEM3255 dapat diintegrasikan dengan sistem pemantau konsumsi energi listrik berbasis IoT dengan menyesuaikan kapasitas beban yang terpasang.

Kata kunci: Sistem Pemantau Energi Listrik, Energy Meter, Komunikasi ModBus, IoT.

Implementasi Generator Set pada Gedung Main Powerhouse 1 untuk Daya Listrik Cadangan di Bandara SAMS Sepinggan Balikpapan

2025-01-16T05:43:30+00:00

Penggunaan generator set sebagai sumber daya listrik cadangan di Bandara SAMS Sepinggan Balikpapan merupakan langkah krusial dalam menjamin kontinuitas operasional dan keselamatan penerbangan. Penelitian ini bertujuan untuk mengevaluasi implementasi generator set di Gedung Main Powerhouse 1, termasuk analisis teknis, operasional, dan efisiensi energi. Metodologi yang digunakan mencakup pengumpulan data primer melalui observasi lapangan dan wawancara dengan teknisi, serta data sekunder dari dokumen teknis dan laporan operasional bandara. Hasil penelitian menunjukkan bahwa pemasangan generator set mampu menyediakan daya listrik cadangan yang andal selama terjadi gangguan pada pasokan utama, dengan waktu respon yang cepat dan kapasitas yang mencukupi untuk memenuhi kebutuhan kritis bandara. Selain itu, sistem pemeliharaan berkala yang diterapkan berhasil menjaga performa optimal generator set, mengurangi risiko kegagalan operasional. Studi ini juga menemukan bahwa efisiensi energi generator set dapat ditingkatkan melalui pengoptimalan beban dan penggunaan teknologi terkini. Implementasi ini tidak hanya meningkatkan keandalan pasokan listrik tetapi juga mendukung operasional bandara yang lebih aman dan efisien. Rekomendasi dari penelitian ini meliputi peningkatan pelatihan teknisi, pembaruan perangkat keras, dan pengembangan prosedur mitigasi risiko untuk memastikan keberlanjutan pasokan listrik cadangan di masa mendatang.

Kata kunci: Generator Set; Daya Listrik Cadangan; Bandara SAMS Sepinggan; Main Powerhouse.

Analisis Usability E-wallet dengan Metode SUS dan TAM di Perguruan Tinggi

2025-01-16T05:47:00+00:00

Teknologi pembayaran digital saat ini sangat berkembang dan menguasai sistem pembayaran di semua bidang, termasuk lingkungan pendidikan. Fokus utama penelitian ini untuk menemukan dan menguji variabel yang berdampak pada penggunaan layanan e-wallet serta mengevaluasi kegunaan aplikasi e-wallet di lingkungan perguruan tinggi. Pendekatan yang diaplikasikan adalah System Usability Scale (SUS) dan metode penerimaan teknologi Technology Acceptance Model (TAM) dengan melibatkan 166 mahasiswa program sarjana yang menggunakan ragam aplikasi e-wallet lingkungan kampus. Hasil penelitian menunjukkan bahwa 91% responden menggunakan e-wallet untuk transaksi pembayaran di kampus dengan intensitas penggunaan lebih dari 5 kali seminggu (56,6%) menggunakan aplikasi ini. Berdasarkan data survei, 105 responden mayoritas pengguna aplikasi Dana menilai kegunaan aplikasi tersebut dengan rata-rata nilai SUS sebesar 77, yang tergolong "Baik" (rentang 70–79). Hasil ini selanjutnya dianalisis dengan metode TAM yang menunjukkan faktor lain pada model TAM yaitu faktor keamanan (S) signifikan mempengaruhi kepercayaan pengguna (T) (0,788) dan kepercayaan pengguna (T) berpengaruh positif terhadap persepsi kemudahan penggunaan (PEU) (0,771) yang pada akhirnya memengaruhi sikap pengguna (ATU) (0,326) terhadap aplikasi tersebut. Temuan ini mengindikasikan bahwa aplikasi Dana memiliki tingkat kegunaan yang baik di lingkungan perguruan tinggi. Penelitian ini juga menekankan kepercayaan pengguna dan faktor keamanan sangat penting untuk diperhatikan oleh penyedia layanan e-wallet agar memperluas adopsi aplikasi e-wallet di perguruan tinggi.

