Articles
<![CDATA[Mesin Oven Pengering Cerdas Berbasis Internet of Things (IoT) ]]>
<![CDATA[Eko Hariadi]]>;
<![CDATA[Yeni Anistyasari]]>;
<![CDATA[Muhamad Syarriefuddin Zuhrie]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Indonesian Journal of Engineering and Technology (INAJET) Vol. 2 No. 1 (2019): September 2019 ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/inajet.v2n1.p18-23
<![CDATA[Mesin oven untuk UKM saat ini masih menggunakan teknologi yang opresionalnya secara manual. Agar lebih efisien maka dan merupakan tuntutan dari era Industri 4.0 maka diperlukan penggunaan teknologi untuk mesin-mesin yang digunakan oleh UKM di Indonesia. Tujuan dari peelitian ini adalah merancang bangun mesin oven pengering cerdas berbasis internet of things (IoT) ini, sumber energi panasnya didesain bisa menggunakan panas dari kompor LPG, minyak tanah, kayu bakar, maupun batubara briket. Selanjutnya panas dialirkan melalui pipa besi yang berfungsi sebagai jalur keluarnya asap ke cerobong pembuangan dan juga berfungsi penyimpan energi panas, sehingga terjadi proses perpindahan panas dari pipa penyimpan panas ke udara di ruangan tersebut. Udara dalam ruangan tersebut akan terkondisikan. Sistem Internet of Things (IoT) berfungsi sebagai pemantauan (monitoring) proses pengeringan berjalan dengan baik. Berdasarkan eksperimen yang telah dilakukan sistem telah dapat bekerja dengan baik melalui offline dan online. Sistem kontrol dapat bekerja dengan menggunakan sistem arduino maupun melalui online dengan berbasis IoT. Setelah dilakukan pengujian dengan memberikan perlakuan suhu yang berbeda-beda menunjukkan sistem bekerja dengan baik.]]>
<![CDATA[Pengembangan Sistem Informasi Pengelolaan Praktik Industri Terintegrasi Sistem Informasi Akademik Terpadu Universitas Negeri Surabaya ]]>
<![CDATA[Ricky Eka Putra]]>;
<![CDATA[Asmunin Asmunin]]>
<![CDATA[ INTEGER: Journal of Information Technology Vol 6, No 2: September 2021 ]]>
Publisher : <![CDATA[Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.31284/j.integer.0.v6i2.2371
<![CDATA[Praktik Industri (PI) is one of the mandatory courses that must be taken by students of all majors within the Faculty of Engineering, State University of Surabaya. Through this course, students are required to carry out learning in institutions/companies according to the field of science with the aim of knowing and practicing what they have learned in real practice in the company. The main problem in implementing PI is that all administrative processes are not integrated so that it is difficult for the parties involved in managing the PI. Some examples of problems related to PI include student information and industrial premises, activities while in industry, students who have not done PI, PI guidance notes, notes related to PI exams, Student Information and Advisory Lecturers, administrative data related to PI, Feedback from Industry and others. -other. Based on these problems, PI activities require an PI management information system that is integrated with the Integrated Academic Information System (SIAKADU) in the Department of Informatics, Faculty of Engineering Unesa. This PI management information system is built on a web-based basis using open source technology and is integrated with data on SIAKADU.]]>
<![CDATA[Pengenalan Pentingnya Cyber Security Awareness pada UMKM ]]>
<![CDATA[I Made Suartana]]>;
<![CDATA[Ricky Eka Putra]]>;
<![CDATA[Rahadian Bisma]]>;
