Techno.Com

A Systematic Evaluation of BERT Classifiers for Indonesia-based Text Data

Thu, 28 May 2026 00:00:00 +0000

This study presents a systematic evaluation of Indonesian BERT models across multiple natural language processing (NLP) tasks, including named entity recognition (NER), sentiment analysis (SA), emotion classification (EmoT), and hate speech detection (HS). Unlike prior studies that primarily focus on effectiveness metrics, this work incorporates both effectiveness (F1-Macro and accuracy) and efficiency (training time and memory usage) to provide a more comprehensive benchmark. Experimental results show that IndoRoBERTa achieves the highest overall F1-Macro (0.826), indicating strong generalization across tasks, while IndoNLU attains the highest accuracy (0.833), suggesting better performance on dominant classes. IndoLEM demonstrates superior efficiency with the lowest training time (988.68 seconds) and minimal GPU memory usage (4.00 GB), making it suitable for resource-constrained environments. In contrast, the multilingual mBERT model exhibits higher computational cost with comparatively lower efficiency. The findings highlight a trade-off between performance and computational efficiency, where monolingual Indonesian models consistently outperform multilingual models in both effectiveness and resource utilization. These results provide practical insights for selecting appropriate pretrained language models based on task requirements and computational constraints in Indonesian NLP applications.

Keywords - BERT; Indonesian NLP; model efficiency; multi-task evaluation

Perbandingan Kinerja Multilayer Perceptron Berbasis Fitur Ekstraksi dan DenseNet-121 pada Klasifikasi Buah Kakao

Aulia Zahra Ramadhani, Nurhikma Arifin, Chairi Nur Insani — Thu, 28 May 2026 00:00:00 +0000

Tanaman kakao (Theobroma cacao) merupakan komoditas penting bagi perekonomian Indonesia, namun produktivitasnya menurun akibat serangan penyakit dan hama seperti black pod rot, pod borer, dan helopeltis. Penelitian ini bertujuan membandingkan kinerja Multilayer Perceptron (MLP) dengan kombinasi fitur warna (HSV, L*a*b) dan tekstur (GLCM, LBP) terhadap DenseNet-121 untuk klasifikasi empat kondisi buah kakao yaitu healthy, black pod rot, pod borer dan helopeltis. Dataset primer 404 citra dikumpulkan dari perkebunan kakao di Sulawesi Barat. Tahapan penelitian meliputi preprocessing, segmentasi, ekstraksi fitur, dan klasifikasi menggunakan MLP dengan 15 kombinasi fitur serta DenseNet-121 dengan transfer learning. Kedua model menerapkan early stopping dan dievaluasi menggunakan akurasi dengan tiga random seed berbeda untuk memastikan validitas hasil yang robust. Hasil menunjukkan DenseNet-121 mencapai akurasi tertinggi 92,19% pada learning rate 0,001 dengan seed 43, sedangkan MLP terbaik pada kombinasi HSV+GLCM+L*a*b hanya 79,69% pada learning rate 0,001 dengan seed 99. Kombinasi fitur warna dan tekstur pada MLP konsisten mengungguli fitur tunggal. DenseNet-121 terbukti lebih unggul karena kemampuannya mengekstraksi fitur hierarkis otomatis melalui bobot pre-trained ImageNet, menjadikannya metode lebih efektif untuk klasifikasi penyakit kakao yang akurat.

Kata Kunci – DenseNet-121, Ekstraksi Fitur, Kakao, Klasifikasi Citra, Multilayer Perceptron

Pengujian Otomatis Website DPRD Kabupaten Bengkalis Menggunakan Data-driven Testing

Arif Rahman, Fajar Ratnawati — Thu, 28 May 2026 00:00:00 +0000

Pengujian perangkat lunak merupakan tahap penting untuk memastikan sistem berjalan sesuai dengan kebutuhan fungsional. Penelitian ini bertujuan menerapkan metode Data-Driven Testing (DDT) untuk melakukan pengujian otomatis pada sistem admin website DPRD Kabupaten Bengkalis. Metode DDT memungkinkan pengujian dilakukan secara sistematis dengan memanfaatkan variasi data uji yang disimpan pada sumber data eksternal. Proses penelitian meliputi analisis kebutuhan, perancangan skenario pengujian, penyusunan data uji, implementasi otomatisasi menggunakan Katalon Studio, serta evaluasi hasil pengujian. Data uji disimpan dalam file Microsoft Excel dan diintegrasikan dengan skrip pengujian melalui mekanisme data binding sehingga setiap kombinasi input dapat dieksekusi secara otomatis. Form login digunakan sebagai contoh utama implementasi metode ini karena merupakan gerbang autentikasi pada sistem admin. Hasil pengujian menunjukkan bahwa mekanisme autentikasi pada form login mampu memproses berbagai kombinasi input dengan baik, dimana sistem hanya memberikan akses ketika kredensial valid dan menolak input yang tidak sesuai. Selain itu, evaluasi terhadap beberapa form lain menunjukkan masih adanya kelemahan pada mekanisme validasi input yang memungkinkan data tidak lengkap tetap tersimpan dalam sistem. Hasil penelitian ini menunjukkan bahwa penerapan Data-Driven Testing dapat meningkatkan efisiensi proses pengujian serta membantu mengidentifikasi kelemahan validasi pada sistem berbasis web.

