Admin Website UNIKOM

Tag: kampus entrepreneur digital

  • Sistem Navigasi Dalam Ruangan Berbasis Realitas Tertambah Menggunakan Lokalisasi Point Cloud untuk Pencarian Barang yang Efisien di Gudang

    Penulis: Richi Dwi Agustia, Laurentyus Bryan Hermanto, Hanhan Maulana

    DOI: 10.1109/INCITEST64888.2024.11121513

    Abstrak

    Menemukan barang-barang tertentu di dalam ruang gudang yang luas merupakan tantangan yang signifikan, terutama ketika barang-barang tersebar di berbagai bagian. Navigasi berbasis peta 2D tradisional kurang mendalam dan detail, sehingga menyebabkan inefisiensi karena pekerja menghabiskan banyak waktu untuk menavigasi dan menemukan barang di dalam gudang yang luas. Studi ini bertujuan untuk mengembangkan sistem navigasi berbasis AR menggunakan teknologi point cloud, dengan menggunakan ARCore dan Immersal SDK untuk pemetaan dan lokalisasi. ARCore digunakan untuk melacak posisi dan orientasi perangkat dalam ruang 3D, membantu pengalaman AR dengan melapisi isyarat navigasi secara real-time. SDK Immersal digunakan untuk memungkinkan pemetaan spasial dan visual, mengintegrasikan konten digital dengan lingkungan fisik melalui lokalisasi point cloud. Untuk melakukan analisis pencarian jalur, navmesh di Unity digunakan, dikombinasikan dengan algoritma interpolasi spline Catmull-Rom untuk membuat jalur navigasi yang mulus. Untuk memetakan suatu ruang, dalam hal ini, gudang, digunakan immersal mapper, di mana kamera menangkap objek di dunia nyata dalam bentuk point cloud. Setiap titik dalam point cloud mencerminkan garis lintang dan garis bujur. Point cloud ini akan disimpan dalam layanan cloud Immersal untuk digunakan dalam proses lokalisasi setelah point cloud diproses melalui perangkat lunak Unity. Hasil pengujian menunjukkan aplikasi ini secara efektif membantu navigasi, menawarkan penyesuaian lintasan yang mulus di sekitar rintangan, meskipun saat ini masih kurang kemampuan pengalihan rute ketika jalur terblokir. Pengujian efisiensi waktu mengungkapkan bahwa aplikasi ini secara signifikan mengurangi waktu yang dibutuhkan untuk menemukan barang dibandingkan dengan metode manual, waktu rata-rata yang dibutuhkan untuk setiap tugas secara konsisten lebih rendah pada kelompok yang menggunakan aplikasi dibandingkan dengan kelompok yang tidak menggunakannya. Secara spesifik, pengurangan waktu lebih terlihat pada tugas-tugas yang lebih memakan waktu, seperti Item 3, di mana waktu penyelesaian rata-rata menurun dari 458,75 detik tanpa aplikasi menjadi 208,25 detik dengan aplikasi. Jarak rata-rata yang ditempuh untuk semua item secara konsisten lebih rendah pada kelompok yang menggunakan aplikasi dibandingkan dengan kelompok yang tidak menggunakannya, jarak rata-rata untuk Item 3 menurun dari 151,21 meter tanpa aplikasi menjadi 69,3 meter dengan aplikasi. Uji ANOVA dilakukan untuk menunjukkan efek signifikan antara mereka yang menggunakan aplikasi dan mereka yang tidak menggunakannya. Hasilnya menunjukkan bahwa nilai p di bawah 0,05, yang secara signifikan menunjukkan bahwa aplikasi tersebut membantu mengurangi waktu dan jarak yang ditempuh saat mencari item. © 2024 IEEE.

