Katalog Program Studi: Teknik Informatika (S1)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Program Studi: Teknik Informatika (S1)
Menampilkan 15 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI SISTEM PEMBERI PAKAN IKAN BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT
Penulis: Juan samijan, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penelitian ini membahas implementasi sistem pemberi pakan ikan berbasis Internet of Things (IoT) di Taman KRL menggunakan metode Rapid Application Development (RAD). Permasalahan yang dihadapi adalah pemberian pakan masih bergantung pada waktu luang pengelola sehingga jadwal dan takaran pakan belum konsisten. Sistem dikembangkan menggunakan ESP32 sebagai pengendali utama yang terintegrasi dengan Firebase Realtime Database dan dashboard berbasis React.js. Perangkat dilengkapi dengan sensor ultrasonik HC-SR04 untuk memantau ketersediaan pakan, sensor DHT11 untuk memantau suhu dan kelembapan, sensor LDR untuk mendeteksi intensitas cahaya, serta panel surya yang terintegrasi dengan baterai sebagai sumber catu daya mandiri. Metode penelitian dilakukan melalui observasi, wawancara, studi pustaka, serta pengembangan sistem menggunakan tahapan Rapid Application Development (RAD). Hasil penelitian menunjukkan bahwa sistem dapat menjalankan pemberian pakan sesuai jadwal yang telah ditentukan, menampilkan informasi kondisi perangkat dan lingkungan, serta menyajikan data monitoring melalui dashboard berbasis web.
#ESP32
#Dashboard Web
#Internet of Things
#Pemberi Pakan Ikan
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM MONITORING SUHU KULKAS DISPLAY BERBASIS INTERNET OF THINGS DENGAN METODE PROTOTYPE PADA METROPOLITAN MALL
Penulis: Yuli dhea mujianti, RIKA APRIANI, S.Kom., M.Kom. |
2026
Kulkas display di toko ritel sering mengalami masalah fluktuasi suhu yang tidak terpantau karena pengawasan masih dilakukan secara manual oleh petugas. Keterlambatan dalam mendeteksi perubahan suhu atau pintu yang tidak tertutup rapat dapat menyebabkan kerusakan pada produk makanan dan minuman. Kondisi tersebut menunjukkan pentingnya sistem monitoring yang mampu melakukan pengawasan secara real-time dan memberikan peringatan dini agar tindakan penanganan dapat segera dilakukan. Penelitian ini bertujuan merancang sistem monitoring suhu otomatis yang bekerja 24 jam menggunakan mikrokontroler ESP32 dan sensor suhu DS18B20. Alat ini juga dilengkapi sensor Magnetic Switch untuk mendeteksi status pintu kulkas. Sistem dirancang untuk membaca suhu setiap 5 menit. Jika suhu melebihi batas aman (di atas 8°C) atau pintu terbuka terlalu lama, alat akan mengaktifkan alarm buzzer dan mengirim notifikasi peringatan ke smartphone pengelola melalui aplikasi Telegram dan Blynk. Metode pengembangan menggunakan prototype, mulai dari perakitan alat hingga pengujian langsung pada unit kulkas. Pengujian dilakukan menggunakan metode black box testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan rancangan. Hasil pengujian menunjukkan alat mampu memantau suhu secara real-time dan memberikan peringatan dini kepada pengelola, sehingga risiko kerusakan produk dapat diminimalkan tanpa perlu pengecekan fisik secara terus-menerus. Sistem yang dikembangkan diharapkan dapat membantu meningkatkan efektivitas proses monitoring suhu kulkas display di lingkungan ritel memberikan peringatan dini kepada peneglola, sehingga Risiko kerusakan produk dapat diminimalisirkan tanpa perlu pengecekkan fisik terus menerus.