Kata Kunci - Data-driven Testing, Pengujian Fungsional, Katalon Studio, Website DPRD

Perencanaan Perjalanan Wisata Kabupaten Sambas Menggunakan Algoritma Ant Colony Optimization

Maulidawati Maulidawati, Alda Cendekia Siregar, Rachmat Wahid Saleh Insani — Thu, 28 May 2026 00:00:00 +0000

Sebuah perjalanan perlu dilakukan perencanaan agar waktu kunjungan dapat terkelola, salah satunya yaitu kunjungan wisata. Banyaknya wisata yang terdapat di Indonesia masing-masing memiliki daya tarik tersendiri. Salah satunya adalah wisata yang ada di Kabupaten Sambas. Minimnya informasi mengenai lokasi destinasi wisata di daerah tersebut menjadi salah satu kendala yang dialami wisatawan. Tujuan dari penelitian ini yaitu mencari rute terpendek berdasarkan nilai parameter optimal. Dalam permasalahan ini, algoritma yang digunakan yaitu Ant Colony Optimization sebagai algoritma optimasi yang dapat diterapkan pada kasus penentuan rute kunjungan wisata. Algoritma tersebut merupakan algoritma yang terinspirasi dari kelompok koloni semut dalam mencari jalur untuk mendapatkan makanan. Pengujian parameter Ant Colony Optimization yaitu alpha, beta, dan rho dengan rentang nilai yang telah ditentukan. Kemudian dibandingkan berdasarkan rata-rata fitness terkecil dari hasil 75 kali percobaan running. Hasil dari pengujian algoritma Ant Colony Optimization didapatkan nilai optimal parameter, yaitu alpha bernilai 0,02 dengan rata-rata fitness 315,56 km, beta bernilai 9,0 dengan rata-rata fitness 314,31 km, dan rho bernilai 0,5 dengan rata-rata fitness 316,01 km. Setelah didapatkan nilai parameter optimal tersebut, kemudian diujikan kembali dengan dilakukan percobaan running sebanyak 5 kali, jadi total keseluruhan running sebanyak 80 kali. Didapatkan fitness terkecil senilai 312,67 km, nilai fitness terbesar senilai 318,32 km, dan rata-rata fitness sebesar 315,28 km.

Kata kunci - optimasi, Ant Colony Optimization, rute terpendek, perencanaan perjalanan

Analisis Sentimen Ulasan Dan Komentar Pengguna Pada Aplikasi Toco Menggunakan Algoritma Support Vector Machine

Nuraulia Octaviana, Eva Yumami, Desi Wahana — Thu, 28 May 2026 00:00:00 +0000

Penelitian ini bertujuan untuk menganalisis sentimen ulasan dan komentar pengguna terhadap aplikasi Toco menggunakan algoritma Support Vector Machine (SVM). Seiring dengan meningkatnya jumlah pengguna aplikasi, volume ulasan yang dihasilkan juga semakin besar sehingga diperlukan metode otomatis untuk mengklasifikasikan opini pengguna secara efektif. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD) yang meliputi tahapan seleksi data, preprocessing, transformasi data menggunakan TF-IDF, pembagian data, klasifikasi, dan evaluasi. Dataset yang digunakan berjumlah 3000 ulasan yang diperoleh dari Google Play Store, TikTok, dan Instagram, kemudian dilabeli secara manual menjadi sentimen positif dan negatif. Hasil pengujian menunjukkan bahwa model SVM mampu menghasilkan akurasi sebesar 93,17%, precision 97,89%, recall 83,41%, dan F1-score 90,07%. Hasil tersebut menunjukkan bahwa metode SVM efektif dalam melakukan analisis sentimen pada data teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan gambaran mengenai persepsi pengguna terhadap aplikasi Toco serta menjadi bahan evaluasi bagi pengembang dalam meningkatkan kualitas layanan aplikasi.

Kata kunci - Analisis Sentimen, Support Vector Machine, TF-IDF, Ulasan Pengguna, Aplikasi Toco

Design and Experimental Evaluation of a Small-Scale Pumped Storage Hydropower System with a Low-Head Pelton Turbine Integrated with an Off-Grid Solar PV System

Gde Atmajaya, Harry Yuliansyah, Ali Muhtar — Thu, 28 May 2026 00:00:00 +0000

This study presents the design and experimental evaluation of a small-scale pumped-storage hydropower (PSH) system integrated with an off-grid photovoltaic (PV) system, serving as a proof-of-concept energy storage prototype. The proposed system consisted of an 800 Wp PV array, an upper and lower reservoir, a low-head Pelton turbine, a DC generator, piping, and a water pump. The system was implemented in a building-based configuration with an effective storage head of 14.65 m. The research was conducted using an engineering design approach, including site assessment, turbine design, turbine-generator testing, PSH-PV integration, and system performance evaluation. The PV subsystem showed a positive linear relationship between solar irradiance and PV output power, indicating an appropriate electrical response under field operating conditions. During the charging test, the nominal 550 L upper reservoir was filled with an actual water volume of 462 L, resulting in a stored potential energy of 18.44 Wh. The estimated electrical input energy required for charging was 105.30 Wh, corresponding to a storage efficiency of 17.51%. During the discharge test, the turbine-generator unit operated for approximately 0.61 h while the tank was being emptied and produced an electrical output energy of 5.76 Wh. DC output power generally ranged from 8.46 W to 10.03 W during the main discharge phase before dropping sharply near the end of operation. The turbine-generator efficiency was 31.24%, while the overall recoverable efficiency of the integrated PSH system was 5.47%. The results confirm the technical feasibility of the proposed PSH-PV system as a small-scale energy storage prototype. However, the relatively low storage efficiency and overall recoverable efficiency indicate that further optimization is required before practical implementation.

