cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Telematika : Jurnal Informatika dan Teknologi Informasi
Published by Universitas Pembangunan Nasional Veteran Yogyakarta
ISSN : 1829667X     EISSN : 24609021     DOI : 10.31315
Core Subject : Engineering,
Electrical & Electronics Engineering
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 16, No 2 (2019): Edisi Oktober 2019" : 5 Documents clear
PENGEMBANGAN ALAT PEMBERI MAKAN IKAN OTOMATIS MENGGUNAKAN ARDUINO Mangaras Yanu Florestiyanto; Dessyanto Boedi Prasetyo; Moh. Hafidz Randy Handigar
Telematika Vol 16, No 2 (2019): Edisi Oktober 2019
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v16i2.3185

Abstract

AbstractIn fish farming activities there are a number of important things that must be considered, namely feeding and controlling the quality of the water in the pond such as water temperature, pH level and water clarity, because these elements are important for fish growth and life. Adjusting the time to feed the fish is also very important so that the fish can stay alive, if it is too late to feed the fish the fish can be stressed and eventually starve to death. Fish owners who have a fairly busy level of activity, will feel a little difficulty when leaving the house in a long time, because meeting the needs of fish and continuous monitoring is very time consuming. Thus, an automatic fish feeding device was developed which can be adjusted when feeding and measuring the feeding. In this study, Arduino Uno and Arduino Mega 2560 are the "brains" that control inputs, processes and outputs. Servo motor as a cover drive where fish feed is released. Water temperature sensors, pH sensors and water clarity sensors or TDS to monitor the state of the water. The output generated from the auto fish feeder has issued the feed in accordance with the set hours when testing, only the size of the feed will affect the amount of feed that comes out, as well as testing the temperature sensor, pH, and water clarity working properly.Keywords : Arduino, microcontroller, fish feeder, sensorDalam Kegiatan budidaya ikan ada beberapa hal penting yang harus diperhatikan yaitu pemberian pakan dan pengontrolan terhadap kualitas air yang ada dikolam seperti suhu air, kadar pH dan kejernihan air, karena unsur-tersebut penting bagi pertumbuhan dan kehidupan ikan. Penyesuaian waktu memberi makan ikan juga sangat penting agar ikan dapat tetap hidup, jika terlambat dalam memberi makan ikan maka ikan bisa stress dan akhirnya mati kelaparan. Pemilik ikan yang memiliki tingkat kesibukan yang cukup padat, akan merasakan sedikit kesulitan ketika akan meninggalkan rumah dalam waktu yang cukup lama, karena pemenuhan kebutuhan ikan dan pemantauan terus menerus sangat memakan waktu. Dengan demikian maka dikembangkanlah sebuah alat pemberi makan ikan otomatis yang dapat diatur waktu pemberian pakannya dan takaran pemberian pakannya. Pada penelitian ini menggunakan Arduino Uno dan Arduino Mega 2560 sebagai “otak” yang mengendalikan input, proses dan output. Motor servo sebagai penggerak penutup tempat keluarnya pakan ikan. Sensor suhu air, sensor pH dan sensor kejernihan air atau TDS untuk memantau keadaan air. Output yang dihasilkan dari auto fish feeder sudah mengeluarkan pakan sesuai dengan pengaturan jam yang sudah diatur ketika pengujian, hanya ukuran pakan akan mempengaruhi jumlah takaran pakan yang keluar, serta pengujian sensor suhu, pH, dan kejernihan air bekerja dengan baik.Kata Kunci : Arduino, mikrokontroller, fish feeder, sensor 
DIAGNOSA PENYAKIT DISK HERNIA DAN SPONDYLOLISTHESIS MENGGUNAKAN ALGORITMA C5 Ulfi Saidata Aesyi; Taufaldisatya Wijatama Diwangkara; Riyanto Tri Kurniawan
Telematika Vol 16, No 2 (2019): Edisi Oktober 2019
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v16i2.3181

