Techno.Com

Perbandingan Kinerja Naive Bayes, Support Vector Machine, Regresi Logistik, dan Decision Tree untuk Klasifikasi Sentimen Ulasan Produk Berbasis TF-IDF

2025-08-07T15:31:57+00:00

Analisis sentimen merupakan salah satu pendekatan penting dalam pemrosesan bahasa alami yang digunakan untuk memahami opini konsumen melalui data ulasan produk di platform digital. Tantangan utama dalam analisis ini adalah memilih algoritma klasifikasi yang paling efektif untuk memproses data teks dalam jumlah besar dan kompleks. Penelitian ini bertujuan membandingkan kinerja empat algoritma klasifikasi populer, yaitu Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, dan Decision Tree, dalam mengklasifikasikan sentimen ulasan produk berbasis fitur TF-IDF. Data yang digunakan berjumlah 830 ulasan produk yang dikumpulkan melalui teknik web scraping dari salah satu platform e-commerce. Seluruh data dipra-pemroses dengan tahapan pembersihan, tokenisasi, stopwords removal, dan stemming, kemudian diubah menjadi vektor numerik menggunakan metode TF-IDF. Selanjutnya, data dibagi menjadi data latih dan data uji dengan proporsi 80:20 dan diuji menggunakan keempat algoritma klasifikasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa terbaik dengan akurasi sebesar 94%, diikuti oleh Regresi Logistik (92%), Naive Bayes (91%), dan Decision Tree (76%). Nilai precision, recall, dan F1-score pada SVM juga unggul dibandingkan algoritma lain. Temuan ini merekomendasikan SVM sebagai algoritma yang paling efektif untuk klasifikasi sentimen pada ulasan produk berbasis teks. Penelitian ini dapat menjadi referensi bagi pengembangan sistem analisis sentimen yang lebih optimal di masa mendatang.

Kata Kunci - Analisis sentimen, Naive Bayes, Support Vector Machine (SVM), Regresi Logistik, Decision Tree.

Implementasi Algoritma Monte Carlo dengan Data Fluktuatif untuk Prediksi Jumlah Tamu di Penginapan

2025-09-12T05:51:07+00:00

Penginapan berperan penting dalam mendukung mobilitas masyarakat, baik untuk kepentingan bisnis, pekerjaan, maupun perjalanan pribadi, sekaligus berkontribusi dalam sektor pariwisata sebagai sarana akomodasi. Salah satu tantangan utama penginapan adalah ketidakpastian jumlah tamu bulanan yang berdampak pada pendapatan dan pemanfaatan kamar. Penelitian ini bertujuan membangun model prediksi jumlah tamu tahun 2025 dengan metode simulasi Monte Carlo menggunakan data historis 2022–2024. Tahapan simulasi meliputi pembentukan distribusi probabilitas, penyusunan distribusi kumulatif, penentuan interval bilangan acak, serta pembangkitan bilangan acak melalui Mixed Congruential Method. Hasil penelitian menunjukkan pola musiman yang konsisten, dengan puncak kunjungan pada April yang diduga terkait perayaan Idulfitri 1446 Hijriah. Model prediksi mencapai akurasi 76,22% pada 2023, 76,80% pada 2024, dan 88,86% pada 2025, dengan rata-rata 80,63%. Pada 2025 diperoleh nilai MAE sebesar 88,50, RMSE sebesar 128,91, dan MAPE sebesar 11,14%. Temuan ini menegaskan bahwa metode Monte Carlo efektif dalam merepresentasikan ketidakpastian serta relevan sebagai dasar pengambilan keputusan strategis, sehingga dapat direkomendasikan untuk memprediksi lonjakan jumlah tamu dan mendukung peningkatan kualitas layanan penginapan.

Kata kunci – Jumlah tamu, prediksi, monte carlo, simulasi, data historis.

Implementasi Algoritma Round Robin dalam Sistem Multi-agent dan Multi-client untuk Load balancing Dinamis pada Jaringan Lokal

2025-05-14T04:04:38+00:00

Load balancing merupakan mekanisme penting dalam sistem layanan web untuk menjamin pemerataan beban kerja dan menjaga kestabilan performa layanan. Penelitian ini mengimplementasikan algoritma Round Robin dalam arsitektur sistem multi-agent dan multi-client yang dijalankan pada local area networking (LAN). Sistem dirancang menggunakan tiga komputer, di mana satu komputer berperan sebagai agent controller yang menjalankan logika Round Robin, dan dua komputer lainnya sebagai server backend. Beberapa client dalam jaringan mengirimkan permintaan secara simultan ke controller, yang kemudian secara bergiliran mendistribusikan permintaan tersebut ke server menggunakan konfigurasi load balancing berbasis NGINX. Pengujian dilakukan dalam tiga skenario beban, yaitu 50, 100, dan 200 permintaan. Hasil pengujian menunjukkan bahwa sistem mampu mendistribusikan permintaan secara merata antara dua server backend, serta menghasilkan waktu respons yang stabil pada skenario beban ringan hingga sedang. Kinerja sistem tetap berada dalam batas wajar meskipun jumlah permintaan meningkat. Sistem ini menunjukkan karakteristik modular, ringan, dan mudah diimplementasikan dalam lingkungan terbatas, serta memiliki potensi untuk dikembangkan lebih lanjut dengan integrasi algoritma adaptif dan sistem pemantauan otomatis.