Keywords: Pumped Storage Hydropower, Pelton Turbine, Renewable Energy, Photovoltaic System, Energy Storage

Comparative Analysis of CatBoost and LightGBM for Tree Seedling Survival Prediction to Support Smart Forestry

Thu, 28 May 2026 00:00:00 +0000

Tree seedling survival is a critical factor in forest regeneration and sustainable ecosystem management. However, predicting seedling survival remains challenging due to complex interactions between environmental conditions, soil biotic factors, and functional plant traits. This study aims to compare the performance of CatBoost and Light Gradient Boosting Machine (LightGBM) algorithms in predicting tree seedling survival using a machine learning approach. The dataset, obtained from the Tree Survival Prediction dataset on Kaggle, includes environmental variables, soil interaction factors, and functional traits. The target variable is binary, indicating whether a seedling survives or not. Data preprocessing involved handling missing values, encoding categorical variables, normalization, and model validation using 10-fold cross-validation. Model performance was evaluated using accuracy, precision, recall, F1-score, and Receiver Operating Characteristic Area Under Curve (ROC-AUC). The results show that LightGBM outperforms CatBoost, achieving an accuracy of 0.8456, precision of 0.8718, recall of 0.8553, F1-score of 0.8635, and ROC-AUC of 0.9282. In comparison, CatBoost achieves an accuracy of 0.8223 and ROC-AUC of 0.9132. Feature importance analysis indicates that arbuscular mycorrhizal fungi, phenolics, and lignin are the most influential factors affecting seedling survival. These findings demonstrate that LightGBM is a reliable and efficient model for smart forestry applications, supporting data-driven decision-making and improving reforestation strategies. The model enables simulation of planting scenarios, improving resource efficiency and restoration success rates.

Keywords - CatBoost, LightGBM, Machine Learning, Seedling Survival, Smart Forestry

Analisis Komparatif Algoritma Machine Learning untuk Prediksi Kekambuhan Kanker Payudara Berdasarkan Karakteristik Tumor

Thu, 28 May 2026 00:00:00 +0000

Kanker payudara merupakan salah satu penyebab kematian tertinggi pada perempuan di dunia, di mana tantangan utamanya terletak pada risiko kekambuhan (recurrence). Penelitian ini bertujuan untuk membangun model prediksi kekambuhan kanker payudara dengan membandingkan tiga algoritma machine learning, yaitu Logistic Regression, Decision Tree, dan Random Forest, berdasarkan karakteristik tumor dari dataset METABRIC. Tahapan penelitian meliputi pra-pemrosesan data, seleksi fitur klinis, dan pembagian data dengan rasio 80:20. Hasil evaluasi menunjukkan bahwa Logistic Regression memiliki performa terbaik dalam hal akurasi (0,661) dan ROC-AUC (0,689), sementara Random Forest menunjukkan keunggulan pada metrik recall (0,544) yang krusial untuk deteksi pasien berisiko. Analisis feature importance mengidentifikasi bahwa jumlah mutasi genetik (Mutation Count), Nottingham Prognostic Index (NPI), dan ukuran tumor merupakan faktor paling dominan dalam memprediksi kekambuhan. Penelitian ini menyimpulkan bahwa karakteristik biologis tumor memiliki pengaruh signifikan terhadap risiko kekambuhan dan penggunaan machine learning berpotensi besar menjadi sistem pendukung keputusan klinis untuk stratifikasi risiko pasien secara objektif.

Kata kunci - Kanker Payudara, Kekambuhan, Machine Learning, METABRIC, Karakteristik Tumor

Pengembangan Chatbot WhatsApp Berbasis n8n Untuk Otomatisasi Informasi Kegiatan Ronda Perumahan

Sutriyono Sutriyono, Zaenur Rozikin, Sri Hesti Mahanani — Thu, 28 May 2026 00:00:00 +0000

Informasi kegiatan ronda seperti jadwal ronda, rekap kehadiran, uang jimpitan (uang keamanan) dan denda, dikelola oleh pengurus ronda. Koordinasi dan penyampaian informasi dilakukan lewat grup WhatsApp. Namun berdasarkan hasil observasi dan wawancara yang telah dilakukan, muncul beberapa permasalahan antara lain: penyampaian informasi dan pengingat jadwal ronda masih bergantung kepada pengurus ronda sehingga warga kesulitan dalam memperoleh informasi ronda secara mandiri, cepat, dan real-time. Pengelolaan informasi juga masih dilakukan secara manual menggunakan buku catatan sehingga kurang fleksibel. Adanya masalah tersebut tidak hanya menimbulkan ketergantungan terhadap pengurus ronda, tetapi juga berpotensi menyebabkan keterlambatan dalam penyampaian informasi. Penelitian ini bertujuan untuk mengembangkan chatbot WhatsApp berbasis n8n yang dapat mengotomatisasi pengingat jadwal ronda serta penyampaian dan pengelolaan informasi ronda. Metode pengembangan yang digunakan adalah SDLC model Prototype, membuat pengguna dapat menguji fungsi chatbot lebih awal. Chatbot diintegrasikan dengan Google Sheets sebagai media penyimpanan data dan ChatGPT sebagai mesin pemroses pesannya. Hasil pengujian Black Box Testing menunjukkan bahwa chatbot mampu merespon 236 dari 238 pertanyaan dengan benar. Penelitian ini diharapkan dapat mengatasi permasalahan yang dihadapi, serta mengenalkan sistem otomatisasi di lingkungan Perumahan.