Abstract

AbstractThe vertebral Column or spine is a sequence of bones from the neck to the tail owned by the vertebrates. The function of the spine is to protect the spinal nerves. The spine may experience malfunction if it is caused by abnormalities and diseases such as Disk Hernia and Spondylolisthesis. Based on the problem then it takes a system that can recognize or identify the disease Disk Hernia and Spondylolisthesis that attack the spine. So that it can be diagnosed with early spinal diseases. In building this system using C 5.0 algorithm. This research uses 310 data from the UCI machine Learning, where there are three classification classes of Normal, Hernia disks, and Spondylolisthesis. The results showed that the C 5.0 algorithm was able to identify with accuracy of 79%. Then the resulting decision tree C 5.0 algorithm is maximized by using AdaBoost algorithm, so the accuracy increases to 83%.Keywords : Vertebral Column, C 5.0 algorithm, AdaBoost algorithmVertebral Column atau tulang belakang merupakan sebuah rangkaian tulang dari leher ke ekor yang dimiliki oleh vertebrata. Fungsi dari tulang belakang adalah untuk melindungi syaraf tulang belakang. Tulang belakang dapat mengalami kegagalan fungsi jika disebabkan kelainan dan penyakit seperti Disk Hernia dan Spondylolisthesis. Berdasarkan masalah tersebut maka dibutuhkan suatu sistem yang dapat mengenali atau mengidentifikasi penyakit Disk Hernia dan Spondylolisthesis yang menyerang tulang belakang. Sehingga dapat dilakuakn diagnosa penyakit tulang punggung secara dini. Dalam membangun sistem ini menggunakan algoritma C5.0. Penelitian ini menggunakan 310 data dari UCI Mechine Learning, dimana terdapat tiga kelas klasifikasi yaitu Normal, Disk Hernia, dan Spondylolisthesis. Hasil penelitian menunjukkan bahwa algoritma C5.0 mampu melakukan identifikasi dengan akurasi sebesar 79%. Kemudian pohon keputusan yang dihasilkan Algoritma C5.0 dimaksimalkan dengan menggunakan Algoritma AdaBoost, sehingga akurasi meningkat menjadi 83%.
APLIKASI PRESENSI PENGENALAN WAJAH DENGAN MENGGUNAKAN ALGORITMA HAAR CASCADE CLASSIFIER Moh. Wahyu Septyanto; Herry Sofyan; Herlina Jayadianti; Oliver Samuel Simanjuntak; Dessyanto Boedi Prasetyo
Telematika Vol 16, No 2 (2019): Edisi Oktober 2019
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v16i2.3182

Abstract

AbstractPresence using face already widely adopted as a way of monitoring employee attendance. Research on using facial Presence never been done before by applying algorithms and algorithms Eigenface linear discriminant analysis (LDA). However, previous research has found that there are still weaknesses in the algorithms used. The weakness is that the process of identifying which takes a long time because the process of calculating the value carried on the overall image or image and the distance of the face of the webcam can affect the process of identifying faces. In this study, the algorithm used is haar cascade classifier algorithm. Haar classifier cascade or known by other names haar-like features are the rectangular features (square function), which gives an indication of the specifics on a picture or image. Principle Haar-like features are recognizing objects based on simple values of the features but not the pixel values of the object image. This method has the advantage that the computation is very fast, because it depends on the number of pixels in a square instead of each pixel value of an image. Haar classifier cascade also still be able to identify faces even if the distance face with the webcam is considerably due to the value of the facial features can still be identified. Results from this study that the system can identify the face with a good degree of accuracy. Tests carried out to 13 employees Starcross Store with each employee doing 30 times the experiment presence. Attendance successful has the success rate is 87% and 13% of the total failure of the experiment 390 times. Some absences failed to happen because there are several factors that can affect attendance as high luminance, uplifted head position, and the use of attributes (hats, glasses, etc.).Keywords : Presence, face recognition, Haar cascade classifier algorithmPresensi menggunakan wajah sudah banyak diterapkan sebagai cara untuk pemantauan kehadiran pegawai. Penelitian tentang presensi menggunakan wajah pernah dilakukan sebelumnya dengan menerapkan algoritma eigenface dan algoritma linear discriminant analysis (LDA). Namun dari penelitian sebelumnya telah ditemukan kelemahan yaitu pada proses pengidentifikasian yang membutuhkan waktu cukup lama dikarenakan proses perhitungan nilai dilakukan pada keseluruhan citra atau image dan jauhnya jarak wajah dari webcam dapat mempengaruhi proses pengidentifikasian wajah tersebut. Pada penelitian ini algoritma yang digunakan adalah algoritma haar cascade classifier. Haar cascade classifier atau yang dikenal dengan nama lain haar-like features merupakan rectangular features (fungsi persegi), yang memberikan indikasi secara spesifik pada sebuah gambar atau image. Prinsip Haar-like features adalah mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukan merupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah image. Haar cascade classifier juga masih dapat mengidentifikasi wajah walaupun jarak wajah dengan webcam terbilang jauh dikarenakan nilai fitur wajah masih dapat diidentifikasi. Hasil dari penelitian ini bahwa sistem dapat mengidentifikasi wajah dengan tingkat akurasi baik. Pengujian dilakukan kepada 13 karyawan Starcross Store dengan masing-masing karyawan melakukan 30 kali percobaan presensi. Absensi yang berhasil memiliki nilai keberhasilan 87% dan 13% gagal dari total percobaan 390 kali. Beberapa absensi yang gagal terjadi karena ada beberapa faktor yang dapat mempengaruhi absensi seperti pencahayaan yang tinggi, posisi kepala yang mendongkak dan penggunaan atribut (topi, kacamata, dsb).Kata Kunci : Presensi, Pengenalan Wajah, Algoritma Haar Cascade Classifier 
APLIKASI PENGOLAHAN CITRA DIGITAL UNTUK IDENTIFIKASI UMUR POHON Nadzir Zaid Munantri; Herry Sofyan; Mangaras Yanu Florestiyanto
Telematika Vol 16, No 2 (2019): Edisi Oktober 2019
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v16i2.3183

