SISTEM PENJADWALAN AIR CONDITIONER (AC) RUANGAN BERDASARKAN JADWAL MATAKULIAH MENGGUNAKAN ESP8266, PIR SENSOR DAN ANDROID

Pada ruang lingkup Program Studi Teknik Informatika (PSTI) Universitas Mataram (UNRAM), saat ini memiliki pengatur suhu ruangan atau biasa disebut dengan Air Conditioner(AC) untuk menunjang kegiatan belajar mengajar namun seringkali penggunaannya tidak terorganisir seperti membiarkan AC tetap menyala bahkan setelah ruang kelas kosong atau tidak ada kegiatan yang menyebabkan tidak efisien dalam menggunakan AC yang juga dapat menimbulkan kerusakan pada AC tersebut. Oleh karena itu perlu adanya sistem yang mengontrol penjadwalan AC secara otomatis yang lebih efisien. Hal ini dapat diwujudkan dengan teknologi Internet of Things(IoT). Maka perlu dibangun sistem yang akan membuat AC otomatis menyala sesuai jadwal kuliah menggunakan mikrokontroler(ESP8266 Wemos D1) dengan infrared transmitter untuk mengendalikan AC dan deteksi gerak yang akan menggunakan protokol MQTT sebagai broker. Sensor gerak Passive Infrared(PIR) Sensor akan mendeteksi gerakan pada ruang kelas yang menjadi kondisi untuk mematikan AC jika setelah 30 menit tidak ada pergerakan didalam ruangan. Untuk pengoperasiannya menggunakan smartphone android sekaligus sebagai antara muka untuk memasukkan jadwal perkelas hanya staf PSTI UNRAM yang akan mengoperasikan aplikasinya. Dengan begitu AC bisa otomatis menyala sesuai jadwal mata kuliah dan bisa mati secara otomatis setelah 30 menit tidak ada orang di dalam ruangan.

Rancang Bangun Smart Trash Can Berbasis IOT (Internet Of Things) Untuk Petugas Sampah Perumahan

Sampah merupakan hasil buangan/output dari segala aktivitas manusia. Setiap hari manusia menghasilkan sampah, baik sampah organik maupun anorganik yang memiliki berbagai bentuk dan jenis. Tidak heran permasalahan tersebut juga banyak ditemukan di lingkungan Perumahan. Salah satu perumahan yang ada di Kota Mataram adalah perumahan Babakan Permai yang terletak di kelurahan Babakan, kecamatan Sandubaya, Kota Mataram. Penanganan masalah sampah di Perumahan Babakan Permai ditangani dengan cara penjadwalan untuk pengambilan sampah pada masing-masing rumah. Sampah di ambil setiap 2 kali seminggu oleh petugas sampah perumahan. Hal ini memiliki kekurangan yaitu potensi penumpukan sampah pada tiap rumah meningkat. Penumpukan sampah sangat mengganggu warga di lingkungan sekitar baik dari segi kebersihan maupun kesehatan Dengan demikian, permasalahan tersebut dapat di atasi dengan membuat alat Smart Trash Can yang dapat mempermudah petugas sampah di perumahan. Tugas akhir ini berupa prototype tempat sampah pintar yang dapat memonitoring tempat sampah. Hal tersebut dapat dilakukan dengan menerapkan konsep IoT (Internet of Things) yang memanfaatkan internet. Protokol yang digunakan dalam IoT adalah MQTT (Message Queuing Telemetry Transport) yang bersifat lightweight message dan didesain untuk perangkat-perangkat dengan sumber daya terbatas. Dengan konsep IoT, monitoring tempat sampah dilakukan dengan menggunakan beberapa sensor seperti penggunaan sensor berat (load cell) sebagai deteksi berat sampah, modul HX711 sebagai konversi nilai berat load cell dan sensor magnetic switch untuk mengetahui bukaan/tutupan tempah sampah yang di rangkai dengan mikrokontroler.