Kata kunci: n8n, Chatbot WhatsApp, Ronda, Perumahan, ChatGPT

Penerapan Finite Element Method (FEM) Persamaan Difusi Pada Ruangan Yang Memiliki Air Conditioner

Thu, 28 May 2026 00:00:00 +0000

Kenyamanan termal merupakan salah satu aspek penting dalam perancangan bangunan karena kondisi suhu berpengaruh langsung terhadap produktivitas dan kenyamanan penghuni ruangan. Salah satu sistem yang umum digunakan untuk mengatur suhu ruangan adalah air conditioner (AC). Namun demikian, distribusi suhu di dalam ruangan tidak langsung menjadi seragam ketika AC dinyalakan. Penelitian ini bertujuan untuk menganalisis distribusi suhu pada ruangan ber-AC menggunakan metode elemen hingga (Finite Element Method). Fenomena fisik dimodelkan menggunakan persamaan panas dua dimensi yang menggambarkan proses difusi suhu terhadap ruang dan waktu. Domain simulasi merepresentasikan denah rumah sederhana yang terdiri dari beberapa ruangan dengan sumber pendingin berada di ruang tengah. Model matematis yang digunakan melibatkan kondisi awal suhu ruangan sebesar 25°C serta kondisi batas yang merepresentasikan sumber pendingin dan dinding ruangan yang terisolasi. Simulasi numerik dilakukan menggunakan perangkat lunak Wolfram Mathematica untuk memperoleh distribusi suhu terhadap waktu. Hasil simulasi menunjukkan bahwa pendinginan awalnya terjadi di sekitar sumber AC kemudian secara bertahap menyebar ke bagian ruangan lainnya. Keberadaan dinding dan sekat ruangan mempengaruhi pola difusi suhu sehingga menghasilkan laju pendinginan yang berbeda pada setiap ruangan. Seiring berjalannya waktu, sistem mendekati kondisi tunak di mana distribusi suhu menjadi lebih seragam. Hasil penelitian ini menunjukkan bahwa metode elemen hingga efektif digunakan untuk memodelkan penyebaran suhu pada ruangan dengan geometri yang kompleks.

Kata Kunci - Distribusi Suhu, Metode Elemen Hingga, Pendingin Ruangan, Persamaan Panas, Simulasi Numerik

Analisis Komponen Utama dan Klasterisasi K-Means pada Data Pengangguran Terbuka Kabupaten/Kota di Provinsi Sulawesi Selatan

Muhammad Hidayatullah, Afif Budi Andy B, Irwan Usman — Thu, 28 May 2026 00:00:00 +0000

Pengangguran terbuka merupakan salah satu permasalahan ketenagakerjaan yang masih menjadi tantangan di Provinsi Sulawesi Selatan, dengan tingkat disparitas yang tinggi antar kabupaten/kota. Penelitian ini bertujuan untuk mengelompokkan 24 kabupaten/kota di Provinsi Sulawesi Selatan berdasarkan pola Tingkat Pengangguran Terbuka (TPT) tahun 2019–2023 menggunakan kombinasi metode Principal Component Analysis (PCA) dan K-Means clustering. Data yang digunakan merupakan data sekunder TPT hasil Survei Angkatan Kerja Nasional (Sakernas) periode Agustus yang bersumber dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Selatan. Analisis PCA dilakukan untuk mereduksi dimensi data dari lima variabel tahun pengamatan menjadi beberapa komponen utama yang saling ortogonal, kemudian skor komponen utama digunakan sebagai input dalam K-Means clustering. Hasil penelitian menunjukkan bahwa 24 kabupaten/kota terbagi ke dalam tiga cluster, yaitu Cluster 1 dengan 13 kabupaten/kota berkategori TPT rendah, Cluster 2 dengan 9 kabupaten/kota berkategori TPT menengah, dan Cluster 3 dengan 2 wilayah yaitu Kota Makassar dan Kota Palopo yang berkategori TPT tinggi. Hasil pengelompokan ini diharapkan dapat menjadi referensi bagi pemerintah daerah dalam merumuskan kebijakan ketenagakerjaan yang tepat sasaran sesuai karakteristik masing-masing wilayah.

Kata Kunci – Clustering, K-Means, Principal Component Analysis, Pengangguran Terbuka, Sulawesi Selatan

Analisis Komparatif Model Random Forest dan XGBoost Berdasarkan Kinerja AUC Pada Fraud Detection

Muthiah As Saidah, Aggry Saputra — Thu, 28 May 2026 00:00:00 +0000

Fraud detection menjadi salah satu tantangan penting dalam sistem informasi modern, khususnya pada transaksi finansial dan digital. Berbagai penelitian telah menunjukkan performa tinggi model Random Forest dan XGBoost, namun sebagian besar evaluasi masih dilakukan pada dataset tertentu dan terbatas pada perbandingan deskriptif. Penelitian ini bertujuan melakukan analisis statistik komparatif lintas studi terhadap performa model Random Forest dan XGBoost berdasarkan nilai Area Under Curve (AUC) pada berbagai domain fraud detection. Penelitian menggunakan data sekunder dari 40 studi terdahulu yang terdiri dari 20 model Random Forest dan 20 model XGBoost. Analisis dilakukan menggunakan statistik deskriptif, uji asumsi, independent samples t-test, Mann-Whitney U test, dan effect size menggunakan Cohen’s d. Hasil penelitian menunjukkan bahwa XGBoost memiliki rata-rata AUC yang sedikit lebih tinggi dibandingkan Random Forest. Namun, hasil uji statistik dan effect size menunjukkan bahwa perbedaan tersebut tidak signifikan secara statistik maupun praktis. Selain itu, Random Forest cenderung menunjukkan performa yang lebih stabil, sedangkan XGBoost lebih sensitif terhadap karakteristik dataset dan konfigurasi model. Penelitian ini menunjukkan bahwa evaluasi performa machine learning lintas studi tidak cukup hanya berdasarkan nilai rata-rata AUC, tetapi juga perlu mempertimbangkan signifikansi statistik, effect size, stabilitas performa, dan heterogenitas antar studi.