#Internet Of Things
#prototype
#Monitoring Suhu
#Kulkas Display
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DETEKSI DINI STUNTING MENGGUNAKAN METODE NAIVE BAYES DI RUMAH SAKIT ASSALAM CIBINONG
Penulis: Hanif Luqmanul Hakim, RIKA APRIANI, S.Kom., M.Kom. |
2026
Hanif Luqmanul Hakim (2022310035) Sistem Pakar Deteksi Dini Stunting Menggunakan Metode Naive Bayes di Rumah Sakit Assalam Cibinong Stunting merupakan masalah gizi kronis yang menjadi prioritas nasional di Indonesia, namun proses deteksi dini di Rumah Sakit Assalam Cibinong masih dilakukan secara manual sehingga waktu pelayanan tenaga kesehatan menjadi lambat dan orang tua pasien tidak memiliki sarana mandiri untuk memantau pertumbuhan anak. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web yang dapat mempercepat deteksi dini stunting pada anak usia 0-60 bulan bagi tenaga kesehatan sekaligus memberikan akses pemantauan mandiri bagi orang tua pasien. Sistem dikembangkan dengan model Prototype menggunakan bahasa PHP dan mengadopsi pendekatan hybrid, yaitu algoritma Naive Bayes untuk indeks PB/TB-U serta Rule Based System untuk indeks BB/U dan BB/PB-TB sesuai standar Permenkes RI Nomor 2 Tahun 2020 dengan dataset 378 catatan rekam medis tervalidasi. Pengujian dilakukan melalui Black Box Testing, 10-Fold Cross Validation, dan User Acceptance Testing. Hasil menunjukkan akurasi Naive Bayes 76,72% (76,18% pada 10-Fold CV), konsistensi Rule Based System 100%, dan UAT memperoleh persentase kelayakan 96,5% (kategori Sangat Baik). Sistem terbukti dapat mempersingkat proses penilaian status gizi anak oleh tenaga kesehatan sekaligus memberikan akses skrining mandiri bagi orang tua pasien.
#Sistem Pakar
#Deteksi Dini Stunting
#Naive Bayes
#Rule Based System
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Perancangan Sistem Monitoring Ketersediaan Meja Coffee Shop Berbasis Computer Vision Menggunakan YOLOv8
Penulis: Muhammad Ilham Syawal Sanusi, Jafar Shadiq, S.Kom. M.Kom |
2026
Perkembangan sektor Food and Beverages di Indonesia mendorong Coffee shop untuk memberikan pelayanan yang cepat dan efisien. Namun, di Naluri Kopi Bojong Gede, proses pemantauan ketersediaan meja masih dilakukan secara manual oleh petugas, sehingga membutuhkan waktu dan berpotensi menimbulkan keterlambatan dalam memberikan informasi kepada pelanggan, terutama pada jam sibuk. Penelitian ini bertujuan merancang sistem monitoring okupansi meja yang mampu memberikan informasi ketersediaan meja secara real-time, serta mengimplementasikan teknologi Deep Learning dan Computer Vision menggunakan algoritma YOLOv8n untuk mendeteksi status meja kosong dan terisi secara otomatis. Penelitian ini menggunakan model pengembangan Rapid Application Development (RAD) yang terdiri atas tahap Requirements Planning, User Design, Construction, dan Cutover. Model YOLOv8n pretrained berbasis dataset MS COCO digunakan untuk mendeteksi objek person pada area meja yang telah dikalibrasi (Region of Interest), kemudian dipadukan dengan mekanisme Temporal Filtering untuk menentukan status meja available atau occupied yang ditampilkan pada dashboard monitoring berbasis web. Kontribusi penelitian ini adalah tersedianya solusi otomatisasi pemantauan meja tanpa memerlukan pelatihan model tambahan. Hasil pengujian fungsional menggunakan Black Box Testing menunjukkan seluruh 12 skenario pengujian berjalan valid. Pengujian akurasi terhadap 300 data menghasilkan nilai Accuracy sebesar 89,00%, Precision sebesar 88,67%, Recall sebesar 90,38%, dan F1-Score sebesar 89,52%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa sistem monitoring okupansi meja berbasis YOLOv8n mampu mendeteksi status ketersediaan meja secara real-time dengan tingkat ketepatan yang baik, sehingga dapat membantu petugas mengurangi pengecekan manual dan meningkatkan efisiensi pelayanan pada Coffee shop.
