Blackbox Testing terhadap Prototipe Sistem Monitoring Kualitas Air Berbasis IoT

Internet of Things (IoT) merupakan suatu kompilasi antara perangkat keras dan perangkat lunak untuk melakukan sebuah komunikasi antara keduanya. Penerapan sistem ini dapat dilakukan untuk melakukan monitoring kualitas air dengan parameter suhu dan pH secara daring melalui aplikasi Blynk. Aplikasi Blynk akan menampilkan data dari hasil pembacaan kedua sensor, yaitu sensor suhu DS18B20 dan sensor pH DFRobot dalam bentuk angka maupun grafik. Terhadap kedua sensor telah dilakukan pengujian akurasi untuk mendapatkan hasil pembacaan sensor yang akurat. Pengujian akurasi pada sensor suhu DS18B20 menghasilkan nilai rata-rata relative error sebesar 0,98% dan pada sensor pH DFRobot menghasilkan nilai rata-rata relative error sebesar 0,95%. Dalam pengujiannya, digunakan blackbox testing agar lebih memanfaatkan hal fungsional pada sistem yang dirancang untuk kenyamanan pengguna dalam melakukan monitoring kualitas air berdasarkan tampilan dari aplikasi. Sistem dapat menunjukkan bahwa fungsi perangkat keras maupun aplikasi Blynk untuk memantau kondisi suhu dan pH telah berjalan dengan baik dan dapat digunakan oleh para pengguna secara mudah dan bermanfaat.

Penerapan Convolutional Long Short-Term Memory untuk Klasifikasi Teks Berita Bahasa Indonesia

Klasifikasi teks saat ini telah menjadi sebuah bidang yang banyak diteliti, khususnya terkait Natural Language Processing (NLP). Terdapat banyak metode yang dapat dimanfaatkan untuk melakukan klasifikasi teks, salah satunya adalah metode deep learning. RNN, CNN, dan LSTM merupakan beberapa metode deep learning yang umum digunakan untuk mengklasifikasikan teks. Makalah ini bertujuan menganalisis penerapan kombinasi dua buah metode deep learning, yaitu CNN dan LSTM (C-LSTM). Kombinasi kedua metode tersebut dimanfaatkan untuk melakukan klasifikasi teks berita bahasa Indonesia. Data yang digunakan adalah teks berita bahasa Indonesia yang dikumpulkan dari portal-portal berita berbahasa Indonesia. Data yang dikumpulkan dikelompokkan menjadi tiga kategori berita berdasarkan lingkupnya, yaitu “Nasional”, “Internasional”, dan “Regional”. Dalam makalah ini dilakukan eksperimen pada tiga buah variabel penelitian, yaitu jumlah dokumen, ukuran batch, dan nilai learning rate dari C-LSTM yang dibangun. Hasil eksperimen menunjukkan bahwa nilai F1-score yang diperoleh dari hasil klasifikasi menggunakan metode C-LSTM adalah sebesar 93,27%. Nilai F1-score yang dihasilkan oleh metode C-LSTM lebih besar dibandingkan dengan CNN, dengan nilai 89,85%, dan LSTM, dengan nilai 90,87%. Dengan demikian, dapat disimpulkan bahwa kombinasi dua metode deep learning, yaitu CNN dan LSTM (C-LSTM),memiliki kinerja yang lebih baik dibandingkan dengan CNN dan LSTM.

Metode Power Control sebagai Manajemen Interferensi pada Komunikasi Device to Device