Kata Kunci – AUC; Fraud Detection; Machine Learning; Random Forest; XGBoost

Penerapan Standar Internasional Web Content Accessibility Guidelines (WCAG) dalam Perancangan Website Profil Sekolah di MTs Nurul Burhan

Widya Setyaningtyas, Ryan Rizki Adhisa — Thu, 28 May 2026 00:00:00 +0000

Website sekolah telah menjadi media utama dalam penyebaran informasi yang terintegrasi, memungkinkan masyarakat untuk mendapatkan informasi secara cepat, tepat, dan terpusat. Namun, banyak situs web yang masih mengabaikan aksesibilitas, membuat pengguna dengan kebutuhan khusus tidak memiliki pengalaman akses yang optimal. Dengan mengacu standar aksesibilitas internasional Web Content Accessibility Guidelines (WCAG), penelitian ini akan membangun situs profil MTs Nurul Burhan yang inklusif. Metode prototype yang digunakan memungkinkan pengembangan sistem dilakukan secara bertahap berdasarkan tanggapan pengguna. Pengujian sistem termasuk validasi ahli media, uji fungsional menggunakan Blackbox Testing, uji aksesibilitas menggunakan tools WAVE dan AChecker, dan uji usability menggunakan metode System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa seluruh halaman web tidak memiliki kesalahan atau masalah yang diketahui menggunakan alat pengujian otomatis, namun beberapa komponen masih memerlukan evaluasi manual. Selain itu, semua proses sistem beroperasi dengan tingkat keberhasilan 100%. Hasil validasi ahli media menunjukkan kategori yang sangat layak, dan skor SUS 80 menunjukkan kemudahan penggunaan yang baik.

Kata Kunci - Website Sekolah, Aksesibilitas Website, WCAG

Deteksi Multi-Objek Huruf Hijaiyah Tulisan Tangan Anak Menggunakan YOLOv11s

Rina Zakiyatun Niza, Akhmad Fadjeri — Thu, 28 May 2026 00:00:00 +0000

Masa usia dini merupakan tahap penting dalam pembelajaran membaca Al-Qur’an, khususnya dalam mengenal huruf hijaiyah. Namun, variasi tulisan tangan anak-anak serta kemiripan visual antarhuruf hijaiyah menjadikan proses identifikasi lebih menantang, terutama pada skenario multi-objek dalam satu gambar. Penelitian ini bertujuan untuk mengembangkan sistem deteksi multi-objek secara real-time untuk huruf hijaiyah tulisan tangan anak usia dini menggunakan algoritma YOLOv11s dalam aplikasi berbasis web. Dataset terdiri dari 429 gambar tulisan tangan asli yang memuat lebih dari 3.250 objek huruf beranotasi dalam 20 kelas. Setelah proses preprocessing dan augmentasi data, dataset yang digunakan untuk pelatihan meningkat menjadi 732 gambar, yang dikumpulkan dari siswa usia 4–6 tahun di MDT Ula Addiya Kuwayuhan. Model dilatih menggunakan pendekatan object detection dengan anotasi bounding box dan dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil eksperimen menunjukkan bahwa model mencapai nilai precision sebesar 0,867, recall sebesar 0,831, mAP@0.5 sebesar 0,903, dan mAP@0.5:0.95 sebesar 0,700, dengan kecepatan inferensi sekitar 80 FPS. Sistem yang diimplementasikan mampu mendeteksi beberapa huruf hijaiyah secara simultan pada kondisi tulisan tangan yang tidak terstruktur secara real-time. Kontribusi utama penelitian ini terletak pada penerapan YOLOv11s untuk deteksi multi-objek huruf hijaiyah tulisan tangan anak usia dini dengan variasi visual yang tinggi, yang diintegrasikan ke dalam sistem berbasis web secara real-time dan dilengkapi fitur Text-to-Speech (TTS) sebagai media pembelajaran interaktif.

Kata Kunci — deteksi objek, huruf hijaiyah, multi-objek, tulisan tangan, pembelajaran interaktif, YOLOv11s.

Penilaian Harga Opsi Put Saham NVIDIA Menggunakan Model Black–Scholes dan LSTM

Rifky Miftaqul Ilmi, Ramdhan Fazrianto Suwarman, Lita Wulandari Aeli — Thu, 28 May 2026 00:00:00 +0000

Saham NVIDIA dalam beberapa tahun terakhir mengalami pertumbuhan laba dan volatilitas harga yang cukup tinggi. Volatilitas ini dapat menimbulkan risiko kerugian akibat penurunan harga saham. Oleh karena itu, diperlukan instrumen lindung nilai, salah satunya adalah opsi put. Opsi put merupakan instrumen derivatif yang memberikan hak kepada pemegangnya untuk menjual aset yang mendasarinya pada harga tertentu dalam periode tertentu. Tujuan penelitian ini adalah menganalisis penilaian harga opsi put saham NVIDIA menggunakan model Black–Scholes dan LSTM. Data yang digunakan berupa histori kuotasi opsi harian pada periode 2022–2023. Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi yang lebih unggul dengan RMSE sebesar 5.100 dan MAE sebesar 3.079, dibanding dengan model Black–Scholes yang menghasilkan RMSE sebesar 7.303 dan MAE sebesar 3.656. Berdasarkan waktu jatuh tempo, model Black–Scholes lebih unggul pada opsi dengan jatuh tempo kurang dari tiga bulan, sedangkan model LSTM lebih unggul pada opsi dengan jatuh tempo lebih dari tiga bulan. Perbedaan tersebut dipengaruhi oleh penyimpangan asumsi normalitas log return pada model Black–Scholes dan pendekatan bergulir yang mempu menjaga kestabilan akurasi penilaian pada model LSTM. Penelitian ini diharapkan dapat menjadi referensi dalam pemilihan model penentuan harga opsi put untuk mendukung strategi lindung nilai.

