Hasil Pencarian: "Web" (Kata Kunci)
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetHasil Pencarian: "Web" (Kata Kunci)
Menampilkan 5 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 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
|
|
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
|
|
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
|