Abstract

determined from several factors. One factor is the knowledge of the age of trees. Age of trees can be known through the circle of years on wood or also called growth. From the considerations above the formula issued is how to make a growth calculation system that is able to calculate by computer calculation, so we need an analysis to determine the age of the tree with growth. To support growth in wood one method that can be used is edge detection. The first stage in the process is grayscale which is done changing the RGB color image to gray, then the sobel edge detection process works to display the outline / edge of the image, then the calculation process is carried out with the formula.Keywords : image processing, annual ring, growthring, edge detection, sobelKualitas kayu yang baik dapat ditentukan dari beberapa faktor. Salah satu faktor itu adalah dengan mengetahui usia pohon. Usia pohon dapat diketahui berdasarkan lingkaran tahun pada kayu atau disebut juga dengan growthring. Dari permasalahan diatas rumusan masalahnya adalah bagaimana membuat sistem penghitungan growthring yang mampu menghitung dengan perhitungan komputer, maka diperlukan suatu analisis untuk mengetahui umur pohon dengan growthring. Untuk mendeteksi growthring pada kayu salah satu metode yang bisa digunakan adalah menggunakan edge detection. Tahapan yang pertama dilakukan proses dilakukan adalah proses grayscale yang dimana berfungsi mengubah gambar warna RGB menjadi abu abu, kemudian proses edge detection sobel yang berfungsi menampilkan garis tepi/tepian gambar, kemudian dilakukan proses perhitugan dengan rumus.Kata Kunci : pegolahan citra, lingkar tahun, growthring, edge detection, sobel 
IMPLEMENTASI NETWORK NOTIFICATION SYSTEM DENGAN MENGGUNAKAN TEKNOLOGI FIREBASE CLOUD MESSAGING (FCM) BERBASIS ANDROID Dessyanto Boedi Prasetyo; Rizki Inka Miftah; Rifki Indra Perwira
Telematika Vol 16, No 2 (2019): Edisi Oktober 2019
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v16i2.3184