#Computer Vision
#Deep Learning
#YOLOv8n
#Monitoring Okupansi Meja
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENGEMBANGAN TIMBANGAN DIGITAL UNTUK IDENTIFIKASI JENIS BUAH MENGGUNAKAN ALGORITMA YOLOv8 BERBASIS VIRTUAL PRIVATE SERVER
Penulis: Tiana Ramdani, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Tiana Ramdani (2022310058) Pengembangan Timbangan Digital untuk Identifikasi Jenis Buah Menggunakan Algoritma YOLOv8 Berbasis Virtual Private Server PT Interskala Mandiri Indonesia selama ini masih mengandalkan input kode Price Look Up (PLU) melalui keypad pada proses penimbangan digital, yang mana cara tersebut kerap memunculkan kesalahan manusia dan menurunkan efisiensi kerja secara keseluruhan. Berangkat dari permasalahan tersebut, penelitian ini bertujuan merancang timbangan digital berbasis AIoT yang mampu mendeteksi jenis buah secara otomatis dengan memanfaatkan algoritma YOLOv8, sekaligus memusatkan pengelolaan data melalui Virtual Private Server (VPS). Proses penelitian dan pengembangannya mengacu pada model ADDIE. Dari sisi perangkat keras, sistem ini dibangun menggunakan mikrokontroler ESP32 NodeMCU-32S, ESP32-S3 CAM sebagai modul pengambilan gambar, serta load cell yang dikombinasikan dengan modul HX711 untuk menghasilkan pengukuran berat yang presisi. Model YOLOv8 dilatih menggunakan lima kelas buah, yakni apel fuji, jeruk, lemon, pir century, dan buah naga, kemudian dideploy pada backend VPS melalui Flask API. Untuk pencetakan struk, sistem terhubung ke printer termal Bluetooth T3 menggunakan perangkat lunak RawBT, sementara pemantauan monitoring dilakukan lewat dasboard berbasis React.js. Pada tahap pengujian, model YOLOv8 mampu mencapai performa deteksi real-time yang sangat baik, dengan nilai mAP@50 sebesar 99,5%, presisi 99,97%, recall 100%, dan F1-score 100%. Di sisi lain, sensor load cell memberikan tingkat akurasi 99,74% dengan toleransi kesalahan 0,26%. Bila diimplementasikan secara penuh, inovasi AIoT ini diyakini dapat menghapus kebutuhan input PLU secara manual, mengelola penimbangan secara terpusat, dan sekaligus menjadi solusi modernisasi timbangan digital bagi industri ritel.
#AIoT
#Deteksi Objek
#Timbangan Digital
#Virtual Private Server
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN PADA PERANGKAT SMARTPHONE BERBASIS ANDROID MENGGUNAKAN METODE FORWARD CHAINING
Penulis: Dhivan Asda Kurnianto, DWI ISMIYANA PUTRI, M.M.S.I. |
2026
Meningkatnya penggunaan *smartphone* berbasis Android berdampak pada meningkatnya kebutuhan layanan perbaikan perangkat. Pada Konter Alfa Cell Randan Batu, proses diagnosis masih dilakukan secara manual berdasarkan pengalaman teknisi dan informasi gejala dari pengguna, sehingga membutuhkan waktu relatif lama dan berpotensi menimbulkan ketidakkonsistenan diagnosis. Penelitian ini bertujuan membangun sistem pakar untuk membantu diagnosis awal kerusakan *smartphone* Android secara lebih cepat, efisien, akurat, dan konsisten. Pengembangan sistem menggunakan metode *Prototype*, dengan pengumpulan data melalui observasi, wawancara, dan studi pustaka. Sistem dikembangkan berbasis web menggunakan PHP, MySQL, XAMPP, dan Bootstrap serta menerapkan metode *Forward chaining* sebagai mesin inferensi. Basis pengetahuan terdiri atas 37 gejala, 13 kategori kerusakan, 13 rekomendasi solusi, dan 13 aturan diagnosis menggunakan struktur IF–THEN dengan operator OR. Evaluasi terhadap 13 kasus menunjukkan seluruh hasil diagnosis sistem sesuai dengan validasi teknisi, sedangkan *Black-box Testing* menunjukkan seluruh fitur berjalan sesuai kebutuhan. Uji coba terhadap 30 responden memperoleh nilai rata-rata 4,41 dengan persentase 88,10% dan interpretasi sangat setuju. Dengan demikian, sistem dapat membantu diagnosis awal secara lebih terstruktur dan konsisten, mempercepat proses diagnosis, serta memberikan rekomendasi penanganan berdasarkan gejala yang dipilih. Hasil diagnosis tetap perlu dikonfirmasi oleh teknisi melalui pemeriksaan perangkat secara langsung.