Teknologi komunikasi yang sedang berkembang saat ini sudah memasuki generasi ke-5 (5G), dengan salah satu solusi yang ditawarkan adalah komunikasi device to device (D2D). Skema yang digunakan pada makalah ini adalah cooperative D2D dengan Mobile User Equipment (MUE) yang berada jauh dari eNodeB (eNB). D2D User Equipment (DUE) berperan sebagai relay yang membantu MUE dalam meningkatkan kualitas layanan. Efek yang ditimbulkan komunikasi D2D adalah interferensi, sehingga untuk mengatasinya dilakukan metode power control. Makalah ini menggunakan tiga simulasi perbandingan, yaitu Tanpa Power Control, skema Power Control 1, dan Power Control 2. Skema yang digunakan pada Power Control 1 adalah skema fixed power control, sedangkan skema Power Control 2 menggunakan adaptive power control. Dengan menggunakan Cumulative Distribution Function (CDF), diperoleh hasil bahwa skema Power Control 1 mampu memperbaiki SINR sebesar 0,124 dB untuk downlink dan 0,0814 dB untuk uplink, sedangkan skema Power Control 2 mampu menaikkan SINR 0,0316 dB untuk downlink dan 0,0627 dB untuk uplink. Berdasarkan hasil akhir terkait SINR, throughput, dan CDF, metode Power Control 1 memiliki hasil yang lebih baik daripada metode Power Control 2.

Klasifikasi Tingkat Kematangan Pisang Berdasarkan Ekstraksi Fitur Tekstur dan Algoritme KNN

Pisang merupakan buah yang memiliki kandungan vitamin, mineral, dan karbohidrat yang sangat besar. Tanaman pisang sering dibudidayakan karena memiliki banyak manfaat. Dalam membudidayakan tanaman pisang, perlu diperhatikan tingkat kematangan buah pisang tersebut. Hal ini berguna untuk menentukan mutu buah pisang tersebut saat dipanen. Tingkat kematangan pisang ini berhubungan dengan jangkauan pemasaran. Jika jangkauan pemasarannya jauh, sebaiknya pisang dipanen saat tingkat kematangan buah pisang masih cukup rendah. Oleh karena itu, dibutuhkan suatu sistem yang dapat mengklasifikasikan tingkat kematangan pisang. Tahapan pertama dalam pembuatan sistem adalah mengumpulkan data citra pisang sebanyak 45 citra, dengan komposisi 30 citra sebagai data latih dan 15 citra sebagai data uji. Selanjutnya, metode ekstraksi fitur tekstur digunakan untuk menentukan parameter yang berpengaruh terhadap tingkat kematangan buah pisang. Ekstraksi yang digunakan adalah ekstraksi fitur berdasarkan histogram. Pada ekstraksi fitur tekstur berdasarkan histogram ini dihasilkan beberapa parameter seperti rerata, skewness, descriptor energi, dan kehalusan pada citra. Tahapan selanjutnya adalah melakukan klasifikasi berdasarkan fitur yang telah diperoleh dengan menggunakan algoritme K Nearest Neighbor (KNN). Hasil yang diperoleh menunjukkan tingkat akurasi klasifikasi sebesar 88,89%.

Perancangan Kendali Formasi pada Multi-Robot Roda Omni dengan Kemampuan Menghindari Tabrakan

Pada makalah ini dirancang sebuah kendali formasi terdistribusi menggunakan multi-robot roda omni (Omni Directional Wheel Mobile Robot, OMR) dengan kemampuan menghindari tabrakan antar OMR saat membentuk sebuah formasi. Kendali formasi menggunakan algoritme konsensus yang terdiri atas empat buah layer, yaitu layer tracking, layer konsensus, layer behavior, serta layer fisik robot. Layer tracking digunakan untuk mengarahkan posisi OMR pada virtual center yang telah ditentukan. Pada layer konsensus dirancang pengendali pada tingkat robot. Pengendali ini merupakan penjabaran dari algoritme konsensus. Layer behavior digunakan untuk menambah metode penghindar tabrakan antar OMR saat membentuk formasi. Penghindar rintangan menggunakan metode Stipanovic. Pada layer fisik robot, digunakan OMR dengan konfigurasi tiga buah roda omni. OMR yang digunakan berjumlah empat buah. Pengendali yang telah dirancang disimulasikan dengan menggunakan peranti lunak MATLAB. Hasil simulasi menunjukkan bahwa pengendali yang diterapkan pada OMR telah berhasil membentuk formasi yang diinginkan, yaitu persegi dan belah ketupat, serta dalam perjalanan membentuk formasi tersebut, setiap OMR dapat menjaga jarak sehingga tidak terjadi tabrakan dengan berbagai topologi komunikasi dan bentuk formasi.