<![CDATA[Aditya Prapanca]]>
<![CDATA[ Jurnal Abadimas Adi Buana Vol 5 No 02 (2022): Jurnal Abadimas Adi Buana ]]>
Publisher : <![CDATA[LPPM Universitas PGRI Adi Buana Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36456/abadimas.v5.i02.a4560
<![CDATA[Meningkatnya transformasi digital sebagai efek dari pademi COVID-19 menuntu UMKM untuk memanfaatkan media digital menggantikan proses jual-beli secara konvensional. Selain dampak positif tranformasi digital juga berpotensi menimbulkan dampak negatif. Disisi lain kriminalitas cyber juga menjadi suatu ancaman yang serius bagi tranformasi digital. Maraknya serangan siber yang menyasar UMKM karena UMKM dinilai sebagai target yang potensial karena jarang memperhatikan keamanan dan perlindungan data informasi termasuk identitas pelanggan. Kelengahan pengguna ketika mengakses internet dapat mengakibatkan resiko-resiko dan kerugian tertentu. Beberapa kerugian tersebut di antaranya adalah menyangkut masalah privasi (kerahasiaan pribadi pengguna), masalah yang terkait dengan finansial UMKM, permasalahan etika, dan lain sebagainya. Pengenalan Cyber Security Awareness kepada pelaku UMKM sebagai langkah awal dalam mengedukasi pelaku UMKM agar memiliki kesadaran akan bahaya dalam proses transaksi secara digital melalui internet. Manfaat yang diperoleh bagi UMKM melalui melalui pelaksanaan pengabdian kepada masyarakat ini adalah mendapatkan pengetahuan tentang pentingnya kesadaraan tentang ancaman keamanan dalam dunia digital. Serta UMKM memiliki pengetahuan untuk dapat terhindar dari kemungkinan tindak kejahatan cyber.]]>
<![CDATA[PENGEMBANGAN APLIKASI SERTIFIKASI ONLINE UNTUK MENGUJI KOMPETENSI MAHASISWA UNESA ]]>
<![CDATA[Ricky Eka Putra]]>;
<![CDATA[Diastian Vinaya Wijanarko]]>;
<![CDATA[Sri Usodoningtyas]]>;
<![CDATA[Juhrah Singke]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 3 No. 2 (2019) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v3n2.p90-96
<![CDATA[Kegiatan sertifikasi memiliki peranan penting dalam pengembangan Sumber Daya Masyarakat (SDM), khususnya dalam menjaga eksistensi negara Indonesia di dalam persaingan global di era Masyarakat Ekonomi ASEAN (MEA). LSP Unesa turut mendukung program Unesa dalam melakukan sertifikasi demi menghasilkan lulusan yang berkualitas. Revolusi industri 4.0 dan perkembangan teknologi yang tinggi membuat LSP Unesa turut berpartisipasi dalam membuat sistem sertifikasi online yang digunakan dalam melakukan uji kompetensi. Aplikasi ini diyakini nanti dapat membuat kegiatan uji kompetensi menjadi lebih efektif dan efisien, khususnya pada proses pendaftaran sertifikasi oleh mahasiswa dan penilaian uji kompetensi oleh asesor. Aplikasi sertifikasi ini bersifat paperless yang tentunya dapat mereduksi penggunaan kertas dalam kegiatan sertifikasi. Melalui aplikasi ini, LSP Unesa juga turut mendukung gerakan green dan eco campus yang sedang digalakkan oleh Unesa. Pembuatan aplikasi ini mengadopsi model pengembangan perangkat lunak waterfall. Model ini terdiri dari 5 tahapan, antara lain pendefinisian kebutuhan (requirement definition), perancangan sistem dan perangkat lunak (system and software design), implementasi dan pengujian unit (implementation and unit testing), integrasi dan pengujian sistem (integration and system testing), serta pengoperasian dan perawatan (operation and maintenance). Hasil penelitian ini membuat proses uji kompetensi menjadi lebih efektif dan efisien. Aplikasi yang paperless ini juga mendukung gerakan green dan eco campus di Unesa.]]>
