cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Junaidi
Contact Email
agus.asj@bsi.ac.id
Phone
+6221231170
Journal Mail Official
jurnal.insantek@bsi.ac.id
Editorial Address
Jl. Kramat Raya No. 98, Senen, Jakarta Pusat
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
INSANtek – Jurnal Inovasi dan Sains Teknik Elektro
Published by Universitas Bina Sarana Informatika
ISSN : -     EISSN : 2722547X     DOI : https://doi.org/10.31294/instk
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
INSANtek – Jurnal Inovasi dan Sains Teknik Elektro pertama publikasi tahun 2020, dengan registrasi ISSN dari LIPI Indonesia dengan Nomor 2722-547X. INSANtek – Jurnal Inovasi dan Sains Teknik Elektro adalah jurnal yang diterbitkan oleh Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Sarana Informatika. Jurnal INSANtek diterbitkan dua kali setahun pada bulan Mei dan November dalam bentuk elektronik. Redaksi menerima naskah berupa artikel ilmiah dan penelitian pada bidang : Sistem Elektronika, Instrumentasi, Telekomunikasi, Kendali, Robotika dan Teknologi Informasi
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 4 Documents
 1 
Search results for , issue "Vol 2 No 1 (2021): Mei 2021" : 4 Documents clear
Optimasi Algoritma C4.5 dan Naïve Bayes Berbasis Particle Swarm Optimization Untuk Diagnosa Penyakit Peradangan Hati Amrin Amrin; Omar Pahlevi; Irawan Satriadi
INSANtek Vol 2 No 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (432.442 KB) | DOI: 10.31294/instk.v2i1.399

Abstract

Peradangan hati merupakan salah satu penyakit menular yang menjadi masalah kesehatan masyarakat yang berpengaruh terhadap angka kesakitan, angka kematian, status kesehatan masyarakat, angka harapan hidup, dan dampak sosial ekonomi lainnya. Melakukan diagnosa dini pada penyakit ini adalah sesuatu yang sangat penting agar dapat secara cepat ditangani dan diobati. Pada penelitian ini penulis akan mengaplikasikan dan membandingkan beberapa metode klasifikasi data mining dan optimasi dengan particle swarm optimization (pso), diantaranya Algoritma C4.5, Naïve Bayes, C4.5 dengan pso, dan Naïve Bayes dengan pso untuk mendiagnosis penyakit peradangan hati, kemudian membandingkan mana dari beberapa metode tersebut yang paling akurat. Berdasarkan hasil penelitian, diketahui bahwa metode C4.5 dengan pso merupakan metode terbaik dengan akurasi 79,51% dan nilai under the curva (AUC) 0,950, kemudian metode Naive Bayes dengan pso memiliki akurasi 79,28% dan nilai AUC sebesar 0,739, kemudian metode C4.5 dengan tingkat akurasi sebesar 70,99% dan nilai AUC sebesar 0,950, selanjutnya metode Naive Bayes dengan tingkat akurasi sebesar 66,14%, dan nilai AUC sebesar 0,742. Hal ini membuktikan bahwa optimasi particle swarm optimization dapat meningkatkan kinerja metode klasifikasi yang digunakan
Perancangan Alat Pengukur Suhu Tubuh Berbasis Mikrokontroler ATMega16 Hanggoro Aji Al Kautsar
INSANtek Vol 2 No 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (341.708 KB) | DOI: 10.31294/instk.v2i1.401