Teknologi Game untuk Pembelajaran bagi Anak dengan ADHD: Tinjauan Literatur

Dewasa ini, penggunaan teknologi game dalam domain pembelajaran bagi anak dengan Attention Deficit Hyperactivity Disorder (ADHD) mulai banyak bermunculan. Banyak penelitian dilakukan untuk membuktikan efektivitas penggunaan teknologi game dalam proses pembelajaran bagi anak dengan ADHD. Makalah ini melaporkan tinjauan literatur sistematis yang ditujukan untuk memetakan penggunaan teknologi game di bidang pembelajaran bagi anak dengan ADHD dan mengidentifikasi peta jalan penelitian di masa depan. Berdasarkan hasil eksplorasi terhadap literatur, yang didapatkan dengan kriteria inklusi yang digunakan, terpilih tiga puluh studi utama. Analisis yang dilakukan terhadap tiga puluh studi utama mengungkapkan pemetaan terhadap tujuan teknologi game, genre teknologi game, platform teknologi game, dan pengujian teknologi game. Hasil dari tinjauan literatur ini menunjukkan bahwa penggunaan teknologi game untuk meningkatkan atensi pada anak dengan ADHD terbukti relevan serta dapat menjadi pilihan yang tepat untuk meningkatkan kemampuan fokus dan membantu proses belajar anak dengan ADHD. Tinjauan literatur ini juga mengidentifikasi tiga peta jalan penelitian di masa depan, yaitu lebih memperhatikan permasalahan gangguan mental penyerta ADHD lainnya sebagai tujuan penelitian di masa depan; lebih memperhatikan variasi latar belakang responden yang terlibat dalam proses desain game pembelajaran; serta penggunaan platform lain sebagai media pembelajaran di masa depan.

Metode Imputasi pada Data Debit Daerah Aliran Sungai Opak, Provinsi DI Yogyakarta

Ketersediaan data sumber daya air di Indonesia memiliki beberapa permasalahan yang kompleks terkait dengan kesempurnaan data. Permasalahan yang terjadi saat pendataan di beberapa instansi di Indonesia adalah kurangnya keakuratan dan kelengkapan data. Terdapat beberapa metode yang dapat digunakan untuk imputasi nilai hilang, misalnya k-Nearest Neighbors Imputation (k-NNi) dan Multivariate Imputation by Chained Equation (MICE). Tujuan makalah ini adalah membandingkan dan menemukan metode yang paling tepat dalam menggunakan dataset DAS Opak di Provinsi DIY. Karakteristik DAS Opak adalah berbentuk kipas atau melebar sehingga memberikan waktu konsentrasi yang lebih rendah dan menghasilkan aliran yang lebih tinggi. Hasil perbandingan validasi statistik, nilai rata-rata RMSE dan MAE, yang paling konsisten adalah metode k-NNi dengan nilai k = 28, sedangkan untuk perbandingan nilai R-Squared, metode k-NNi dengan nilai k = 28 mendapatkan nilai rata-rata terbaik sebesar 80%, disusul metode k-NNi sebesar k = 7 sebagai nilai k default dengan persentase 73%. Metode perbandingan MICE mendapatkan nilai persentase rata-rata terendah dari metode lainnya, yaitu sebesar 63%.