<![CDATA[Rancang Bangun Sistem Online Judge dan Pendeteksian Plagiarisme Menggunakan Arsitektur Serverless ]]>
<![CDATA[Romadlon Rahmatulloh]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 4 No. 1 (2020) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v4n1.p20-28
<![CDATA[Beberapa perguruan tinggi telah menjadikan Informatika sebagai jurusan yang dapat dipilih oleh calon mahasiswa. Salah satu kemampuan dasar yang harus dimiliki oleh mahasiswa Informatika adalah kemampuan menulis kode program. Perkembangan ilmu pengetahuan dan teknologi akan semakin menuntut mahasiswa untuk dapat menulis kode program yang semakin rumit. Proses evaluasi kode program yang dilakukan secara manual oleh dosen pengajar tidak lagi dapat mengikuti perkembangan ini, karena mempertimbangkan jumlah mahasiswa dan banyaknya baris kode yang harus diperiksa. Oleh karena itu dibutuhkan sistem online judge yang dapat mengevaluasi kode program hasil pekerjaan mahasiswa. Pada penelitian ini, sistem online judge dibangun menggunakan Judge0 API. Algortima Sherlock N-Overlap pada sistem ini mampu mendeteksi plagiarisme lebih efektif melebihi tools JPlag dan SIM, dengan nilai harmonic average lebih dari 0.8 dengan threshold sebesar 10 sampai dengan 90 pada skenario known similarity. Sedangkan skenario Unknown Similarity dengan threshold sebesar 50 sampai dengan 90 meghasilkan nilai harmonic average lebih dari 0.89.Sistem ini dibangun menggunakan arsitektur serverless. Sistem dibagi menjadi 2 bagian agar beban sistem untuk melayani permintaan pengguna lebih ringan. Sehingga sistem online judge ini dapat menangani permintaan pengguna hingga rata-rata 15.000 pengguna dengan sangat baik.]]>
<![CDATA[PELATIHAN PEMBUATAN SABUN ANTISEPTIK BERBAHAN DASAR EMPON-EMPON DI KABUPATEN NGANJUK ]]>
<![CDATA[Raya Sulistyowati]]>;
<![CDATA[Mirwa Adiprahara Anggarani]]>;
<![CDATA[Erlix Rakhmad Purnama]]>;
<![CDATA[Dimas Avian Maulana]]>;
<![CDATA[Tri Sudarwanto]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Jurnal ABDI: Media Pengabdian Kepada Masyarakat Vol. 6 No. 2 (2021) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/ja.v6n2.p167-172
<![CDATA[Coronavirus 2019 (Covid-19) telah menjadi ancaman serius bagi semua masyarakat di setiap wilayah Indonesia bahkan di seluruh dunia. Setelah World Health Organization memutuskan bahwa Covid-19 menjadi pandemi global, berbagai peneliti berlomba-lomba menggali manfaat dari empon-empon untuk melawan Covid-19. Kandungan temulawak diyakini dapat mengatasi infeksi yang disebabkan Covid-19. Kabupaten Nganjuk merupakan salah satu daerah penghasil empon-empon. Namun, masyarakat Nganjuk masih memiliki pengetahuan yang kurang dalam mengolah empon-empon tersebut. Masyarakat sekitar masih sering mengalami gagal panen dalam penanaman empon-empon. Sehubungan dengan hal tersebut, pengenalan terhadap ilmu pengetahuan dan teknologi perlu dilakukan agar masyarakat Nganjuk mampu mengolah empon-empon tersebut menjadi suatu produk penangkal Covid-19. Dalam hal ini, empon-empon akan diolah menjadi sabun antiseptik yang bernilai ekonomis. Setelah berhasil memproduksi sabun tersebut, masyarakat Nganjuk juga dibekali dengan strategi pemasaran untuk memasarkan produk sabun antiseptik kepada pengguna.]]>
<![CDATA[Perbandingan Ekstraksi Fitur Haar-like dan Local Binary Pattern untuk Deteksi Wajah ]]>
<![CDATA[Rafy Aulia Akbar]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1286.516 KB)