Kata kunci: System Usability Score, Technology Acceptance Model, e-wallet

Penerapan Algoritma Linear Regression dan Support Vector Regression dalam Prediksi Temperatur Udara di Malang

2025-01-09T08:39:12+00:00

Perubahan iklim global dan peningkatan variabilitas cuaca membuat prediksi temperatur udara menjadi salah satu kebutuhan penting di berbagai sektor. Temperatur udara merupakan parameter penting dalam meteorologi yang mempengaruhi berbagai aspek kehidupan manusia. Predisi temperatur udara saat ini banyak memanfaatkan algoritma machine learning, namum nilai akurasi masih belum optimal. Tujuan dari penelitian ini untuk meningkatkan akurasi prediksi temperatur udara rata-rata dengan menggunakan pendekatan berbasis machine learning. Metode dalam penelitian ini menggunakan algoritma Linear Regression dan Support Vector Regression (linier dan gaussian non linear) karena memiliki akurasi prediksi data yang cukup baik di berbagai bidang termasuk bidang hidrologi. Penelitian ini menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) lokasi Stasiun Klimatologi Jawa Timur periode data tahun 2019-2023 dengan parameter cuaca temperatur rata-rata (TAV), kelembaban udara (HAV), kecepatan angin (WAV), curah hujan (RR), tekanan udara (PPP), Penyinaran matahari (SUN) dan titik embun (DEW_POINT). Kinerja model dievaluasi menggunakan pengukuran metrik MSE, RMSE, MAE, MAPE dan R². Hasil pengukuran kinerja model algoritma Gaussian support vector Regression (non linier SVR) lebih baik dibanding dengan linear support vector Regression (linear SVR) dan algoritma linear regression dengan nilai yang lebih tinggi R² sebesar 0,9891 ± 0,0011 dan nilai error yang lebih rendah pada semua metrik pengukuran.

Kata kunci: Prediksi temperatur udara, machine learning, Linear Regression, Suport Vektor Regression

Pengembangan Tata Kelola Informasi Berbasis Web untuk Mendukung Implementasi Rencana Operasional di Perguruan Tinggi XYZ

2025-01-27T08:28:55+00:00

Transformasi digital dalam pendidikan tinggi telah mendorong perguruan tinggi untuk mengembangkan sistem tata kelola informasi berbasis web yang dapat meningkatkan efisiensi operasional dan transparansi. Penelitian ini mengkaji penerapan sistem tata kelola informasi berbasis web di empat perguruan tinggi, yakni Universitas A, B, C, dan D, untuk menilai manfaat, tantangan, dan rekomendasi dalam implementasinya. Hasil penelitian menunjukkan bahwa penerapan sistem ini memberikan manfaat signifikan, termasuk peningkatan efisiensi, transparansi, dan kemudahan akses informasi bagi mahasiswa dan dosen. Universitas A menunjukkan implementasi yang paling matang, dengan integrasi penuh ke berbagai unit kerja, sedangkan Universitas D masih berada pada tahap awal. Tantangan utama yang dihadapi termasuk resistensi terhadap perubahan, keterbatasan sumber daya, dan masalah keamanan data. Perguruan tinggi dengan sumber daya lebih memadai, seperti Universitas A dan B, berhasil mengatasi tantangan tersebut dengan lebih baik dibandingkan Universitas C dan D. Rekomendasi yang dihasilkan meliputi pelatihan staf, peningkatan anggaran, serta langkah-langkah keamanan data yang lebih kuat. Penelitian ini menyimpulkan bahwa meskipun terdapat tantangan, penerapan sistem tata kelola informasi berbasis web dapat memberikan nilai tambah yang besar bagi perguruan tinggi, asalkan tantangan-tantangan tersebut ditangani dengan strategi yang tepat dan sistem terus diperbarui secara berkala.

Abstrak

Kata kunci: transformasi digital, tata kelola informasi berbasis web, pendidikan tinggi, efisiensi operasional, transparansi, tantangan implementasi.