Deteksi Api Pada Video Menggunakan Metode Artificial Neural Network

The camera is one of the tools used to collect images. Cameras are often used for the safety of homes, highways and others. Then in this study camera captures are used to support fire objects because fire is one of the causes of safety that can be controlled. Therefore, by utilizing a capture camera will see the best model of backpropagation neural network by combining the local binary patern (LBP) feature extraction method and the Gray Level Co-occurrence Matrix (GLCM) to access the fire. Then to evaluate the performance of the model created using three parameters that contain accuracy, recall, precision. The data in this study consisted of videos with variations of fire and non-fire videos. Based on the final results of the study, accuracy, remember, the best precision obtained simultaneously 96%, 97%, 97%. Then the validation process was done using 30 videos with a variation of 15 fire videos and 15 non-fire videos and obtained an accuracy of 86.6% with an average time value of 6.029 minutes.

Pengenalan Pola Tulisan Tangan Aksara Arab Menggunakan Metode Convolution Neural Network

Bahasa Arab adalah bahasa yang dijumpai pada kitab suci agama Islam yaitu berupa Al-Qur’an. Belajar bahasa Arab dengan mengenali bentuk hurufnya merupakan metode yang sangat efektif. Pengenalan pola tulisan tangan aksara Arab merupakan salah satu penelitan yang pernah dilakukan sebelumnya, dimana hasil akurasi yang di dapatkan bervariasi sesuai dengan metode penelitian yang digunakan. Pengenalan pola aksara Arab memiliki banyak tantangan salah satu berbedanya gaya tulisan tangan dan karakter tulisan setiap orang. Penelitian ini bertujuan untuk membangun model machine learning dan mengetahui akurasi yang dihasilkan dari pengenalan pola tulisan tangan aksara Arab menggunakan metode convolution neural network, serta memperbaiki beberapa kekurangan pada penelitian pengenalan pola aksara Arab menggunakan metode CNN yang pernah dilakukan sebelumnya. Convolution neural network merupakan metode klasifikasi dengan memberikan label pada saat melakukan pembelajaran atau tergolong ke dalam supervised learning. Data yang digunakan untuk penelitian ini merupakan data yang bersumber dari tulisan tangan di kertas HVS A4 menggunakan spidol dengan dua kategori yaitu usia 5 sampai 20 tahun dan usia 20 tahun ke atas baik yang sudah pernah belajar aksara Arab maupun belum pernah belajar aksara Arab guna didapatkannya variasi tulisan tangan.

RANCANG BANGUN SISTEM INFORMASI KONSULTASI DAN PENJADWALAN FISIOTERAPI PENYAKIT BELL’S PALSY (STUDI KASUS KLINIK GRIYA FISIOTERAPIS)

Bell's palsy is an acute paralysis of the prifer facial nerve of unknown cause and results in permanent disability ifnot treated properly. In this study, Development of Consultation Information System Scheduling Bell’s Palsy Diseasewas designed and built which can help in overcoming physiotherapy scheduling as well as recording medicalrecords, so that they can be well controlled and coordinated. The development method in information systems isdesigned using the RUP (Rational Unified Process) method, where testing using the RUP method is carried out usingblack box testing and using usability (questionnaires). In black box testing, the result is 1, which means that allfeatures are running correctly. In the usability test, the results obtained were 92.30% which was stated relativelyfeasible because the test was carried out on a physiotherapist, and 87.03% which was carried out with 30respondents who met the usability standard referred to in table I, namely the table of score interpretation criteriaor declared "Very Feasible", so the RUP method is a good method for system development.Kata Kunci: Metode Rational Unified Process, RUP, Sistem Informasi, Website, Klink Griya Fisioterapis

Penerapan Penerapan Data Mining dalam Mengelompokkan Data Riwayat Akademik Sebelum Kuliah dan Data Kelulusan Mahasiswa menggunakan Metode Agglomerative Hierarchical Clustering (AHC)