#Diagnosis Kerusakan
#Forward chaining
#Prototipe
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSIS HAMA DAN PENYAKIT TANAMAN PADI MENGGUNAKAN METODE TEOREMA BAYES PADA BPP CIBARUSAH
Penulis: Rini Sukma Ayu, Dwi Ismiyana Putri, M.M.S.I |
2026
Padi merupakan salah satu tanaman pangan utama di Indonesia dan memainkan peran penting dalam memenuhi kebutuhan pangan masyarakat. Namun, produksi padi rentan mengalami penurunan akibat serangan Organisme Pengganggu Tumbuhan (OPT) berupa hama dan penyakit yang menyerang tanaman padi. Di Balai Penyuluhan Pertanian (BPP) Kecamatan Cibarusah, jumlah Petugas Pengendali Organisme Pengganggu Tumbuhan (POPT) masih terbatas dibandingkan dengan luasnya wilayah kerja serta pengetahuan petani mengenai gejala dan penanganan OPT juga masih terbatas sehingga menyebabkan layanan konsultasi belum dapat menjangkau seluruh petani secara optimal. Penelitian ini bertujuan mengembangkan sistem pakar diagnosis OPT pada tanaman padi berbasis website menggunakan metode Teorema Bayes untuk membantu petani memperoleh diagnosis awal beserta rekomendasi penanganan. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah Rapid Application Development (RAD). Basis pengetahuan diperoleh melalui observasi, wawancara dengan pakar OPT di BPP Cibarusah, POPT Penyelia BBPOPT, serta studi pustaka. Pengujian sistem dilakukan melalui validasi pakar, Black Box Testing, dan User Acceptance Testing (UAT). Hasil penelitian menunjukkan bahwa sistem pakar berhasil dikembangkan dan mampu memberikan diagnosis awal berdasarkan gejala yang dipilih pengguna. Hasil validasi menunjukkan tingkat kesesuaian diagnosis sistem terhadap diagnosis pakar mencapai 100%. Selain itu, hasil Black Box Testing memperoleh tingkat keberhasilan sebesar 96,88%, sedangkan User Acceptance Testing (UAT) memperoleh nilai kelayakan sebesar 82,16% dengan kategori sangat layak berdasarkan skala Likert. Hasil tersebut menunjukkan bahwa sistem yang dikembangkan telah berfungsi sesuai kebutuhan serta dapat dimanfaatkan sebagai alat bantu diagnosis awal Organisme Pengganggu Tumbuhan (OPT) pada tanaman padi.
#Diagnosis OPT
#Sistem Pakar
#Teorema Bayes
#Tanaman Padi
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PERANCANGAN KIPAS ANGIN OTOMATIS BERBASIS SENSOR SUHU MENGGUNAKAN INTERNET OF THINGS
Penulis: Muhammad Daffa, SUMARDIONO, S.Kom., M.Kom. |
2026
Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak, memanfaatkan mikrokontroler Arduino, sensor suhu DHT11, relay, modul LCD I2C, dan kipas angin 12 volt. Hasil pengujian menunjukkan bahwa sistem yang dirancang berhasil mendeteksi suhu dengan akurat; relay secara otomatis menghidupkan kipas ketika suhu mencapai batas tertentu, sementara data pemantauan suhu berhasil ditampilkan secara lokal pada LCD dengan lancar. Untuk pengembangan penelitian selanjutnya, sistem ini diharapkan dapat dilengkapi dengan fitur pengatur kecepatan putaran kipas penambahan sensor kelembaban, serta integrasi kontrol penuh.
