Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

Integrasi Sensor DHT11 dan PIR dalam Sistem Otomatisasi Suhu dan Deteksi Gerakan dalam Ruangan Menggunakan Mikrokontroler Arduino Nano: Integration of DHT11 and PIR Sensors in Indoor Temperature Automation and Motion Detection System Using Arduino Nano Microcontroller Pratifi, Via Khusnul; Sasongko, Ananto Tri; Afandi, Dedi
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1490

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem kontrol suhu dan deteksi gerakan pada ruangan dengan memanfaatkan Arduino Nano yang dilengkapi dengan sensor DHT11 dan sensor PIR. Jenis penelitian yang digunakan adalah penelitian observatif eksperimental. Penelitian observatif eksperimental dimulai dengan menentukan alat dan bahan yang diperlukan, termasuk perangkat lunak seperti Arduino IDE, Fritzing, Draw.io, dan Microsoft Word. Perangkat keras yang digunakan meliputi laptop HP dengan prosesor AMD Ryzen 5 5500U, Arduino Nano, sensor PIR, sensor DHT11, komponen relay, LCD, Buzzer, LED, power supply 12 volt, kabel, dan kipas angin Maspion F-15 DA. Alat pendukung seperti cutter, obeng, solder, tang potong, dan bor listrik digunakan untuk perakitan komponen elektronika agar sistem dapat berfungsi sesuai rencana. Metode pengumpulan data dalam penelitian ini meliputi observasi langsung terhadap kondisi ruang kelas di SMA N 1 Petanahan, serta studi pustaka untuk mendapatkan landasan teori dan informasi pendukung tentang sistem kontrol suhu, sensor, dan komponen yang digunakan. Hasil penelitian menunjukan bahwa sistem kontrol suhu dan deteksi gerakan telah melewati pengujian yang memuaskan. Sistem mampu menjaga suhu ruangan pada rentang yang diinginkan dengan efektif, sementara sensor DHT11 menunjukkan akurasi yang tinggi dalam pengukuran suhu, dengan perbedaan yang sangat kecil antara nilai yang terbaca dan suhu aktual ruangan. 
Optimasi Decision Tree Menggunakan Particle Swarm Optimization (PSO) pada Risiko Kredit KMG Bank DKI: Optimization of Decision Tree Using Particle Swarm Optimization (PSO) for Credit Risk of KMG Bank DKI Putry, Jwasky Budy Eswa; Sasongko, Ananto Tri; Hadikristanto, Wahyu
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 4 (2024): MALCOM October 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i4.1521

Abstract

Pada dunia perbankan prediksi risiko kredit merupakan aspek penting yang menentukan keberhasilan dalam pengelolaan kredit. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi risiko kredit Kredit Multiguna (KMG) di Bank DKI dengan menggunakan metode Particle Swarm Optimization (PSO). Dalam konteks ini, PSO digunakan untuk mengoptimalkan dalam menemukan kombinasi parameter terbaik yang dapat meningkatkan performa model prediksi risiko kredit. Penelitian menunjukkan bahwa penggunaan Particle Swarm optimization (PSO) ini meningkatkan akurasi prediksi risiko kredit secara signifikan. Dengan menggunakan Particle Swarm optimization (PSO) menghasilkan akurasi prediksi mencapai 99,13%. Sebaliknya , tanpa optimasi PSO, akurasi yang diperoleh dari Decision Tree hanya sebesar 97,83 %. Hal ini membuktikan bahwa PSO mampu meningkatkan akurasi prediksi risiko kredit secara signifikan. Dengan demikian, Bank DKI dapat mengambil keputusan yang lebih tepat dalam pemberian kredit KMG, yang pada akhirnya dapat mengurangi tingkat kredit macet dan meningkatkan stabilitas finansial bank.