Verifikasi Quick Response Code dengan Vigenere Cipher dan Multi-Factor RSA

2025-01-28T03:20:26+00:00

Data personal merupakan hal yang sensitif bagi pemiliknya. Kelalaian dari penggunaan teknologi terkini seperti QR Code yang kurang tepat dapat mengakibatkan kebocoran data atau informasi. Pada hakikatnya QR Code hanya mengubah informasi menjadi gambar dua dimensi yang pembacaannya menggunakan sistem pindai, sehingga informasi yang didalamnya belum terlindungi dan informasi tersebut dapat langsung dibaca oleh semua orang. Penelitian ini berfokus pada kombinasi kriptografi simetris Vigenere Cipher serta kriptografi asimetris RSA yang ditingkatkan lagi menjadi Multi-factor RSA. Kombinasi tersebut untuk meningkatkan keamanan suatu informasi/data sebelum dirubah menjadi QR Code. Metode yang diusulkan membuktikan bahwa QR Code yang dipindai langsung dari berbagai perangkat akan menghasilkan kode enkripsi sehingga pihak tidak bertanggungjawab tidak dapat membaca nilai pesan asli. Pesan asli hanya bisa dibaca dari dari scanner dengan metode yang diusulkan sehingga keamanan QR Code terverifikasi. Serta hasil uji dengan Avalanche effect memenuhi standar baik dengan nilai 53,671875%.

Kata kunci: QR Code, Vigenere Cipher, Multi-factor RSA

Penerapan Advanced Encryption Standard Pada Aplikasi Payment Gateway Untuk Keamanan Data Transaksi Penjualan

2025-01-16T10:55:57+00:00

Keamanan data transaksi penjualan membership menjadi aspek yang sangat penting untuk melindungi privasi pelanggan dan meningkatkan kepercayaan terhadap sistem, terutama di era digital yang semakin kompleks. Penelitian ini bertujuan untuk mengembangkan aplikasi penjualan membership di UMKM Gym di bengkalis dengan menerapkan algoritma Advanced Encryption Standard (AES) CBC 128-bit dan integrasi payment gateway. Pengembangan aplikasi menggunakan metode Waterfall, mencakup identifikasi masalah, analisis sistem, desain sistem, implementasi, dan pengujian. Penerapan algoritma AES CBC 128-bit dilakukan untuk mengenkripsi data sensitif, seperti payment_va_name dan payment_va_number, yang tersimpan dalam basis data, memastikan keamanan dari akses tidak sah. Keamanan AES CBC 128-bit diuji dengan simulasi serangan bruteforce key menggunakan Cryptool. Hasil pengujian menunjukkan bahwa algoritma AES CBC 128-bit dapat memberikan keamanan yang kuat terhadap ancaman keamanan data transaksi penjualan membership, sementara payment gateway Midtrans memungkinkan transaksi online yang efisien dan aman. Penelitian ini menghasilkan aplikasi yang aman, efisien, dan terintegrasi dengan payment gateway, memberikan solusi yang signifikan untuk perlindungan data transaksi penjualan membership. Sistem ini mampu meningkatkan kepercayaan pelanggan terhadap layanan online yang ditawarkan oleh UMKM Gym di bengkalis.

Kata kunci: Keamanan Data Transaksi Penjualan Membership; Algoritma AES; Aplikasi Penjualan Membership; Payment Gateway; Bruteforce Key

Uji Penetrasi Keamanan Website Dinas Komunikasi dan Informatika

2025-01-29T15:03:30+00:00

Website resmi Dinas Komunikasi dan Informatika Kabupaten XYZ memiliki peran penting dalam menyebarkan informasi pemerintah kepada masyarakat, tetapi kerentanannya terhadap serangan seperti SQL Injection, Brute Force, XSS, CSRF dan DDoS mengancam integritas data dan ketersediaan layanan. Penelitian ini bertujuan untuk mengidentifikasi celah keamanan, menerapkan mitigasi dan mengukur tingkat keamanan menggunakan sistem penilaian CVSS. Kebaruan penelitian ini terletak pada integrasi metode mitigasi manual dan otomatis serta penerapan notifikasi real-time berbasis Telegram menggunakan Snort sebagai Intrusion Detection System (IDS). Hasil penelitian menunjukkan bahwa mitigasi yang diterapkan, seperti validasi input, sanitasi, penggunaan prepared statements dan CAPTCHA, mampu menghilangkan keberhasilan serangan SQL Injection dan memperkuat perlindungan terhadap potensi serangan Brute Force. Serangan XSS, CSRF, dan DDoS tetap gagal berkat proteksi bawaan. Dengan kombinasi mitigasi dan sistem notifikasi real-time, penelitian ini memberikan kontribusi nyata dalam meningkatkan keamanan website pemerintah, menyediakan langkah konkret untuk mengurangi risiko serangan, dan mempercepat respons terhadap ancaman. Temuan ini relevan untuk penelitian masa depan dalam pengamanan website sektor publik.

Kata kunci: Penetrasi Testing, SQL Injection, Bruteforce, XSS, CSRF