#Penelitian ini dilatarbelakangi oleh permasalahan pada penggunaan kipas angin konvensional yang kurang efisien karena pengguna harus mengatur perangkat secara manual tanpa adanya penyesuaian otomatis terhadap perubahan suhu ruangan. Tujuan dari penelitian ini adalah merancang dan membangun kipas angin otomatis berbasis Internet of Things (IoT) yang dapat menyesuaikan kinerjanya berdasarkan suhu sekitar Metode yang digunakan dalam penelitian ini adalah eksperimental melalui pendekatan rekayasa perangkat keras dan perangkat lunak
#memanfaatkan mikrokontroler Arduino
#sensor suhu DHT11
#relay
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK ANALISIS INVENTORY ATK PADA BANK RAYA INDONESIA
Penulis: Rifqi Yovila Candra, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Pengelolaan persediaan alat tulis kantor (ATK) pada Divisi Finance and Asset Management (FAM) Bank Raya Indonesia memerlukan analisis berbasis data untuk mengidentifikasi pola konsumsi divisi, pergerakan produk, dan prioritas kebutuhan ATK. Penelitian ini menerapkan algoritma K-Means Clustering dengan kerangka kerja CRISP-DM untuk menganalisis 4.271 data transaksi permintaan ATK periode 2017–2026 yang mencakup 27 jenis item ATK dari beberapa divisi internal. Tiga model segmentasi dibangun secara simultan dari satu dataset yang sama, yaitu Model 1 (segmentasi konsumsi divisi), Model 2 (segmentasi pergerakan produk), dan Model 3 (pemetaan prioritas hubungan divisi-item), yang dievaluasi menggunakan WCSS, Silhouette Score, dan Davies-Bouldin Index (DBI). Model 1 menghasilkan tiga cluster (K=3, Silhouette=0,6697, DBI=0,4776) terdiri dari 55 divisi konsumsi rendah, 27 sedang, dan 3 tinggi. Model 2 menghasilkan dua cluster (K=2, Silhouette=0,8718, DBI=0,0618) dengan Materai 10.000 sebagai satusatunya produk fast moving dari 27 produk. Model 3 menghasilkan dua cluster (K=2, Silhouette=0,8417, DBI=0,5477) dengan 20 pasangan divisi-item berprioritas tinggi dari 647 pasangan yang dianalisis. Hasil segmentasi diimplementasikan dalam dashboard analitik interaktif berbasis Streamlit yang dilengkapi fitur visualisasi, import dataset, dan export laporan dalam format Excel dan PDF. Pengujian melalui Alpha Testing dan User Acceptance Testing (UAT) menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan fungsional dengan nilai kepuasan UAT sebesar 85%, yang mengindikasikan sistem layak digunakan oleh Divisi FAM Bank Raya Indonesia.
#ATK
#CRISP-DM
#Dashboard Analitik
#K-Means Clustering
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
Pengembangan Intrusion Detection System (IDS) Berbasis Deep Learning CNN-LSTM Untuk Klasifikasi Serangan DDoS
Penulis: Achmad Sholehudin, JAFAR SHADIQ, S.Kom., M.Kom. |
2026
Server Open Journal Systems (OJS) Universitas Bina Insani merupakan infrastruktur kritis yang rentan terhadap serangan Distributed Denial of Service (DDoS). Proses pemantauan yang selama ini dilakukan secara manual menggunakan Wireshark terbukti bersifat lambat dan reaktif, serta tidak mampu menganalisis lalu lintas pada protokol terenkripsi (HTTPS) karena bergantung pada inspeksi isi paket (payload). Penelitian ini bertujuan mengembangkan Intrusion Detection System (IDS) berbasis Deep Learning yang mampu mengklasifikasikan serangan DDoS secara otomatis dan real-time tanpa bergantung pada proses dekripsi muatan paket. Sistem dibangun menggunakan arsitektur Hybrid Deep Learning yang menggabungkan lapisan Convolutional Neural Network (CNN) untuk ekstraksi fitur spasial dan Long Short-Term Memory (LSTM) untuk analisis ketergantungan temporal antar-paket jaringan. Pengembangan sistem mengadopsi kerangka kerja Knowledge Discovery in Databases (KDD) dengan memanfaatkan kombinasi dataset standar global CICDDoS2019 dan data simulasi lalu lintas jaringan dari virtual testbed lokal. Evaluasi kuantitatif model menggunakan Confusion Matrix terhadap 141.054 sampel aliran data menghasilkan akurasi global sebesar 87% dengan presisi kelas Normal mencapai 0,99. Pengujian fungsional secara real-time pada seluruh skenario (TCP SYN Flood, HTTP Flood, dan HTTPS) menunjukkan tingkat keyakinan prediksi sebesar 100%. Pengujian latensi inferensi pada server OJS membuktikan sistem beroperasi dengan rata-rata waktu respons 57,91 milidetik dan nilai Persentil ke-99 sebesar 114,22 milidetik, jauh di bawah ambang batas kritis 500 milidetik. Hasil penelitian membuktikan bahwa IDS berbasis CNN-LSTM yang menganalisis Network Flow mampu mengklasifikasikan serangan DDoS pada protokol terenkripsi secara akurat melalui sidik jari temporal Inter-Arrival Time (IAT), tanpa memerlukan dekripsi paket, serta layak dioperasikan pada lingkungan server produksi secara real-time.