Kata kunci - Load balancing, Round Robin, sistem multi-agent, multi-client, jaringan local

Klasifikasi Penyakit Tanaman Nanas di Kota Prabumulih Menggunakan Model Transfer Learning Berbasis Mobilenetv3-Large

2025-09-12T04:34:34+00:00

Tanaman nanas merupakan salah satu komoditas pertanian unggulan di Kota Prabumulih, Sumatera Selatan. Namun, produktivitasnya menurun akibat penyakit seperti fruit rot, root rot, dan mealybug wilt yang sulit dikenali dengan cepat oleh petani. Penelitian ini bertujuan mengembangkan sistem klasifikasi penyakit tanaman nanas berbasis citra digital dengan pendekatan transfer learning menggunakan arsitektur MobileNetV3-Large. Dataset terdiri dari citra primer hasil dokumentasi lapangan dan citra sekunder dari Roboflow, yang dikategorikan dalam empat kelas: sehat, fruit rot, root rot, dan mealybug wilt. Proses penelitian mencakup pra-pemrosesan data (resize, augmentasi, normalisasi), pelatihan model dalam dua tahap (ekstraksi fitur dan fine-tuning), serta evaluasi menggunakan akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan akurasi validasi sebesar 91% dan F1-score sebesar 90%, yang mencerminkan performa klasifikasi yang baik dan stabil. Model juga diimplementasikan ke dalam aplikasi berbasis Gradio untuk pengujian interaktif. Hasil penelitian ini menunjukkan bahwa pendekatan transfer learning dengan arsitektur MobileNetV3-Large efektif untuk klasifikasi penyakit tanaman nanas dan berpotensi diintegrasikan ke dalam sistem deteksi penyakit pertanian secara praktis.

Kata kunci: tanaman nanas, klasifikasi citra, MobileNetV3, transfer learning, deep learning

Implementasi Real Time Operating System (RTOS) Pada Sistem Pemantauan Kadar Alkohol Dan Suhu Dalam Proses Fermentasi Tape Ketan

2025-08-07T15:39:46+00:00

Tape ketan merupakan makanan tradisional Indonesia yang umumnya diproduksi secara manual dengan pengawasan berkelanjutan, sehingga memerlukan waktu lama dan tenaga kerja intensif. Proses manual yang mengharuskan membuka dan menutup wadah fermentasi secara berkala, berisiko menyebabkan kontaminasi dan menurunkan kualitas produk. Penelitian ini bertujuan mengimplementasikan Real Time Operating System (RTOS) pada sistem produksi tape ketan untuk merespons perubahan kondisi secara cepat dan memastikan parameter fermentasi tetap optimal. Perangkat keras yang digunakan terdiri dari sensor uap alkohol, sensor suhu, dan mikrokontroler ESP32, sedangkan perangkat lunak menggunakan firebase real time database dan antarmuka website. Pengujian dilakukan dengan membandingkan proses fermentasi tanpa RTOS dan dengan RTOS menggunakan waktu deadline 1000 ms dan interval pengambilan data setiap 1 jam. Komposisi tape ketan terdiri dari 100 gram beras ketan putih dan 1 gram ragi. Hasil pengujian menunjukkan persentase performa eksekusi dengan RTOS sebesar 98,53%, sedangkan tanpa RTOS sebesar 79,02%. Penerapan RTOS berhasil mempercepat proses fermentasi tape ketan hingga 12 jam lebih cepat. Implementasi RTOS terbukti efektif meningkatkan efisiensi produksi dan kualitas tape ketan.

Kata Kunci - Real Time Operating System (RTOS), Fermentasi, Tape Ketan, Persentase Performa Eksekusi

Analisis Efektivitas Algoritma K-Means Clustering dalam Pengelompokan Siswa Berdasarkan Kemampuan Multidimensi

2025-09-12T07:32:56+00:00

Pengelompokan siswa berbasis data sangat penting untuk mendukung evaluasi yang adil dan menyeluruh, mengingat penilaian potensi selama ini cenderung terfokus pada aspek akademik saja. Penelitian ini mengembangkan sistem rekomendasi regu inti lomba kepramukaan menggunakan algoritma K-Means Clustering, dengan dataset berisi 120 siswa SMP yang dinilai berdasarkan parameter akademik, non-akademik, serta pencapaian SKU dan SKK. Jumlah cluster ditentukan sebanyak 24, sesuai dengan kategori lomba berdasarkan aturan Kwarnas mengenai lomba pramuka tingkat penggalang. Proses pengolahan data meliputi normalisasi dan reduksi dimensi menggunakan Principal Component Analysis (PCA). Evaluasi kualitas clustering dilakukan menggunakan metrik Silhouette Score dan Davies–Bouldin Index (DBI). Hasil terbaik diperoleh pada konfigurasi random_state = 42, n_init = 20, dan max_iter = 300, dengan Silhouette Score sebesar 0,1238 dan DBI sebesar 1,4418. Meskipun kualitas pengelompokan tergolong rendah dengan hasil Silhoutte Score = 0.102 dan DBI = 1.362, sistem ini tetap memberikan solusi objektif bagi pembina dalam memilih siswa berpotensi secara adil dan menyeluruh. Sistem ini juga menjawab keluhan orang tua terkait ketidakterlibatan anak dalam lomba, karena pemilihan dilakukan berdasarkan potensi keseluruhan kategori lomba, bukan hanya satu kategori untuk membentuk tim regu inti pramuka.

Kata kunci: K-Means Clustering, Principal Component Analysis (PCA), Silhouette Score, Davies–Bouldin Index, Regu Inti Pramuka.