Kata Kunci - Opsi Put, Black–Scholes, LSTM, pengelolaan risiko, NVIDIA

Prototype Development of RFID-Based Truck Load Data Collection Tool with Smart Calibration and HMI Methods

Muhammad Erik Ardiansyah, Denny Irawan — Thu, 28 May 2026 00:00:00 +0000

With the advancement of technology, humans are also required to adapt to these advancements. The industrial sector is one sector significantly impacted by this technological development, from increasingly sophisticated production machines to increasingly flexible attendance systems for employees. However, amidst this technological advancement, the author found several aspects impractical in its application. One example is the use of paper documents for loading and unloading trucks. The use of paper documents can complicate the loading and unloading process, as paper documents have several weaknesses, such as water fading, tearing, forgery, and other weaknesses not included in this study. Based on these issues, the researcher taking the initiative to create a prototype of an RFID-based truck load data collection tool with smart calibration and HMI that facilitates truck drivers and warehouse personnel in the loading and unloading process. The system researcher designed consists of an RFID sensor connected to an Haiwell Scada.

Keywords - Paper, RFID, Prototype, smart calibration, HMI, Truck

Design and Performance Evaluation of an Arduino-Based Vacuum Carbon Cleaner for Gasoline Engines

Arie Sebastian Pangemanan, Luki Widianto, Reson Wibowo — Thu, 28 May 2026 00:00:00 +0000

This study addresses the degradation of gasoline engine performance caused by carbon deposit accumulation in the combustion chamber. The objective of this research is to design and evaluate the performance of an Arduino-based vacuum carbon cleaner device. A quantitative experimental method was employed to analyze the effectiveness of suction systems and monitoring sensors, including a Type-K thermocouple and DC voltage sensor. The system integrates a 12V DC pump and a pneumatic vacuum valve as suction mechanisms. The Arduino microcontroller functions as the central automation unit that processes sensor readings, monitors engine temperature and voltage conditions, and controls the suction operation automatically based on predefined parameters. The developed device has dimensions of 40 × 28 cm, a tank weight of 2.45 kg, and a volume of 2,628.76 cm³, allowing approximately 26 suction cycles per operation. Experimental results show that the fastest engine warm-up occurs at 2500 RPM with an average time of 5.18 minutes. The optimal reaction time for carbon cleaning fluid is 10 minutes. The DC pump demonstrates faster suction performance (11.77 s) compared to the pneumatic valve (14.21 s at 6 bar), although it requires stable voltage conditions. These findings indicate that the developed system is effective in supporting combustion chamber maintenance through an Arduino-based automation mechanism, but requires further optimization in energy efficiency and suction performance.

Keywords -Vacuum Carbon Cleaner, Arduino, DC Pump, Combustion Chamber, Engine Maintenance

Optimasi Rute Pengambilan Bantuan Sosial Lazismu Menggunakan Algoritma Genetika Travelling Salesman Problem

Iskandar Hadiatma, Rachmat Wahid Saleh Insani, Asrul Abdullah — Thu, 28 May 2026 00:00:00 +0000

Lembaga Amil Zakat, Infaq, dan Sadaqah Muhammadiyah (Lazismu) di Pontianak Tenggara menghadapi kendala operasional dalam pengambilan donasi dari kotak infaq yang tersebar di berbagai lokasi. Proses penentuan rute yang belum optimal menyebabkan inefisiensi dari segi waktu dan biaya bahan bakar. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan Algoritma Genetika untuk menyelesaikan Travelling Salesman Problem (TSP), guna menemukan rute terpendek untuk mengunjungi seluruh titik donasi. Sistem optimasi ini dibangun dalam bentuk aplikasi berbasis website menggunakan kerangka kerja Laravel untuk proses backend dan pustaka LeafletJS untuk visualisasi peta interaktif. Metode pengembangan sistem yang digunakan adalah model Waterfall, yang mencakup tahapan analisis kebutuhan, perancangan, implementasi, dan pengujian. Pengujian sistem dilakukan dengan metode Black Box Testing dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa Algoritma Genetika berhasil mengoptimalkan rute pengambilan donasi. Pada studi kasus dengan 18 titik lokasi, rute yang dihasilkan sistem adalah 19.79 km, lebih efisien 7.57 km dibandingkan rute manual sebelumnya (27.36 km). Hasil pengujian UAT oleh staf Lazismu mencapai persentase penerimaan 94%, yang menunjukkan bahwa aplikasi yang dikembangkan sangat bermanfaat, mudah digunakan, dan sesuai dengan kebutuhan operasional.

Kata kunci – Algoritma Genetika, Lazismu, Optimasi Rute, Travelling Salesman Problem.

Perbandingan Model Deep Learning MobileNetV2, VGG19, InceptionV3, dan ResNet50 untuk Identifikasi Gambar Lukis Ciptaan Manusia dan AI