    Kata kunci penulis

    Augmented reality; immersal mapper; immersal SDK; navigation mesh; pathfinding

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015876318 

  • Model Prediksi Penerimaan Beasiswa Mahasiswa di Universitas untuk Siswa K-12 Menggunakan Pembelajaran Pohon Keputusan

    Penulis: Agus Nursikuwagus, Tono Hartono, Agus Setiana, Muhammad Agil Alfariski, Refaldi Satria Gumelar, Muhammad Rizdky Maulady

    DOI: 10.1109/INCITEST64888.2024.11121501

    Abstrak

    Menerima beasiswa bagi siswa SMA merupakan salah satu proses kunci dalam memperoleh beasiswa di universitas; oleh karena itu, proses pemantauan dan evaluasi penerima beasiswa di tingkat SMA sangat diperlukan. Kita belum menggunakan pembelajaran mesin untuk prediksi. Proses yang adil dan sesuai sangat penting untuk mendukung pembenaran kandidat. Penelitian ini bertujuan untuk menyediakan model pembelajaran prediksi berdasarkan dataset yang diusulkan. Kami memanfaatkan teknik klasifikasi seperti pohon keputusan berbasis, pembelajaran naive bayes, dan pembelajaran support vector. Sebagai hasil dari tugas tersebut, kami memperoleh berbagai tingkat akurasi, mulai dari pembelajaran pohon hingga support vector machine. Setiap model menyajikan nilai akurasi 1,00, 1,00, 1,00, 0,81, dan 0,99, secara berurutan. SVM mengungguli model lain, khususnya dalam mengurangi prediksi palsu. Dataset terdiri dari 547 instance, dengan 70% di antaranya berada di dataset pelatihan dan 30% di dataset pengujian. Penelitian selanjutnya dapat memanfaatkan metode pembelajaran mendalam atau mesin bahasa besar. Menyediakan parameter penyetelan sangat penting untuk meningkatkan akurasi klasifikasi. © 2024 IEEE.

    Kata kunci penulis

    pembelajaran klasifikasi; matriks kebingungan; pohon keputusan; model; prediksi

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015870242 

  • Pemanfaatan Visualisasi Data pada Klinik Keluarga di Kabupaten Cianjur

    Penulis: Alif Finanditha, Dian Dharmayanti, Juliadit Syahputra

    DOI: 10.1109/INCITEST64888.2024.11121481

    Abstrak

    Tujuan penelitian ini adalah untuk mengembangkan visualisasi yang efektif dan efisien untuk membantu koordinator promosi & pemasaran, dan koordinator gudang dalam memperoleh informasi yang diperlukan dengan cara yang lebih cepat dan tepat untuk meningkatkan proses pengambilan keputusan. berdasarkan hasil wawancara yang dilakukan dengan koordinator promosi & pemasaran, koordinator gudang mengatakan bahwa bentuk penyajian informasi saat ini adalah grafik. Namun, bentuk penyajian ini belum membantu koordinator promosi & pemasaran dan koordinator gudang dalam melaksanakan tugas mereka dan salah menafsirkan informasi. Dengan begitu banyak data yang perlu diproses, hal ini mengakibatkan koordinator promosi & pemasaran dan koordinator gudang membutuhkan waktu lebih lama untuk mendapatkan informasi, yang menghambat tugas koordinator promosi & pemasaran dan koordinator gudang. Dalam penelitian ini, metode yang digunakan mengadaptasi 7 langkah visualisasi data yang disesuaikan dengan penelitian untuk membangun visualisasi yang baik sesuai kebutuhan. Proses ekstraksi pengetahuan dilakukan menggunakan statistik deskriptif dan teknik penambangan data. Implementasi desain visualisasi dilakukan melalui pembuatan prototipe, yang kemudian diuji melalui metode pengujian kegunaan. Hasil pengujian menunjukkan bahwa prototipe visualisasi data memungkinkan koordinator promosi & pemasaran dan gudang untuk memahami informasi yang diperlukan dengan lebih cepat. © 2024 IEEE.