Pengaruh Penggunaan Platform CodeEasy terhadap Tingkat Pemahaman Mahasiswa dalam Pembelajaran Data Science Python

2025-09-12T05:56:33+00:00

Penelitian https://www.adenomyosisadviceassociation.org/hysterectomy ini bertujuan menguji hipotesis bahwa penggunaan platform pembelajaran mandiri CodeEasy dapat meningkatkan pemahaman mahasiswa pada mata kuliah Data Science Python. CodeEasy merupakan lingkungan belajar asinkron yang menyediakan latihan berbasis kode dengan penilaian otomatis melalui test case, serta umpan balik instan untuk mendorong keterlibatan aktif mahasiswa. Penelitian menggunakan desain one-group pretest–posttest dengan 28 mahasiswa Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang, semester genap 2024/2025. Analisis Paired Sample t-test menunjukkan peningkatan signifikan skor pemahaman mahasiswa (rata-rata pretest = 32,34%; posttest = 80,38%; ), dengan ukuran efek besar (Cohen’s ), yang mendukung hipotesis penelitian. Hasil ini bersifat indikatif, mengingat desain tanpa kelompok kontrol membatasi kesimpulan kausalitas dan generalisasi. Penelitian ini memberikan bukti awal mengenai efektivitas platform autograding dalam mendukung pembelajaran mandiri pemrograman, dan menyarankan penerapan lebih lanjut dengan desain kontrol serta integrasi Explainable AI (XAI) untuk meningkatkan transparansi evaluasi kode dan personalisasi umpan balik.

Kata Kunci - Autograding, CodeEasy, Data Science Python, Evaluasi Kode, Pembelajaran Mandiri

Digital Forensics to Prove Authenticity and Detect Malware in Email Sent on Directorat of Inovation and Bussiness Incubator

2025-10-02T04:49:37+00:00

Abstract - The Directorate of Innovation and Business Incubator (DIIB) at Bina Darma University often receives emails from external sources, increasing the risk of phishing, spoofing, and malware threats. This study applies the Digital Forensic Research Workshop (DFRWS) framework comprising Identification, Preservation, Collection, Examination, Analysis, and Presentation to analyze suspicious emails using forensic tools such as MXToolbox, Whois Lookup, Talos Intelligence, Sucuri SiteCheck, and VirusTotal. Ten suspicious emails were examined. Most failed one or more authentication checks (SPF, DKIM, DMARC), indicating weak verification and potential spoofing. Domain and IP analyses showed public domains like Gmail and Yahoo were most exploited, while official domains such as Upj.ac.id and Maranatha.ac.id had moderate risk. Sucuri classified most domains as medium to high risk, and VirusTotal found no active malware. The study concludes that phishing and spoofing pose greater threats than direct malware, highlighting the importance of forensic email analysis to enhance cybersecurity awareness at DIIB.

Keywords – DIIB, Email, DFRWS, Malware, Tools

Perancangan Sistem Rekomendasi Daftar Wisata Berbasis Algoritma Aturan Bagi Wisatawan Kabupaten Pacitan

2025-10-02T04:51:23+00:00

Pacitan memiliki banyak tempat wisata yang indah namun memerlukan usaha tersendiri untuk berkunjung ke Pacitan. Agar perjalanan yang ditempuh tidak sia-sia maka perlu perencanaan daftar wisata yang dikunjungi selama berkunjung di Pacitan. Wisatawan harus memiliki informasi sendiri apabila hendak membuat daftar kunjungan wisata karena sistem perencanaan wisata di Pacitan belum ada. Penelitian ini mengajukan perancangan sistem pemberi rekomendasi daftar wisata di kabupaten Pacitan. Rekomendasi daftar wisata berdasar kriteria user yaitu jarak, waktu, cuaca, popularitas tempat wisata, kendaraan, lokasi, dan kategori wisata. Lokasi user didapatkan dari koordinat browser kemudian dilakukan Geo Reverse menggunakan TomTom API. Jarak antara lokasi user dengan tempat wisata dan jarak antar wisata berikut waktu tempuh juga didapatkan menggunakan TomTom API. Penelitian dimulai dari studi literatur, pengumpulan data, perancangan sistem, implementasi dan ujicoba. Sistem menggunakan aturan algoritma untuk memberikan rekomendasi daftar wisata. Sistem dapat memberikan serangkaian rekomendasi wisata sesuai kriteria user dengan waktu pencarian rekomendasi wisata pertama sebesar 1 s.d. 52 microsecond dan waktu yang relatif lebih cepat untuk memberikan rekomendasi daftar wisata sesuai kriteria user karena menggunakan matrik jarak dan waktu yang dimiliki sistem.

Kata kunci: rekomendasi, sistem informasi, wisata, TomTom Api, rekomendasi wisata

Analisis Pengalaman Pengguna Website OOPedia pada Materi Enkapsulasi dengan User Experience Questionnaire

2025-10-02T04:54:36+00:00

Perkembangan teknologi digital mendorong pemanfaatan media pembelajaran berbasis web. Pada mata kuliah Pemrograman Berorientasi Objek (PBO), mahasiswa sering kesulitan memahami konsep abstrak seperti enkapsulasi. Penelitian ini mengembangkan OOPedia, platform e-learning berbasis web dengan fitur Fill in the Blanks untuk mendukung pemahaman mahasiswa secara interaktif. Sistem dibangun menggunakan model Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Evaluasi dilakukan menggunakan User Experience Questionnaire (UEQ) yang melibatkan 40 mahasiswa semester dua Program Studi Sistem Informasi Bisnis, Politeknik Negeri Malang. Hasil menunjukkan bahwa OOPedia memberikan pengalaman belajar positif pada seluruh aspek UEQ, dengan kategori Excellent pada Daya Tarik dan Stimulasi, serta Above Average pada aspek lainnya. Kebaruan penelitian ini terletak pada integrasi fitur Fill in the Blanks dalam materi enkapsulasi serta kombinasi evaluasi UEQ dengan pre/post-test, yang memberikan perspektif baru dalam mengukur efektivitas media pembelajaran interaktif.