Pengembangan Onti Measures Berbasis Web dengan Pengujian Data Ontology Virus dan Penyakit

Penggunaan dokumen ontology pada kasus COVID-19 adalah sebuah contoh begitu dibutuhkannya inconsistency measure untuk OWL ontology. Ontology adalah representasi pengetahuan pada teknologi web semantik yang merupakan ekstensi dari website. Peran inconsistency measure menjadi penting untuk memastikan bahwa seluruh informasi pada sebuah ontology konsisten. Penelitian dalam makalah ini bertujuan membangun program aplikasi bernama Onti Measures berbasis web yang merupakan pengembangan dari sebuah prototipe program inconsistency measures berbasis ontology yang telah dibuat pada penelitian sebelumnya. Prototipe tersebut memiliki beberapa kelemahan, di antaranya prototipe hanya berupa kode program dan tidak ada antarmuka pengguna, sehingga program tidak dapat diakses oleh umum. Pengumpulan data dilakukan melalui studi pustaka, sedangkan metode pengembangan sistemnya adalah metode waterfall. Sampel pengujian dalam makalah ini adalah berkas ontology kasus virus dan penyakit yang dijadikan sebagai masukan program Onti Measures dengan pemakaian tiga jenis OWL reasoner. Keluaran program adalah informasi nilai inkonsistensi, running time, beserta ukuran ontology. Pengujian dilakukan dengan metode whitebox testing dan blackbox testing.

Penerapan Augmented Reality Berbasis Android untuk Pembelajaran Organ Lambung Manusia

Lambung merupakan salah satu sistem pencernaan yang berfungsi sebagai media pengolah dan penyimpanan makanan, serta untuk menyingkirkan zat berbahaya dan menyerap zat baik bagi tubuh. Biasanya, sekolah dasar menggunakan torso sebagai alat bantu peraga organ lambung. Namun, hal ini sangat tidak fleksibel bagi siswa sekolah dasar yang memiliki keterbatasan jam belajar di sekolah. Oleh karena itu, perlu dikembangkan suatu sistem pembelajaran organ lambung yang dapat dipelajari kapan saja dan di mana saja. Pada makalah ini dirancang suatu aplikasi pembelajaran organ lambung berbasis Android dengan menerapkan Augmented Reality (AR). Untuk menjalankannya, pengguna perlu menginstal aplikasi terlebih dahulu, kemudian membuka aplikasi, memilih menu yang diinginkan, lalu mengarahkan smartphone ke arah marker yang sesuai sampai tampilan AR muncul. Berdasarkan hasil pengujian, aplikasi tidak dapat memunculkan objek AR dari organ lambung pada tempat yang gelap karena marker tidak terdeteksi. Jarak terbaik untuk deteksi marker yaitu pada rentang jarak 20 cm sampai 35 cm, dengan rata-rata delay 0,3 s pada kondisi indoor dan 0,45 s pada kondisi outdoor.

Penerapan Antarmuka Adaptif Berbasis Perilaku Pemain pada E-Learning Bidang Pemrograman

Pada masa pandemi seperti sekarang ini, bidang pendidikan mengalami dampak yang signifikan dalam pelaksanaannya. Proses belajar mengajar yang sebelumnya dilakukan secara tatap muka, saat ini harus dilaksanakan secara daring. Pembelajaran daring dengan memanfaatkan e-learning sangat bermanfaat bagi pembelajar karena dapat diakses secara daring kapan pun dan dari mana pun. E-learning diharapkan tidak hanya menjadi tempat berbagi file materi sebagai pendukung pembelajaran, tetapi perannya dituntut dapat menggantikan peran guru atau dosen di kelas. Dalam proses belajar mengajar, kondisi dan perilaku siswa merupakan hal yang penting diketahui. Pengetahuan tentang kondisi dan keadaan siswa ketika belajar dapat digunakan oleh pengajar sebagai bahan untuk meningkatkan kualitas maupun proses pembelajaran bagi siswa. Kebanyakan e-learning yang ada sekarang belum dilengkapi dengan fitur untuk mendeteksi keadaan siswa selama menggunakan sistem. Pada makalah ini dilakukan penerapan antarmuka yang adaptif sebagai cerminan e-learning yang mampu menyesuaikan dengan karakteristik perilaku pengguna. Pengujian kinerja menunjukkan hasil bahwa dengan jumlah data log mencapai 950 pengguna aktif, dibutuhkan waktu 23,35 ms. Sementara itu, pada uji fungsionalitas, sistem berhasil menampilkan antarmuka sesuai dengan cluster member.