Fakultas Teknologi Industri Universitas Ahmad Dahlan setiap tahun menerima mahasiswa baru dalam jumlah besar. Disisi lain, kelulusan mahasiswa yang lulus tepat waktu masih rendah sehingga rasio dosen dan mahasiswa semakin besar. Akibat lainnya adalah pengguna fasilitas kampus melebihi kapasitas dan kegiatan belajar mengajar menjadi tidak efektif, sehingga diperlukan tahapan berupa pengelompokan data mahasiswa berdasarkan data akademik sebelum kuliah dan data kelulusan mahasiswa yang dilakukan dengan teknik data mining untuk mengetahui kelompok-kelompok mahasiswa yang lulus tepat waktu di Fakultas Teknologi Industri. Penelitian ini menggunakan metode pengelompokan hierarki (Hierarchical Clustering). Tahapan dalam penelitian ini dari Load Data, Cleaning Data, Transformation Data dengan metode One Hot Encoding, Euclidean Distance, dan pengelompokan Agglomerative Hierarchical Clustering. Pengujian hasil cluster menggunakan Silhouette Coefficient, serta dilakukan evaluasi pola, dan representasi pengetahuan. Penelitian menghasilkan 158 mahasiswa yang direkomendasikan dan semuanya berasal dari Pulau Jawa dan rata-rata nilai matematika >= 80 pada dataset Informatika, Industri, dan Elektro, dan >=67 untuk Kimia. Diperoleh data yang direkomendasikan dengan jumlah data berturut-turut 43, 24, 19, dan 72 data. Pengujian Silhouette Coefficient memperoleh hasil yang sangat bagus dengan nilai berturut-turut sesuai prodi sebesar 0,868, 0,883, 0,879, dan 0,873.

SISTEM PAKAR DIAGNOSIS PENYAKIT PADA KAMBING DENGAN METODE FORWARD CHAINING DAN CERTAINTY FACTOR

Penyakit pada hewan kambing terdiri dari dua jenis yaitu penyakit menular dan tidak menular. Penyakit padahewan perlu dilakukan penanganan yang tepat terutama penyakit menular agar tidak dapat menular pada ternak lain.Penelitian ini bertujuan untuk membangun sistem pakar yang berbasis Android untuk mendiagnosis 14 jenis penyakitpada kambing berdasarkan pengetahuan 3 orang pakar hewan dengan menggunakan metode Forward Chaining sebagaimetode inferensi dan Certainty Factor sebagai metode perhitungan untuk mendapatkan nilai densitas atau tingkatkepercayaan dari hasil diagnosis penyakit pada kambing. Penelitian ini menggunakan empat jenis pengujian yaituberupa pengujian blackbox, pengujian kuisioner (MOS), pengujian teoritis dan pengujian akurasi sistem. Dari pengujianakurasi sistem yang dilakukan, didapatkan nilai akurasi berdasarkan bobot rata-rata 3 orang pakar sebesar 85.55%,sedangkan pengujian akurasi menggunakan bobot masing-masing pakar diperoleh hasil 86.66% untuk pakar 1, 83.33%untuk pakar 2, dan 86.66% untuk pakar 3. Untuk pengujian MOS (Mean Opinion Score) didapatkan hasil sebesar 4.35dari skala 5, serta pengujian perhitungan teoritis yang mendapatkan hasil perhitungan sama antara hasil perhitungandiagnosis sistem dan diagnosis pakar. Berdasarkan hasil perngujian maka sistem pakar diagnosis penyakit pada kambingini layak digunakan dan dikategorikan ke dalam sistem yang baik.