Kata Kunci: E-learning, OOPedia, Enkapsulasi, Fill in the Blanks, UEQ

Pendekatan Backpropagation Artificial Neural Network Untuk Prediksi Kemurnian Madu

2025-10-20T05:57:39+00:00

Madu merupakan produk alami yang kemurniannya menjadi indikator utama kualitas dan keasliannya. Penelitian ini bertujuan untuk memprediksi tingkat kemurnian madu menggunakan algoritma Artificial Neural Network (ANN) dengan metode Backpropagation. Dataset terdiri dari 247.903 data dengan 10 atribut madu yang digunakan sebagai variabel input, sedangkan tingkat kemurnian madu dijadikan sebagai target output. Tahapan penelitian meliputi pra-pemrosesan data, pelatihan model, serta evaluasi hasil prediksi. Setelah melalui tahap pra-pemrosesan, jumlah fitur input bertambah menjadi 27. Pada proses eksperimen, dilakukan pengujian beberapa variasi arsitektur (27-14-14-1, 27-27-27-1, 27-54-54-1), fungsi aktivasi (ReLU, sigmoid biner, sigmoid bipolar), learning rate (0,01, 0,1, 0,5), dan jumlah epoch (1000, 1500, 2000) untuk memperoleh konfigurasi terbaik. Hasil optimal diperoleh pada arsitektur jaringan 27-54-54-1 dengan fungsi aktivasi ReLU, learning rate 0,5, dan jumlah epoch sebanyak 2000. Konfigurasi tersebut menghasilkan kinerja prediksi dengan nilai Mean Squared Error (MSE) 0,000542, R-squared (R²) sebesar 0,972010, dan Mean Absolute Percentage Error (MAPE) 1,26%. Hasil ini membuktikan bahwa algoritma Backpropagation Artificial Neural Network dapat digunakan secara efektif dalam memprediksi tingkat kemurnian madu.

Kata Kunci - Artificial Neural Network, Backpropagation, Prediksi, Kemurnian Madu

Association Pattern Analysis of Global Company Market Capitalization Using the FP-Growth Algorithm with Load Balancing Constraint

2025-10-20T06:04:41+00:00

This research focuses on analyzing the global company market capitalization dataset using the FP-Growth algorithm combined with a load-balancing constraint approach. The main objective is to identify association patterns among different market capitalization categories Small, Medium, Large, Mega, and Ultra to understand their distribution and interrelationships. The study begins with data preprocessing, cleaning, and categorization of companies based on their market values. The FP-Growth algorithm is applied with a minimum support threshold of 0.02, and a load balancing constraint is introduced by filtering rules with support ≥ 0.05 and lift > 1, ensuring balanced and significant association patterns. The analysis results show that the most dominant categories are Medium and Small, representing the majority of companies worldwide, while Large, Mega, and Ultra categories are relatively rare. The strongest rule indicates that countries with “Large” companies are very likely to also have “Small” and “Medium” companies. Evaluation metrics show an average lift of 1.171 and an average confidence of 1.000, confirming strong and reliable associations. Overall, this study provides insights into global market capitalization patterns and demonstrates the effectiveness of FP-Growth with constraints in revealing meaningful, balanced relationships within large-scale business data.

Keywords – FP-Growth, Load Balancing Constraint, Market Capitalization, Association.

Penerapan Metode UEQ dan Importance Performance Analysis dalam Evaluasi User Experience Layanan Pembayaran Akademik

2025-10-09T07:37:23+00:00

Untuk memastikan layanan pembayaran akademik memenuhi ekspektasi pengguna, evaluasi kualitas pengalaman pengguna atau user experience (UX) wajib dilakukan. Penelitian ini menggunakan metode User Experience Questionnaire (UEQ) yang mencakup enam dimensi penilaian yaitu Attractiveness, Perspicuity, Efficiency, Dependability, Stimulation, dan Novelty. Selanjutnya, metode Importance Performance Analysis (IPA) diterapkan untuk memetakan prioritas perbaikan, didukung oleh Key Performance Indicator (KPI) dari UEQ. Layanan pembayaran InfoKHS Universitas Muhammadiyah Malang (UMM) digunakan sebagai objek penelitian. Sebanyak 38 dari 61 data responden valid digunakan setelah proses eliminasi data inkonsisten. Hasil UEQ menunjukkan penilaian positif pada lima dimensi (kecuali Novelty yang netral). Berdasarkan benchmark UEQ, terdapat empat dimensi yang dinilai di atas rata-rata, kecuali Stimulation dan Novelty. Analisis IPA menempatkan Perspicuity, Efficiency, dan Dependability pada Kuadran 1 untuk dipertahankan kinerjanya. Dimensi Attractiveness berada di Kuadran 2 yang memiliki performa berlebihan, sementara Stimulation dan Novelty masuk Kuadran 3 dengan prioritas perbaikan rendah. Kesimpulan penelitian ini adalah bahwa sistem layanan pembayaran InfoKHS UMM secara umum telah mencapai pengalaman pengguna yang baik. Namun, aspek Stimulation dan Novelty masih perlu diperhatikan untuk peningkatan kualitas sistem yang berkelanjutan.