M. Bahrul Subkhi, Akbar Wariskia — Thu, 28 May 2026 00:00:00 +0000

Penelitian ini bertujuan untuk membandingkan efektivitas empat model deep learning—MobileNetV2, VGG19, InceptionV3, dan ResNet50—dalam membedakan antara gambar yang dihasilkan oleh kecerdasan buatan (AI) dan karya seni manusia. Keempat model ini diuji menggunakan dataset gambar yang terdiri dari dua kategori: AI-generated images dan human-generated images. Masing-masing model dilatih selama 30 epoch, dengan evaluasi menggunakan metrik akurasi dan kerugian untuk menilai kinerja pelatihan dan kemampuan generalisasi pada data validasi. Hasil penelitian menunjukkan bahwa MobileNetV2 mencapai akurasi pelatihan tertinggi (91,01%) dengan efisiensi waktu pelatihan yang lebih cepat, sementara InceptionV3 memberikan hasil akurasi yang hampir setara (90,13%) meskipun memerlukan lebih banyak waktu pelatihan. VGG19 dan ResNet50, meskipun memberikan hasil yang solid, mengalami konvergensi yang lebih lambat dan memerlukan lebih banyak sumber daya komputasi. Penurunan kerugian yang signifikan pada MobileNetV2 dan InceptionV3 menunjukkan kemampuan optimasi yang lebih baik dibandingkan dengan VGG19 dan ResNet50. Berdasarkan hasil tersebut, MobileNetV2 terbukti sebagai model yang paling efisien untuk aplikasi dengan keterbatasan sumber daya komputasi, sementara InceptionV3 lebih cocok untuk aplikasi yang memprioritaskan akurasi tinggi. Penelitian ini memberikan kontribusi terhadap pengembangan teknologi deteksi karya seni berbasis AI yang efisien dan akurat, serta membuka peluang untuk penelitian lanjutan dalam optimasi model deep learning untuk aplikasi yang lebih luas.

Kata kunci - Deteksi seni buatan AI , MobileNetV2, VGG19, InceptionV3, dan ResNet50

Klasifikasi Tingkat Kecanduan Media Sosial Mahasiswa Menggunakan Algoritma KNN

Daniela Ardiansyah, Dewi Yanti Arne, Putria Ningsih — Thu, 28 May 2026 00:00:00 +0000

Keterlibatan mahasiswa dengan media sosial telah meningkat secara signifikan dan kini menjadi aktivitas sehari-hari mereka. Namun, penggunaan berlebihan dan keterlibatan yang tidak menentu dapat mengakibatkan beberapa dampak negatif, seperti berkurangnya fokus saat belajar dan kualitas tidur yang buruk. Hal ini menyoroti pentingnya strategi yang dapat secara objektif menilai tingkat ketergantungan media sosial. Pendekatan ini menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengkategorikan tingkat kecanduan di kalangan mahasiswa berdasarkan karakteristik data yang sama. Data yang digunakan berasal dari sumber sekunder di Kaggle, yang menampilkan variabel seperti waktu penggunaan, frekuensi akses, kualitas tidur, dan tingkat perhatian selama sesi belajar. Metodologi ini mencakup langkah-langkah seperti pembersihan data, normalisasi melalui teknik StandarScaler (Z-Score Standardization), membagi data menjadi set pelatihan dan pengujian, dan klasifikasi menggunakan berbagai skenario nilai K. Temuan menunjukkan bahwa metode yang digunakan mencapai hasil klasifikasi yang cukup andal dalam menilai tingkat kecanduan mahasiswa terhadap platform media sosial. Hasil ini menekankan bahwa pendekatan yang berfokus pada data dapat berfungsi sebagai dasar untuk memahami dan mengatasi efek negatif yang terkait dengan penggunaan media daring.

Kata Kunci - Kecanduan Media Sosial, Mahasiswa, Klasifikasi Data, K-Nearest Neighbor, Analisis Data

Prediksi dan Analisis Faktor Putus Studi Mahasiswa dengan Machine Learning pada Perguruan Tinggi Swasta

Luvia Friska Narulita — Thu, 28 May 2026 00:00:00 +0000

Putus studi mahasiswa masih menjadi salah satu permasalahan yang dihadapi oleh perguruan tinggi swasta karena dapat mempengaruhi kualitas akademik dan keberlangsungan institusi. Risiko putus studi mahasiswa perlu dideteksi sejak awal agar intervensi akademik dapat dilakukan secara lebih cepat dan tepat. Penelitian ini menggunakan pendekatan Educational Data Mining untuk memprediksi putus studi mahasiswa serta mengidentifikasi faktor-faktor yang berkontribusi terhadap risiko putus studi. Data penelitian diperoleh dari sistem informasi akademik pada salah satu perguruan tinggi swasta di Jawa Timur dengan total sebanyak 4.730 data mahasiswa. Variabel yang digunakan meliputi Indeks Prestasi Semester 1 (IPS1), Indeks Prestasi Semester 2 (IPS2), jumlah SKS yang diambil, frekuensi cuti, dan tren IPS. Penelitian menggunakan dua algoritma klasifikasi, yaitu Decision Tree dan Logistic Regression. Hasil penelitian menunjukkan bahwa model Decision Tree menghasilkan performa yang lebih baik dibandingkan Logistic Regression dengan tingkat accuracy sebesar 76,56% dan recall sebesar 82% dalam mendeteksi mahasiswa putus studi, sedangkan Logistic Regression menghasilkan accuracy sebesar 64,52% dengan recall sebesar 73%. Hasil analisis feature importancemenunjukkan bahwa jumlah SKS dan IPS semester pertama merupakan faktor yang paling dominan dalam klasifikasi putus studi, sedangkan tren IPS memberikan kontribusi tambahan yang relatif lebih kecil. Temuan penelitian menunjukkan bahwa data akademik awal mahasiswa dapat dimanfaatkan untuk mendukung sistem early warning dalam mengidentifikasi mahasiswa berisiko putus studi secara lebih dini.