Abstract

AbstractA quality internet networks became an important factor in supporting the activities of lecture at Universitas Pembangunan Nasional "Veteran" Yogyakarta, so that required the existence of oversight on a regular basis to ensure the sustainability of the network the Internet is good. As a network administrator would certainly not be in the workplace, so that required a system that supports the performance of the network administrator at the time of being out of work. On the research this time made an application that allows a network administrator can receive a notification message containing the incident (event) that occur on mikrotik router devices with parameters exist. The design of the system aided by Firebase Cloud Messaging (FCM) technology that acts as a web service. The sent messages can be stored in a database which can be seen on the admin web page. System development methods used namely GRAPPLE which includes stages of gathering requirements, analysis, design, development, and deployment of the system. In terms of the development of this system required configuration of mikrotik router device to connect two mikrotik router to PC Servers are available. The results of this research that is has successfully build the application Network Notification System by using Firebase Cloud Messaging (FCM) technology based on android. For testing step that use functionality test of the system by performing a simulation on every function of the system that was build and it was concluded that the function of the system can be run well.Keywords : network, router mikrotik, firebase cloud messaging, android.Jaringan internet yang berkualitas menjadi suatu faktor penting dalam mendukung kegiatan perkuliahan pada Universitas Pembangunan Nasional “Veteran” Yogyakarta sehingga diperlukan adanya pengawasan secara teratur untuk menjamin keberlangsungan jaringan internet yang baik. Sebagai seorang administrator jaringan tentu saja tidak selalu berada di tempat kerjanya sehingga dibutuhkan sebuah sistem yang mendukung kinerja administrator jaringan di saat berada di luar tempat kerjanya. Pada penelitian kali ini dibuatlah sebuah aplikasi yang memungkinkan seorang administrator jaringan dapat menerima pesan notifikasi berisikan kejadian (event) yang terjadi pada perangkat router mikrotik dengan parameter-parameter yang ada. Perancangan sistem kali ini dibantu dengan teknologi Firebase Cloud Messaging (FCM) yang berfungsi sebagai web service. Pesan yang telah terkirim dapat tersimpan dalam database yang dapat dilihat pada halaman web admin. Metode pengembangan sistem yang digunakan yaitu GRAPPLE yang meliputi tahapan pengumpulan kebutuhan, analisis, perancangan, pengembangan, dan penyebaran sistem. Dalam hal pengembangan sistem ini dibutuhkan konfigurasi device router mikrotik agar dapat terhubung dua buah router mikrotik ke PC Server yang tersedia. Hasil dari penelitian ini yaitu berhasil membangun aplikasi Network Notification System dengan menggunakan teknologi Firebase Cloud Messaging (FCM) berbasis android. Untuk pengujian yang dilakukan menggunakan pengujian fungsionalitas dari sistem dengan melakukan simulasi pada setiap fungsi dari sistem yang dibuat dan disimpulkan bahwa fungsi sistem dapat berjalan dengan baik.Kata Kunci : jaringan, router mikrotik, firebase cloud messaging, android.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 20, No 3 (2023): Edisi Oktober 2023 Vol 20, No 2 (2023): Edisi Juni 2023 Vol 20, No 1 (2023): Edisi Februari 2023 Vol 19, No 3 (2022): Edisi Oktober 2022 Vol 19, No 2 (2022): Edisi Juni 2022 Vol 19, No 1 (2022): Edisi Februari 2022 Vol 18, No 3 (2021): Edisi Oktober 2021 Vol 18, No 2 (2021): Edisi Juni 2021 Vol 18, No 1 (2021): Edisi Februari 2021 Vol 17, No 2 (2020): Edisi Oktober 2020 Vol 17, No 1 (2020): Edisi April 2020 Vol 16, No 2 (2019): Edisi Oktober 2019 Vol 16, No 1 (2019): Edisi April 2019 Vol 15, No 2 (2018): Edisi Oktober 2018 Vol 15, No 1 (2018): Edisi April 2018 Vol 14, No 2 (2017): Edisi Oktober 2017 Vol 14, No 1 (2017): Edisi April 2017 Vol 13, No 2 (2016): Edisi Juli 2016 Vol 13, No 1 (2016): Edisi Januari 2016 Vol 12, No 2 (2015): Edisi Juli 2015 Vol 12, No 1 (2015): Edisi Januari 2015 Vol 11, No 1 (2014): Edisi Juli 2014 Vol 10, No 2 (2014): Edisi Januari 2014 Vol 10, No 1 (2013): Juli 2013 Vol 9, No 2 (2013): Edisi Januari 2013 Vol 9, No 1 (2012): Edisi Juli 2012 Vol 8, No 2 (2012): Edisi Januari 2012 Vol 8, No 1 (2011): Edisi Juli 2011 Vol 7, No 2 (2011): Edisi Januari 2011 Vol 7, No 1 (2010): Edisi Juli 2010 Vol 6, No 2 (2010): Edisi Januari 2010 More Issue