Kata Kunci - User Experience Questionnaire, UEQ, Importance Performance Analysis, KPI, Universitas Muhammadiyah Malang

Evaluasi Kinerja Algoritma Apriori dan FP-Growth untuk Association Rule Mining pada Data Transaksi Ritel

2025-10-20T05:55:46+00:00

Ledakan data transaksi ritel yang terekam melalui sistem Point of Sale (POS) dan platform daring menuntut metode analisis yang efektif untuk menggali pola pembelian konsumen. Association Rule Mining merupakan pendekatan populer untuk menemukan keterkaitan antarproduk, dengan algoritma Apriori dan FP-Growth sebagai dua metode yang paling banyak digunakan. Penelitian ini bertujuan memberikan gambaran empiris mengenai efektivitas kedua algoritma tersebut pada data transaksi ritel yang nyata. Metode yang digunakan meliputi tahapan data understanding untuk mengenali struktur data, data cleaning untuk menghapus nilai kosong dan menyeragamkan format, serta data transformation menggunakan TransactionEncoder untuk mengubah data mentah menjadi format biner (one-hot encoded). Selanjutnya algoritma Apriori dan FP-Growth dijalankan dengan parameter yang sama untuk menghasilkan frequent itemsets dan aturan asosiasi. Evaluasi kinerja dilakukan dengan mengukur waktu pemrosesan, jumlah aturan yang dihasilkan, serta nilai support, confidence, dan lift tertinggi. Hasil penelitian menunjukkan bahwa kedua algoritma menghasilkan jumlah aturan yang sama (63 aturan) dengan support tertinggi 0,06, confidence tertinggi 0,51, dan lift tertinggi 3,29, tetapi waktu pemrosesan berbeda signifikan (Apriori 0,39 detik, FP-Growth 6,95 detik). Kesimpulannya, association rule mining efektif mengungkap pola pembelian konsumen, dan algoritma Apriori lebih efisien untuk dataset kecil hingga menengah, sedangkan FP-Growth lebih sesuai untuk dataset yang jauh lebih besar.

Keywords - Association Rules, Apriori, FP-Growth, Frequent Itemset, Transaksi Ritel.

Design and Construction of Electrical System for Bread Dough Proofer Tool Based on a Microcontroller with PID Control on Donut Dough

2025-10-06T09:53:39+00:00

This study focuses on the design and implementation of an electrical system for a bread dough proofer tool, specifically optimized for donut dough fermentation, utilizing a microcontroller with Proportional-Integral-Derivative (PID) control. The proofing process is crucial for dough quality, and maintaining precise temperature and humidity conditions is essential for consistent results. The PID control algorithm continuously calculates the error between desired setpoints and measured process variables, adjusting actuator outputs to minimize this error. The PID parameters were tuned using a trial-and-error method to achieve optimal response speed and stability, with values of , , and . Experimental results demonstrate the system’s effectiveness in stabilizing the proofing environment. The temperature was maintained at 40.10 with a minimal overshoot of 0.30 and a rise time of 10.25 minutes. Humidity was regulated within the range of 80-90% RH for 38.4 minutes, with a rise time of 40.41 minutes. The system exhibited robust disturbance rejection, quickly recovering from external perturbations. Compared to manual proofing, the automated system reduced proofing time by approximately 25% and significantly improved donut dough quality, evidenced by enhanced volume expansion and uniform texture.

Keywords - Bread Dough Proofer, PID Control, Microcontroller, Temperature and Humidity Control, Automated Proofing System

Detection and Analysis of Batik Waste Using Image Processing Methods in Pekalongan Regency

2025-10-20T05:45:48+00:00

Research was conducted on the detection of batik wastewater in the batik industry of Pekalongan, which generates liquid waste containing synthetic dyes, heavy metals, and hazardous compounds that can potentially pollute the environment if not properly treated. This study aims to develop a simple detection method based on digital image analysis to identify the color characteristics of batik wastewater. Data were obtained by sampling liquid waste from several affected rivers, which were then analyzed using a digital camera and image processing software to determine the intensity values of the red, green, and blue (RGB) channels. The results show that variations in waste concentration significantly influence the distribution of RGB values, enabling faster, cheaper, and more practical identification of pollution patterns compared to conventional laboratory methods. These findings are expected to serve as the foundation for developing a digital technology-based batik wastewater quality monitoring system as part of efforts to mitigate environmental pollution in Pekalongan.

Keywords - Batik wastewater, Digital image analysis, RGB intensity, Environmental pollution, Image processing

Penggunaan Algoritma K-Means dalam Mengelompokkan Jumlah Usaha dan Hasil Pendapatan UMKM DKI Jakarta

2025-10-20T09:42:37+00:00

UMKM Provinsi DKI Jakarta berkontribusi signifikan terhadap perekonomian daerah. Namun, ada permasalahannya pemetaan data lemah, segmentasi usaha kurang, belum adanya pemetaan yang jelas mengenai jumlah usaha dan pendapatan, keterbatasan akses data dan validitas informasi, serta belum adanya diferensiasi program pembangunan berdasarkan karakteristik usaha. Tujuan penelitian adalah menganalisis data jumlah usaha dan hasil pendapatan UMKM menggunakan metode K-means. Metode ini digunakan mengelompokkan jumlah usaha dan hasil pendapatan. Hasil klasterisasi menghasilkan tiga klaster wilayah: Klaster (1) yaitu kota administratif Jakarta Pusat, Jakarta Selatan, dan Jakarta Timur, memiliki jumlah usaha dan pendapatan tertinggi. Klaster(2) yaitu kota administratif Jakarta Barat dan Jakarta Utara, memiliki jumlah usaha dan pendapatan sedang. Klaster(3) yaitu kota administratif Kepulauan Seribu, memiliki jumlah usaha dan pendapatan yang rendah. Hasil evaluasi proses klasterisasi mempergunakan Davies Bouldin Index (DBI) bernilai -0.390. Hasil ini menunjukkan K-Means dapat memetakan jumlah usaha dan hasil pendapatan, sehingga memudahkan dalam menetapkan strategis kebijakan, mengembangkan usaha, dan menyusun strategi pemasaran berdasarkan karakteristik ekonomi setiap daerah.