|
DOI: 10.26740/jinacs.v1n01.p1-8
<![CDATA[Abstrak—Deteksi wajah manusia (face detection) adalah salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face recognition). Karena sebelum memasuki proses tersebut deteksi wajah sangat mempengaruhi tingkat akurasi yang dihasilkan, karena potongan citra wajah dalam sebuah gambar ditentukan oleh deteksi wajah. Deteksi wajah dapat digunakan untuk melakukan pencarian dan pengindeksan data wajah dari citra atau video yang berisi wajah dengan berbagai ukuran, posisi, dan latar belakang. Penelitian ini mengevaluasi dua metode deteksi wajah berdasarkan tingkat hit deteksi dan waktu deteksi, dua metode itu adalah fitur Haar dan Local Binary Pattern (LBP). Pada percobaan menggunakan Haar menghasilkan total wajah yang terdeteksi benar adalah 11685 wajah dari 11745 wajah, sedangkan wajah yang terdeteksi salah adalah 103, sehingga memiliki hit rate 99,49%. Total dari waktu deteksi dari semua dataset adalah 1033 detik. Kemudian untuk percobaan menggunakan metode LBP total wajah yang terdeteksi benar adalah 11444 wajah dari 11745 wajah, sedangkan wajah yang terdeteksi salah adalah delapan, sehingga memiliki hit rate 97,48%. Total dari waktu deteksi dari semua dataset adalah 686 detik. Dari penelitian yang telah dilakukan, Haar memiliki keunggulan pada hit rate atau dapat mendeteksi wajah lebih banyak, sedangkan LBP memiliki keunggulan dalam waktu deteksi wajah yang jauh lebih singkat daripada Haar. LBP memiliki kelemahan pada hit rate, sedangkan Haar memiliki kelemahan pada waktu deteksi yang lebih lama dan kesalahan deteksi wajah yang lebih banyak daripada LBP.Kata Kunci— deteksi wajah; viola-jones; haar-like; local binary pattern; hit rate.]]>
<![CDATA[Penerapan CNN dengan Filter Gabor sebagai feature extractor untuk Content-Based Image Retrieval ]]>
<![CDATA[Bagas Muharom Hanugrah Hidayat]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (993.779 KB)
|
DOI: 10.26740/jinacs.v1n01.p16-25
<![CDATA[Abstrak— Seiring dengan perkembangan teknologi informasi, kebutuhan dalam pencarian informasi menjadi hal yang penting. Jika pencarian informasi selama ini dilakukan pada data berjenis teks, maka pada perkembangan teknologi saat ini, memungkinkan adanya pencarian informasi dalam bentuk citra digital. Hal tersebut terjadi karena adanya peningkatan jumlah pustaka digital dalam bentuk citra. Sebuah metode pengembalian citra menjadi komponen utama untuk memecahkan masalah tersebut. CBIR merupakan sistem pengembalian citra yang akan membantu dalam proses pencarian citra dengan memanfaatkan fitur-fiturnya. Penggunaan ekstraksif fitur yang tepat diperlukan untuk mendapatkan fitur tersebut. Pemilihan ekstraksi ftur akan sangat memengaruhi hasil dari CBIR. Salah satu metode yang dapat melakukan ekstraksi fitur pada citra adalah CNN. Metode yang masih dalam satu jenis dalam deep learning ini mampu mempelajari fitur citra untuk dimanfaatkan ke dala bidang visi komputer. Karena itu, CNN menjadi perhatian menarik dalam penelitian ini untuk melakukan CBIR. Penggunaan filter Gabor yang mampu mendapatkan tekstur citra dengan baik juga akan diimplementasikan sebagai filter pada lapisan konvolusi CNN. Dengan menggunakan CNN dan filter gabor, penelitian ini mampu mendapatkan nilai mAP sebesar 0,895 terhadap data uji dengan dataset GHIM10k. Penelitian ini juga membandingkan beberapa metode pengukuran jarak untuk mendapatkan sistem CBIR terbaik. Kata Kunci— Content Based Image Retrieval; Convolutional Neural Networks; pengukuran jarak; filter Gabor; visi komputer.]]>