Kata kunci: putus studi, educational data mining, decision tree, logistic regression, prediksi mahasiswa

Aplikasi Rekomendasi Busana Wanita Berbasis CNN Dan Content-Based Image Retrieval

Kaifa Anhar Assajdah, Hery Kristianto — Thu, 28 May 2026 00:00:00 +0000

Proses pemilihan desain busana secara manual pada layanan penjahitan kerap tidak efisien dan mengandung subjektivitas tinggi, sehingga pelanggan kesulitan mendapatkan rekomendasi yang sesuai dengan preferensi visual dan karakteristik tubuh mereka. Penelitian ini mengembangkan sebuah sistem rekomendasi busana wanita berbasis Android yang mengintegrasikan convolutional neural network (CNN) dan content‑based image retrieval (CBIR). Arsitektur ResNet50 digunakan untuk mengklasifikasi kategori pakaian (dress, atasan, bawahan) sekaligus mengekstraksi fitur visual menjadi vektor embedding 256 dimensi. Kemiripan antar citra dihitung dengan metode cosine similarity, kemudian hasil rekomendasi disaring berdasarkan kategori pakaian dan tipe tubuh pengguna (kurus, sedang, gemuk). Sistem dibangun dengan arsitektur client‑server: antarmuka Android berupa WebView dan server berbasis Flask. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi 98,44%, presisi 98,46%, recall 98,44%, dan F1‑score 98,45%. Sistem rekomendasi menghasilkan nilai kemiripan tertinggi 0,86, serta precision@5 = 0,87 dan recall@5 = 0,82. Berdasarkan evaluasi pakar terhadap kesesuaian bentuk tubuh dan estetika, sistem memperoleh rata‑rata skor di atas 4 dari skala 5. Dengan demikian, sistem ini terbukti mampu memberikan rekomendasi busana yang relevan, objektif, dan efisien untuk mendukung proses pemilihan pakaian pada usaha jahit lokal.

Kata kunci: CNN, CBIR, cosine similarity, rekomendasi busana, ResNet50.

Sistem Monitoring dan Analisis Real-Time Kualitas Air pada Budidaya Ikan Mujair Berbasis IoT

Muhammad Makmun Effendi, Ermanto Ermanto , Ahmad Turmudi Zy, Arif Siswandi — Thu, 28 May 2026 00:00:00 +0000

Kualitas air merupakan faktor utama yang mempengaruhi keberhasilan budidaya ikan mujair. Pemantauan kualitas air secara konvensional memiliki keterbatasan dalam hal akurasi dan kecepatan respon terhadap perubahan kondisi lingkungan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kualitas air berbasis Internet of Things (IoT) yang mampu melakukan pemantauan secara real-time. Sistem yang dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor pH, suhu (DS18B20), Total Dissolved Solids (TDS), dan kekeruhan. Data hasil pengukuran dikirimkan melalui jaringan WiFi ke aplikasi Blynk untuk ditampilkan secara real-time. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi yang baik dengan kesalahan pengukuran kurang dari 5% dibandingkan alat ukur standar. Selain itu, sistem mampu mengirimkan data dengan waktu respon rata-rata 1–2 detik tanpa mengalami kehilangan data. Sistem ini juga dilengkapi dengan fitur notifikasi untuk memberikan peringatan dini apabila terjadi perubahan kualitas air di luar batas normal. Dengan demikian, sistem yang dikembangkan dapat membantu meningkatkan efektivitas dan efisiensi dalam pengelolaan budidaya ikan mujair.

Kata kunci: Internet of Things, kualitas air, monitoring real-time, ESP32, budidaya ikan mujair

Automatic Air Quality Detection System Design in the Industrial Area

Thu, 28 May 2026 00:00:00 +0000

The industrial sector is an essential component of the economic structure. A large number of current enterprises degrade air quality in the environment as a result of chemical exposure. As a result, an air quality detection system was designed with the purpose of monitoring air pollutant levels, temperature, and humidity. The system is immediately integrated with smartphones via the Internet of Things. Carbon dioxide (CO₂) and carbon monoxide (CO) levels are measured using a MQ-135 sensor. Temperature and humidity are measured using DHT-11 sensors. The complete system is controlled by a NodeMCU ESP8266 connected to an Arduino. Data was collected from two industries using an IoT-based system for a continuous 24-hour cycle over seven days to capture real-time daily fluctuation trends. The continuous 7-day monitoring reveals a clear daily fluctuation trend synchronized with factory shifts, peaking between 12:00 and 14:00 WIB. Dutatex exhibits a higher pollutant load (peak CO₂: 820–850 ppm; CO: 8–9 ppm) than Bimatex (peak CO₂: 620–650 ppm; CO: 5–6 ppm), while both facilities successfully maintain peak temperatures below 33.0°C. These empirical results demonstrate that continuous 24-hour data acquisition provides a highly accurate and comprehensive assessment for monitoring industrial air quality and occupational health.

Keywords - Air Quality, NodeMCU ESP8266, IoT, MQ-135, Arduino.

Android Based Li-Ion Battery BMS Protection

Erisika Dian Samudra, Denny Irawan — Thu, 28 May 2026 00:00:00 +0000

Along with the growing demand for energy in portable devices and modern energy storage systems, lithium-ion (Li-Ion) batteries have become one of the primary solutions due to their high energy density, efficiency, and long cycle life. However, this type of battery is highly sensitive to conditions such as overcharging, over-discharging, high temperature, and voltage imbalance between cells, which can significantly reduce performance and lifespan. To address these issues, an intelligent monitoring and protection system known as the Battery Management System (BMS) is required. In this study, an integrated IoT-based monitoring system using the Blynk platform was developed to enhance the BMS monitoring functionality for Li-Ion 18650 battery packs in real-time and remotely. The proposed system utilizes an ESP32 microcontroller as the main controller connected to current, voltage, and temperature sensors. The measurement data are transmitted via Wi-Fi to the Blynk Cloud server and displayed through the Blynk IoT mobile dashboard. This research adopts an experimental and implementation approach. The developed system successfully monitored voltage, current, temperature, and SoC in real time through the Blynk IoT platform while executing automatic protection under abnormal conditions.

Keywords - Battery Management System, Li-Ion 18650, Internet of Things, ESP32, Blynk IoT