Kata Kunci – UMKM, Provinsi DKI Jakarta, Klasterisasi, Metode K-Means

YouTube Comment Clustering Using K-Means in A Case Study of The Indonesian New Capital City (IKN)

2025-10-20T09:38:58+00:00

The relocation of the capital city of the Republic of Indonesia from Jakarta to the Nusantara Capital City (IKN) is a critical topic for the public, as it is designated as a strategic national project. However, the lack of public participation may generate community concerns regarding its potential impact. This research involved extracting public opinion from YouTube comments to identify the community’s desires, thereby providing policymakers with valuable information. Clustering the comments using the K-Means method successfully extracted public opinions from 27,063 comment data points. Among the key findings, a significant public concern is the potential for the construction project to be abandoned or stalled (“mangkrak”). Additionally, while the clustering results showed good cohesion, the cluster separation indicated a significant overlap in the data. This is further reflected by the average similarity score of 0.4234972.

Keywords – YouTube, Text Clustering, K-Means, Nusantara Capital City (IKN)

A Comparative Analysis of Deep Learning Models for Knee Osteoarthritis Severity Grading

2025-10-27T09:58:55+00:00

The Kellgren-Lawrence (KL) grading system is commonly used to evaluate knee osteoarthritis (OA), but it can be subjective and subject to variation among assessors. Our study looked at three Convolutional Neural Network (CNN) methods for OA severity classification from a dataset of 15,770 X-ray images to overcome this difficulty and create a more objective technique. Under the same preprocessing conditions, we contrasted a baseline custom CNN, DenseNet201, and a hybrid model with a CBAM attention mechanism. With an overall accuracy of 65%, a weighted precision and recall of 65%, and an F1-score of 64%, the hybrid model, which uses DenseNet201 as a fixed feature extractor, performed the best. This was better than both the baseline model (59% accuracy) and the standalone DenseNet201 (59% accuracy). Although the hybrid architecture has a lot of promise, we also had to deal with issues like overfitting. Our thorough comparison demonstrates how this hybrid strategy can successfully combine strong pre-trained features with the flexibility required for particular tasks. Although more clinical validation is necessary, this shows that automated systems like ours could improve diagnostic consistency in OA grading.

Keywords - Knee Osteoarthritis, Kellgren-Lawrence Grading, Deep Learning, Attention Mechanism, CBAM

Voltage, Current, and Work Process Monitoring System on CNC Diode Lasers

2025-10-27T09:57:14+00:00

The advancement of CNC laser diode technology has transformed manufacturing by enabling high precision cutting and engraving of various materials, yet ensuring reliable operation requires accurate monitoring of electrical and mechanical parameters. This research focused on designing and implementing a real-time monitoring system that integrates the PZEM-004T sensor for electrical measurements and limit switches for safety boundaries in CNC laser diode machines. The system was developed using NodeMCU ESP8266 as the main controller, with results displayed on an LCD 16x2 and alarms generated through a buzzer and relay. Experimental evaluation demonstrated that the system effectively measured voltage, current, power, and energy, with the PZEM-004T showing an average error below 5% compared to reference instruments. The integration of limit switches functioned reliably, preventing mechanical failures and ensuring safe operation within defined limits. Monitoring data supported energy efficiency by identifying power usage patterns and reducing operational risks. Engraving tests confirmed stable performance, with improved detail observed during longer process durations. Overall, the implemented system provides a practical and reliable solution for operational monitoring and mechanical protection, making it particularly suitable for small-scale CNC laser diode applications in industrial, educational, and creative fields.

Pemetaan Potensi Energi Surya di Pulau Sumatera Menggunakan Algoritma K-Means Clustering

2025-10-06T09:57:18+00:00

Peningkatan kebutuhan terhadap energi terbarukan mendorong upaya identifikasi wilayah dengan potensi radiasi surya tinggi, terutama di kawasan tropis seperti Pulau Sumatera. Penelitian ini bertujuan untuk mengklasifikasikan potensi radiasi surya di 154 kabupaten/kota di Sumatera menggunakan metode K-Means Clustering. Data diperoleh dari Global Solar Atlas (GSA) berupa nilai rata-rata harian Global Horizontal Irradiance (GHI) dalam satuan kWh/m²/hari. Hasil klasterisasi menghasilkan tiga kelompok utama, yaitu rendah, sedang, dan tinggi. Cluster rendah (22 wilayah, rata-rata 4,240 kWh/m²/d) kurang sesuai untuk pengembangan PLTS karena tingkat tutupan awan yang tinggi. Cluster sedang (75 wilayah, rata-rata 4,535 kWh/m²/d) menunjukkan potensi yang stabil dan seimbang, sehingga cocok untuk PLTS skala menengah. Cluster tinggi (57 wilayah, rata-rata 4,793 kWh/m²/d) — didominasi oleh Sumatera Utara, Sumatera Selatan, Aceh, dan Bengkulu — merupakan wilayah paling potensial untuk PLTS skala besar. Secara keseluruhan, sebagian besar wilayah di Sumatera termasuk kategori potensi sedang hingga tinggi, menunjukkan prospek besar pengembangan energi surya dalam mendukung transisi energi bersih dan berkelanjutan di Indonesia.

Kata Kunci - Radiasi surya, K-Means Clustering, Energi terbarukan, PLTS

A Co-Design-Based Development Model for an Adaptive Learning System: A Case Study on Enhancing Digital Science Literacy for Junior High School Students

2025-10-20T10:16:05+00:00

This paper details the development and empirical evaluation of an adaptive learning system aimed at enhancing digital science literacy among junior high school students in Indonesia. The primary challenge addressed is the limitation of one-size-fits-all educational models. Our research proposes a user-centric solution, the Sistem Rekomendasi Cerdas (SRC), developed through a co-design methodology. The system’s core is a User-based Collaborative Filtering (UBCF) algorithm. Its effectiveness was evaluated through a pre-test/post-test experimental study involving 60 students, divided into an experimental and a control group. Quantitative results show that the experimental group achieved a significantly higher increase in science literacy scores (p < 0.001) compared to the control group. Qualitative findings from interviews with the experimental group reveal that the platform enhanced learning motivation, content relevance, and helped overcome learning barriers. This study concludes that the SRC, developed via a co-design model, is a highly effective tool for improving digital science literacy, demonstrating that a user-centered approach is fundamental to creating impactful educational technology.