<![CDATA[Rancang Bangun Aplikasi Drone Simulator Berbasis Android Menggunakan Game Engine Unity ]]>
<![CDATA[Muhammad Iskandar Java]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 1 No 01 (2019) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1034.209 KB)
|
DOI: 10.26740/jinacs.v1n01.p26-33
<![CDATA[Abstrak— Drone merupakan sebuah teknologi yang sedang populer pada saat ini. Akan tetapi untuk membeli sebuah drone tidaklah murah dan beresiko akan terjadi kerusakan pada saat proses belajar mengendalikannya. Namun dengan adanya teknologi digital, seseorang dapat dengan mudah belajar menggunakan teknologi manual dalam bentuk virtual atau biasa yang disebut dengan simulasi atau simulator. Keuntungan yang diberikan oleh simulator sendiri yaitu biayanya yang relatif lebih murah dibandingkan biaya untuk membeli peralatan yang sesungguhnya seperti drone. Agar memudahkan seseorang dalam belajar menggunakan drone, dibuatlah aplikasi bernama Drone simulator. Aplikasi tersebut memberikan fitur dimana pengguna dapat menerbangkan drone dengan kontrol yang mirip dengan drone asli. Aplikasi tersebut berjalan pada platform android sehingga dapat digunakan dimana saja. Dalam pembangunan aplikasi tersebut, metode pengembangan sistem yang digunakan adalah metode SDLC (Software Development Life Cycle) dengan model waterfall dengan alur analisis kebutuhan sistem, perancangan, implementasi, testing dan pemasaran. Dari hasil pengujian yang dilakukan, aplikasi berjalan dengan baik tanpa adanya error pada pengujian black box testing dan didapatkan nilai yang cukup baik dari hasil uji kuisioner yaitu sebesar 73% dari 45 responden.Kata Kunci— drone; simulasi; simulator; digital; Drone Simulator; waterfall; testing; black box testing .]]>
<![CDATA[Prediksi Kepribadian Pengguna Instagram Berdasarkan Model Big Five Personality Menggunakan Algoritma SVM ]]>
<![CDATA[Muhammad Ramadhan]]>;
<![CDATA[Ricky Eka Putra]]>
<![CDATA[ Journal of Informatics and Computer Science (JINACS) Vol 1 No 04 (2020) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (924.097 KB)
|
DOI: 10.26740/jinacs.v1n04.p179-187
<![CDATA[Abstrak— Popularitas media sosial Instagram terus merangkak naik sejak debutnya pada tahun 2010. Popularitas tersebut membuat Instagram menjadi media sosial terbesar di dunia di samping Facebook dan Twitter. Kini sebagian besar perusahaan mulai menggunakan media sosial sebagai salah satu aspek untuk menilai kepribadian pelamar. Analisis kepribadian dapat dilakukan dengan mengamati aktivitas di media sosial. Hal ini menjadi alasan dibalik pentingnya pembuatan sistem prediksi kepribadian otomatis berdasarkan aktivitas di media sosial. Instagram dipilih sebagai sumber data pada penelitian ini, dan Big Five Personality dipilih sebagai model kepribadian untuk pelabelan data. Pengumpulan data dilakukan dengan melakukan tes kepribadian terhadap 191 pengguna Instagram, kemudian melakukan crawling feed akun Instagram menggunakan API Instagram. Berdasarkan hasil pengujian sistem, kombinasi algoritma Support Vector Machine dengan kernel RBF dan Bayesian Optimization mampu menghasilkan akurasi mencapai 60.34%, presisi 30.17%, dan recall 50% untuk mengklasifikasi kepribadian pengguna Instagram. Kata Kunci— prediksi kepribadian, big five personality, instagram, support vector machine, bayesian optimization.]]>