#CNN-LSTM
#DDoS
#Deep Learning
#Intrusion Detection System
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM DETEKSI PENYAKIT GIGI MENGGUNAKAN ALGORITMA YOLOv8 DAN RESNET-18 PADA KLINK GIGI HAI DENT
Penulis: Bagas Aditya, RULLY PRAMUDITA, S.T., M.Kom. |
2026
Penyakit gigi dan mulut merupakan masalah kesehatan dengan prevalensi tinggi, di mana pasien seringkali mengirimkan foto rongga mulut dengan kualitas kurang baik saat konsultasi daring sehingga menyulitkan diagnosis dokter. Penelitian ini bertujuan untuk mengembangkan sistem skrining awal klinis berbasis web menggunakan pendekatan deep learning dengan arsitektur two-stage (YOLOv8 dan ResNet-18). YOLOv8 digunakan untuk melokalisasi dan memotong area gigi bermasalah (Region of Interest) guna menghilangkan gangguan visual latar belakang, yang kemudian diproses dan diklasifikasikan oleh ResNet-18 ke dalam 7 kelas (Karies, Calculus, Gingivitis, Mouth Ulcer, Tooth Discoloration, Hipodontia, dan Sehat). Sistem ini juga mengimplementasikan Grad-CAM sebagai Explainable AI (XAI) untuk memvisualisasikan area prediksi penyakit secara transparan. Menggunakan metodologi CRISP-DM, model dilatih dengan 11.957 data citra klinis. Hasil evaluasi menunjukkan bahwa YOLOv8 mencapai nilai mAP@50 sebesar 88,17%. Sementara itu, ResNet-18 mencetak tingkat akurasi sebesar 92,25% dan F1-Score 92,37%. Pengujian performa sistem dengan membandingkan prediksi AI dan diagnosis pakar (dokter gigi) pada data baru memperoleh tingkat kesesuaian sebesar 83,33%. Kesimpulannya, integrasi YOLOv8 dan ResNet-18 berhasil memberikan hasil skrining awal yang akurat, meringankan beban kerja administratif klinik, serta mempermudah pasien dalam melakukan deteksi gejala gigi secara mandiri.
#Deep Learning
#Deteksi Penyakit Gigi
#ResNet-18
#Web
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI SISTEM PAKAR DETEKSI DINI KOMPLIKASI KEHAMILAN MENGGUNAKAN METODE DEMPSTER SHAFER DI PUSKESMAS KALIBAKUNG
Penulis: Puja Vita Maharani, ARI NURUL ALFIAN, S.Pd., M.Kom. |
2026
Komplikasi kehamilan masih menjadi salah satu penyebab tingginya angka kematian ibu, terutama pada wilayah dengan keterbatasan akses layanan kesehatan. Pemeriksaan di Puskesmas Kalibakung masih bergantung pada kunjungan langsung dan analisis tenaga medis, sehingga diperlukan sistem yang dapat membantu deteksi dini secara mandiri. Penelitian ini bertujuan merancang dan membangun sistem pakar berbasis website untuk mendeteksi dini komplikasi kehamilan menggunakan metode Dempster Shafer. Metode pengembangan sistem yang digunakan adalah Expert System Development Life Cycle (ESDLC). Data diperoleh melalui observasi di Puskesmas Kalibakung, wawancara dengan dua pakar kebidanan, dan studi pustaka. Sistem dikembangkan menggunakan PHP dan MySQL untuk mengolah gejala yang dipilih pengguna, menghitung nilai keyakinan, serta menampilkan hasil diagnosis awal dan rekomendasi penanganan. Hasil penelitian menunjukkan sistem mampu mendeteksi delapan komplikasi kehamilan dengan tingkat akurasi 96,15% dan nilai kepuasan pengguna 89,61%. Sistem ini berdampak dalam membantu ibu hamil melakukan deteksi dini secara lebih cepat, mandiri, dan mendukung pelayanan kesehatan maternal.