Keywords - Adaptive Learning, Co-Design, Recommender System, Digital Literacy, Usability.

A Comparative Study of Embedding Techniques and Classifiers for Aspect-Based Sentiment Analysis of Shopee Reviews

2025-10-27T10:02:32+00:00

E-commerce platforms like Shopee generate massive volumes of user reviews that contain valuable insights about products, services, and user experiences. Aspect-Based Sentiment Analysis (ABSA) enables fine-grained sentiment classification by identifying sentiment polarity toward specific aspects such as product quality, pricing, delivery, and application performance. This study presents a comprehensive comparative analysis of different embedding techniques and classification models for ABSA on Indonesian Shopee reviews. We evaluate three embedding approaches: FastText, GloVe, and BERT embeddings, combined with four classification models: Support Vector Machine (SVM), Convolutional Neural Network (CNN), BERT, and IndoBERT. Our experiments focus on five key aspects: product, price, delivery, application, and general sentiment. The results demonstrate that FastText embeddings combined with IndoBERT classifier achieves the highest accuracy of 91.59%, while BERT embeddings show more balanced performance across different classifiers. The findings provide valuable insights for e-commerce platforms seeking to implement effective sentiment analysis systems for Indonesian market understanding.

Keywords - Aspect-Based Sentiment Analysis, FastText, GloVe, BERT, IndoBERT

Penanganan Ketidakseimbangan Data Ekstrim pada Sistem Prediksi

2025-11-07T08:31:31+00:00

Salah satu masalah utama dalam sistem prediksi adalah ketidakseimbangan data, di mana kelas tertentu sangat kurang terwakili dibandingkan dengan kelas lainnya. Ketidakseimbangan data dapat menyebabkan bias model, di mana model lebih mudah mendeteksi kelas mayoritas tetapi lemah dalam mendeteksi kelas minoritas. Terutama pada data dengan ketidakseimbangan ekstrem dengan IR >9, model memiliki akurasi tinggi tetapi performa recall rendah. Hal ini merugikan sistem prediksi yang memprioritaskan deteksi kelas minoritas. Penelitian ini bertujuan untuk meningkatkan recall pada dataset yang sangat tidak seimbang dengan menggunakan empat teknik penanganan ketidakseimbangan data, yaitu SMOTE dan OHIT pada level data, serta CSL dan CW pada level model. Teknik pada level data menyeimbangkan distribusi kelas dengan menambahkan data sintetis, sedangkan teknik pada level model meningkatkan sensitivitas terhadap kelas minoritas. Model yang digunakan sebagai baseline adalah LR untuk mengamati peningkatan recall dari keempat teknik penanganan ketidakseimbangan data. Dari hasil pengujian semua teknik penanganan ketidakseimbangan data, semuanya meningkatkan recall dengan margin sebesar 0,3243. Peningkatan recall tertinggi dicapai oleh LR-SMOTE dengan margin sebesar 0,3256. Penelitian ini menunjukkan bahwa recall model dapat ditingkatkan dengan menggunakan teknik penanganan ketidakseimbangan data.

Kata kunci – ketidakseimbangan data ekstrem, sistem prediksi, recall, penanganan ketidakseimbangan data

Klasifikasi Sinyal EEG Subband Beta untuk Identifikasi Persepsi Rasa Manis dan Asam Menggunakan Algoritma Machine Learning

2025-11-07T08:31:12+00:00

Aktivitas gelombang otak (EEG) dapat digunakan untuk mengenali respons manusia terhadap stimulus sensorik, termasuk persepsi rasa. Penelitian ini bertujuan untuk mengklasifikasikan aktivitas otak terhadap dua jenis stimulus rasa, yaitu rasa manis (Susu) dan rasa asam (Lemon), menggunakan sinyal EEG pada subband Beta (12–25 Hz) dengan pendekatan machine learning. Penelitian ini merupakan pengembangan dari studi sebelumnya yang hanya menampilkan visualisasi topografi otak (brain heatmap), dengan menambahkan analisis klasifikasi otomatis berbasis kecerdasan buatan. Data EEG direkam dari empat kanal utama, yaitu T3, T4, CP1, dan CP2, kemudian diekstraksi menggunakan dua fitur utama: Mean Absolute Value (MAV) dan Variance (VAR). Total data yang digunakan sebanyak 10.644 potong data (3.550 Susu dan 7.094 Lemon). Tiga algoritma machine learning digunakan untuk membandingkan performa klasifikasi, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree (DT). Hasil pengujian menunjukkan bahwa Decision Tree menghasilkan performa terbaik dengan akurasi 84,0%, F1-score 0,727, dan ROC AUC 0,789, diikuti oleh KNN dengan akurasi 76,6%. Model SVM linear menunjukkan performa terendah akibat ketidakseimbangan data dan distribusi non-linear. Hasil ini membuktikan bahwa fitur EEG pada subband Beta dapat digunakan untuk membedakan stimulus rasa manis dan asam secara objektif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem EEG-based Taste Recognition dan membuka peluang penerapan dalam bidang neurogastronomi serta Brain–Computer Interface (BCI).

Kata kunci: EEG, subband Beta, klasifikasi rasa, machine learning, Decision Tree.