Deteksi Api pada Video dengan Gaussian Mixture Model Untuk Deteksi Gerakan Dan Segmentasi Warna Api Dalam Ruang Warna YCbCr

Fire is a disaster that can endanger lives and cause property loss. The solution to detect fire that is commonly used today is to use a sensor. Fire sensors can be used together with surveillance cameras (CCTV) which are now being installed in many office buildings. This study tries to build a model for detecting fire in video with a digital image processing approach using the Gaussian Mixture Model for motion detection and fire color segmentation in the YCbCr color space. The model is then tested with metrics for accuracy, precision, recall, and processing speed. The dataset used is in the form of videos with small, medium, large fire sizes, and videos that only have fire-like objects. The test results show that the algorithm is able to detect fire when the size of the fire is not too small or the position of the fire is close enough to the camera. For videos with a resolution of 800x600 and a framerate of 30 fps, it can achieve 66.89% accuracy, 73.77% precision, and 66.66% recall. The performance during the day is relatively better than at night. Algorithm processing speed is too slow to be implemented in real-time

Pencarian Rute yang Handal Berbasis Energi Menggunakan Algoritma EA-SHORT pada Protokol Routing ZRP di Jaringan MANET

Mobile Ad-Hoc Network (MANET) adalah jaringan wireless dari kumpulan node yang tidak memiliki router tetap. Setiap node dalam jaringan bertindak sebagai router yang bertanggung jawab untuk menemukan dan menangani rute antar node. Dalam penelitian ini, konsep energy aware menggunakan algoritma EA-SHORT diterapkan pada kerangka kerja Zone Routing Protocol (ZRP). EA-SHORT mencoba mendistribusikan beban jaringan ke semua node yang ada dengan memanfaatkan variasi jumlah energi dengan memilih node yang memiliki cukup energi yang dapat berpartisipasi dalam rute dan menghindari node yang memiliki energi rendah. Kinerja ZRP akan dibandingkan dengan EA-SHORT ZRP yang telah dimodifikasi dengan EA-SHORT yang diukur dari nilai parameter yang ditentukan. Dari simulasi, hasilnya menunjukkan, pada node 50, throughput meningkat sebesar 12,374%. Untuk 100 node, peningkatan sebesar 44.597%. Pada rata-rata average end to end delay , dengan 50 node, nilai EA-SHORT ZRP menurun sebesar 20.063%, 100 node EA-SHORT ZRP menurun sebesar 8.375%. Hasil PDR pada EA-SHORT ZRP dengan 50 node meningkat 0,545%, dan untuk EA-SHORT ZRP 100 node meningkat sebesar 21,301%

Pengenalan Citra Huruf Hijaiah Menggunakan Metode Gray Level Co-Occurrence Matrices (Glcm) Dengan 4 Sudut Orientasi Dan Jaringan Syaraf Tiruan Backpropagation

Arabic is one of the international languages according to the United Nations (UN) which was adopted by General Council resolution 3190 (XXVIII) as the official language and working language of the General Council and Main Committees on 18 December 1973. Arabic can be found in the holy book Al - Qur'an. For a Muslim, it is obligatory to learn and master Arabic in order to read and understand the contents of the Al-Qur'an. job applicant from Indonesia is also have to learn Arabic. The Hijaiiyah letter has the same role as the alphabet, which is to compose every word and sentence. Humans have a natural intelligence to be able to recognize each Hijaiiyah letter based on the special characteristics or patterns contained in each letter. However, natural intelligence has deficiencies such as inconsistencies in assessing the similarity of each handwritten Hijaiiyah letter from different people. Therefore this research will develop a system for identifying or recognizing Hijaiiyah handwritten patterns using the Gray Level Co-occurrence Matrices (GLCM) method with 4 orientation angles and Backpropagation Artificial Neural Network (ANN). Data was collected using the Autodesk Sketchbook application so that can reduce the noise. The purpose of this research is to know the level of accuracy and precision of the classification of the Hijaiiyah letter pattern. In this research, the amount of data used was 1500 images of Hijaiiyah letters. The highest accuracy is 45.1111% with a precision 45.1111%.