#Dempster Shafer
#Deteksi Dini
#Komplikasi Kehamilan
#Sistem Pakar
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA KERUSAKAN DAN MAINTENANCE SCHEDULING ALAT BERAT BERBASIS CASE-BASED REASONING
Penulis: Mayli Ayutiya Wulandari, Dr. Ir. SALUDIN MUIS, M.Kom. |
2026
Proses diagnosis kerusakan alat berat pada PT. Sarinah Cahaya Sejahtera masih dilakukan secara manual dan bergantung pada pengalaman teknisi, sehingga berpotensi menimbulkan ketidakkonsistenan dalam menentukan jenis kerusakan dan solusi perbaikan. Selain itu, proses maintenance scheduling belum terintegrasi dengan proses diagnosis sehingga kegiatan perawatan alat berat masih dilakukan secara terpisah dan kurang optimal. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang mampu melakukan diagnosis kerusakan alat berat serta memberikan rekomendasi maintenance scheduling menggunakan metode Case-Based Reasoning (CBR). Metode yang digunakan dalam penelitian ini adalah metode Case-Based Reasoning dengan pendekatan similarity menggunakan metode Nearest Neighbor. Pengembangan sistem menggunakan model Prototype yang terdiri dari tahapan communication, quick design, build prototype, evaluation, dan refinement. Data penelitian diperoleh melalui observasi, wawancara, dan studi pustaka, kemudian diimplementasikan ke dalam basis pengetahuan yang terdiri dari data gejala, kerusakan, solusi, dan maintenance. Hasil penelitian menunjukkan bahwa sistem mampu melakukan diagnosis kerusakan alat berat berdasarkan gejala yang diinputkan pengguna serta menghasilkan rekomendasi maintenance scheduling sesuai hasil diagnosis. Berdasarkan pengujian akurasi menggunakan 10 data uji, sistem memperoleh tingkat akurasi sebesar 90%. Pengujian usability menggunakan metode System Usability Scale (SUS) memperoleh skor rata-rata sebesar 81,5 dengan kategori Excellent, sedangkan pengujian Black Box Testing menunjukkan seluruh fitur sistem berjalan sesuai dengan fungsi yang dirancang. Dengan demikian, sistem yang dibangun mampu membantu teknisi dalam proses diagnosis dan maintenance alat berat secara lebih cepat, terstruktur, dan efektif.
#Alat Berat
#Case-Based Reasoning
#Diagnosis Kerusakan
#Maintenance Scheduling
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM PAKAR DIAGNOSA AUTISME PADA PERKEMBANGAN ANAK DENGAN METODE DEMPSTER-SHAFER DAN ROUGH SET
Penulis: Imam Fajar Hudaya, RIKA APRIANI, S.Kom., M.Kom. |
2026
Proses identifikasi awal gangguan perkembangan anak di Family Wellness masih bergantung pada penilaian terapis. Kondisi tersebut dapat menimbulkan perbedaan interpretasi terhadap gejala yang dialami anak, terutama karena beberapa gejala memiliki kemiripan dengan gangguan perkembangan lain. Selain itu, orang tua klien sering mengalami kebingungan dalam memahami gejala atau kondisi yang sebenarnya dialami oleh anak. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web yang dapat membantu proses identifikasi awal gangguan perkembangan anak secara lebih jelas dan terstruktur. Metode yang digunakan dalam penelitian ini adalah Rough Set Theory dan Dempster-Shafer Theory. Rough Set Theory digunakan untuk menentukan kecocokan gejala terhadap kategori diagnosis, sedangkan Dempster-Shafer Theory digunakan untuk menghitung nilai keyakinan berdasarkan bobot gejala. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL. Data gejala dan bobot diperoleh melalui observasi, wawancara dengan terapis, serta studi pustaka. Hasil dari penelitian ini adalah sistem pakar yang mampu menampilkan hasil diagnosis awal, nilai keyakinan, gejala yang dipilih, terapi, catatan terapis, dan rekam medis pasien. Berdasarkan hasil pengujian, sistem dapat berjalan sesuai fungsi dan memperoleh hasil uji coba pengguna sebesar 88% dengan kategori sangat baik. Dengan adanya sistem ini, proses identifikasi awal dan penyajian hasil diagnosis dapat dilakukan secara lebih rapi, terukur, dan mudah dipahami oleh terapis maupun orang tua klien.
#Diagnosa Autisme
#Dempster-Shafer
#Perkembangan Anak
#Rough Set
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|