Implementasi Teknik Visualisasi Dinamis pada Augmented Reality untuk Representasi Operasi Vektor

2025-10-27T10:07:44+00:00

Konsep vektor, khususnya terkait arah dan transformasi besaran dalam ruang 3D, menuntut kemampuan visualisasi spasial yang tinggi. Media pembelajaran konvensional dan aplikasi AR statis seringkali memiliki keterbatasan dalam merepresentasikan proses terjadinya operasi vektor secara nyata. Penelitian ini bertujuan mengimplementasikan teknik Visualisasi Vektor Dinamis (Dynamic Vector Visualization) berbasis Augmented Reality (AR) untuk mensimulasikan perilaku vektor secara real-time. Sistem dikembangkan menggunakan engine Unity 3D dengan menerapkan arsitektur Visualisasi Berbasis Status (State-Driven Visualization). Metode ini mengintegrasikan aset adaptif dari Blender (Keyframe Animation) dengan logika kontrol Finite State Machine (FSM) untuk menjamin presisi geometris dan efisiensi komputasi pada perangkat mobile. Validasi dilakukan oleh ahli materi dan media, serta uji usability terhadap 30 mahasiswa. Hasil pengujian menunjukkan bahwa teknik visualisasi dinamis memperoleh skor validasi ahli materi sebesar 86% dan ahli media sebesar 95%. Uji penerimaan pengguna menghasilkan skor System Usability Scale (SUS) sebesar 92,7 yang masuk dalam kategori "Best Imaginable". Temuan ini mengonfirmasi bahwa integrasi mekanisme animasi prosedural dalam lingkungan AR terbukti efektif dalam membantu mahasiswa memvisualisasikan konsep abstrak operasi vektor dibandingkan representasi statis.

Kata Kunci - Augmented Reality; Visualisasi Dinamis; Vektor; Finite State Machine; Unity 3D.

Sistem Monitoring Tanaman Stroberi Berdasarkan Parameter Suhu, Kelembaban Tanah dan pH Tanah Berbasis Internet of Things

2025-11-07T08:10:26+00:00

Perkembangan teknologi Internet of Things (IoT) telah memberikan peluang besar dalam peningkatan produktivitas pertanian melalui pemantauan kondisi lingkungan secara real time. Tanaman stroberi merupakan komoditas hortikultura yang membutuhkan perhatian khusus terhadap faktor lingkungan, terutama pada kondisi suhu lingkungan, kelembaban tanah, dan pH tanah. Ketiga parameter tersebut sangat berpengaruh terhadap pertumbuhan dan kualitas produksi buah stroberi. Penelitian ini mengembangkan sistem monitoring berbasis IoT yang dirancang untuk mengukur parameter suhu, kelembaban tanah, dan pH tanah pada lahan budidaya tanaman stroberi. Sistem ini memanfaatkan beberapa sensor diantaranya DS18B20 sebagai deteksi suhu lingkungan, YL-69 sebagai deteksi kelembaban tanah, dan sensor soil pH sebagai deteksi pH tanah yang diintegrasikan dengan modul Raspberry Pi sebagai pengolah78 data dari sensor dan mengirimkan data ke platform melalui aplikasi ThingSpeak secara real time. Untuk memperoleh hasil pengujian yang akurat dilakukan pengambilan data dengan membandingkan hasil pembacaan ke tiga sensor dengan alat ukur yang ada dijual dipasaran. Hasil pengujian menunjukkan bahwa sistem mampu bekerja dengan baik dalam memantau kondisi lingkungan tanaman stroberi dan memberikan informasi dengan rata-rata tingkat akurasi untuk kelembaban tanah sebesar 99,985%, pH tanah sebesar 99,907% dan suhu lingkungan sebesar 99,991%. Sistem ini memungkinkan petani dapat melakukan tindakan pengelolaan lahan yang lebih tepat dan sesuai kondisi yang terdeteksi.

Kata Kunci - internet of things, raspberry pi, sensor, stroberi, thingspeak.

Perancangan Game Edukasi 3D Rumah Adat Indonesia dengan Pendekatan Gamifikasi Berbasis Third Person Perspective

2025-11-07T07:47:08+00:00

Rumah adat merupakan salah satu warisan budaya Indonesia yang mencerminkan identitas dan nilai dari setiap daerah. Namun, minat siswa dalam mempelajari budaya lokal mulai menurun akibat pengaruh budaya asing dan minimnya media pembelajaran interaktif. Penelitian ini bertujuan untuk mengembangkan game edukasi interaktif 3D bertema rumah adat Indonesia dengan pendekatan gamifikasi berdasarkan kerangka Mechanics, Dynamics, and Aesthetics (MDA). Game dikembangkan menggunakan Unreal Engine 5.4 dengan pemrograman C++, sedangkan aset 3D dibuat menggunakan Blender dan karakter dirancang melalui Metahuman. Penelitian ini menggunakan metode System Development Life Cycle (SDLC) dengan model waterfall, serta divalidasi oleh ahli materi dan pengguna menggunakan skala Likert. Hasil pengujian menunjukkan skor 84% dari ahli materi, 85,63% dari pengguna, dan tingkat pemahaman siswa sebesar 92,7%, yang seluruhnya termasuk dalam kategori sangat layak. Oleh karena itu, game edukasi rumah adat Indonesia dinilai layak digunakan sebagai media pembelajaran interaktif yang dapat meningkatkan motivasi, pemahaman, dan minat siswa terhadap budaya lokal. Penelitian selanjutnya diharapkan dapat menambah konten rumah adat dan memperluas area eksplorasi dalam game.

Kata Kunci – Game Edukasi, Gamifikasi, MDA Framework, Rumah Adat, Software Development Life Cycle.