Abstract

According to the World Health Organization (WHO) the transmission of corona disease is very fast spreading and quite deadly. One of the possible symptoms of Covid-19 is an abnormal body temperature above 380 C and below 360C. In this paper, the author wants to design an automatic body temperature measuring device based on infrared without touch to measure the measured human body temperature. Which is able to measure human body temperature with a distance of 15cm. The design of this body temperature measuring device uses the ATMega16 Microcontroller. Designed to make it easier to automatically detect body temperature without human assistance. For the temperature sensor we use the GY-906 MLX90614 sensor module, which is to measure temperature without touch with a maximum distance of 10cm and the laser module as a marker. To display the temperature, used 16x2 LCD and led lights as a marker. Then the author makes a distance setting if there are no objects at a distance of 10 cm on the temperature sensor, the sensor will automatically turn off with the HCSR-04 infrared module. The design of this tool is the best solution to solving problems in measuring body temperature in the current pandemic era. Automatic body temperature measurement is certainly better than manual body temperature measurement. And of course it will minimize contact which is one form of transmission of this virus.
Komparasi Metode K-NN, Support Vector Machine Dan Random Forest Pada E-Commerce Shopee Sri Watmah; Suryanto Suryanto; Martias Martias
INSANtek Vol 2 No 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (629.66 KB) | DOI: 10.31294/instk.v2i1.419

Abstract

Marketplace berbasis aplikasi android sangat digemari di Indonesia, salah satu toko online yang tengah digemari oleh orang indonesia yaitu shopee. Selain menawarkan kemudahan dalam berbelanja tentu saja ada kendala dalam penggunaanya, baik dalam bentuk pelayanan maupun produk yang dipasarkan. Text Mining menjadi metode yang tepat untuk mengetahui kepuasan pengguna. Sentimen analisis sangat diperlukan untuk mengetahui keakurasian dan prediksi. Review pada playstore umumnya diberikan ketika seseorang telah menginstal aplikasi pada smartphone Android. Disini penulis menguji seberapa kepuasan pengguna akun shopee berdasarkan review pada google playstore menggunakan metode K-NN, Support Vector Machine, dan Random Forest. Berdasarkan penghitungan menunjukan bahwa metode K-NN mempunyai nilai akurasi 89,0%, presisi 89,7% dan recall 87,5%. Pada metode klasifikasi Random Forest menunjukan nilai akurasi 83,0%, presisi 85,7% dan recall 81,4%. Untuk metode SVM menunjukan  nilai akurasi 89,4%, presisi 89,5% dan recall 89,7%. Dengan demikian metode klasifikasi terbaik pada studi ini adalah metode SVM dengan nilai 89,4% presisi 89,5% dan recall 89,7%.    
Perancangan Alat Pendeteksi KWH Meter Berbasis Arduino Uno R3 dan ESP8266 Elly Mufida; Mochammad Iqbal Adriansyah; Nur Muhammad Ihsan; Rian Septian Anwar
INSANtek Vol 2 No 1 (2021): Mei 2021
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (482.251 KB) | DOI: 10.31294/instk.v2i1.442

Abstract

The amount of electrical energy consumption by each consumer can be measured using an electrical energy measuring device, namely the KWH Meter, as used by the State Electricity Company (PLN). Each PLN electricity customer will pay the electricity fee according to the value on the KWH Meter. Electricity customers only know the amount of fees that must be paid and cannot detect or control the electricity consumption for each day. This study aims to create a detection device for electrical energy consumption or KWH Meter that can display electrical power at a certain time in the form of digits. This KWH Meter detection tool is built using the PZEM-004T sensor and Split-CT which is used as a voltage and current sensor, the Arduino Uno R3 microcontroller system which functions to process and process data that has been obtained by the sensor, as well as an LCD and ESP8266 module that will send the results. measurement to the user, and will be displayed on a web-based application. The buzzer will light up when the power used exceeds a predetermined limit to give a warning to the user. This tool can be used by the user to provide information on the use of electricity in a place. The user can set the maximum electricity usage value. If the use of electrical energy exceeds the maximum limit, the buzzer will give a warning, so that the user can control the use of electricity as desired.

Page 1 of 1 | Total Record : 4

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol 4 No 1 (2023): Mei 2023 Vol 3 No 1 (2022): Mei 2022 Vol 2 No 2 (2021): November 2021 Vol 2 No 1 (2021): Mei 2021