    Kata kunci penulis

    penambangan data; visualisasi data; pengujian kegunaan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015855737 

  • Sistem Deteksi Gas Buang di Kabin Mobil Berbasis Internet of Things

    Penulis: Dedena Hirawan, Audy Revi Nugraha

    DOI: 10.1109/INCITEST64888.2024.11121491

    Abstrak

    Mengendarai mobil merupakan aktivitas transportasi harian yang dilakukan oleh masyarakat Indonesia. Saat ini, belum ada fitur pada mobil untuk memeriksa dan memberikan peringatan tentang kualitas udara di dalam kabin. Tujuan penelitian ini adalah untuk membangun sistem deteksi gas buang di kabin mobil dengan menganalisis udara menggunakan sensor MQ-135 dan MQ-7. Penelitian ini menggunakan model prototipe untuk pengembangan perangkat lunak dan perangkat keras. Model prototipe cukup efektif di setiap tahap, mulai dari tahap pengumpulan data hingga tahap pengujian dan implementasi sistem. Penelitian ini berfokus pada pengembangan sistem untuk mendeteksi gas buang di dalam kabin mobil, karena saat ini belum ada fitur pada mobil untuk memantau kualitas udara kabin. Sistem ini menggunakan sensor MQ-135 dan MQ-7 untuk menganalisis kualitas udara dan mendeteksi gas berbahaya seperti Karbon Monoksida (CO), Karbon Dioksida (CO2), Amonia (NH3), dan Nitrogen Oksida (NOx), yang dihasilkan dari pembakaran bahan bakar fosil. Jika kadar gas melebihi batas aman, sistem akan memberikan peringatan dan merekomendasikan untuk membuka jendela guna meningkatkan sirkulasi udara. Tujuannya adalah untuk membantu menjaga kualitas udara yang sehat di dalam kabin mobil, mencegah dampak negatif terhadap kesehatan penumpang, dan memungkinkan pemilik mobil untuk memantau kondisi kendaraan demi penggunaan sehari-hari yang aman. © 2024 IEEE.

    Kata kunci penulis

    Kabin Mobil; Sistem Deteksi; Gas Buang; Internet of Things

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015892910

  • Pemanfaatan Replikasi Basis Data untuk Peningkatan Kinerja dan Pencadangan Basis Data Sistem Informasi Akademik Perguruan Tinggi

    Penulis: Andri Heryandi

    DOI: 10.1109/INCITEST64888.2024.11121494

    Abstrak

    Saat ini, sebuah institusi pendidikan tinggi memiliki Sistem Informasi Akademik untuk mendukung pelaksanaan proses pendidikan. Seiring waktu, seiring penggunaan sistem informasi, jumlah data yang tersimpan juga meningkat. Hal ini menyebabkan layanan basis data menjadi lebih lambat, yang selanjutnya memengaruhi kinerja sistem informasi. Dari segi keamanan, basis data juga harus siap menghadapi potensi serangan atau gangguan yang dapat merusak. Oleh karena itu, basis data yang digunakan dalam sistem informasi harus mendukung langkah-langkah untuk meminimalkan dampak serangan atau gangguan tersebut, misalnya, melalui langkah-langkah pencadangan. Namun, penerapan prosedur pencadangan dalam basis data dapat memengaruhi kinerja keseluruhan sistem informasi, seperti menyebabkan waktu henti selama proses pencadangan. Penelitian ini menciptakan arsitektur server basis data yang dapat meningkatkan kinerja basis data (ketersediaan, kecepatan, dan keamanan), sehingga meningkatkan kinerja sistem informasi akademik sekaligus mendukung proses pencadangan tanpa mengorbankan kinerja sistem informasi menggunakan teknologi replikasi basis data. © 2024 IEEE.

    Kata kunci penulis

    sistem informasi akademik; pencadangan; basis data; replikasi; keamanan

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015890567 

  • Sistem Optimasi Produksi Keripik Tempe Menggunakan Metode Simpleks

    Penulis: Gentisya Tri Mardiani, Rina Susanto

    DOI: 10.1109/INCITEST64888.2024.11121428

    Abstrak

    Dalam memproduksi keripik tempe, perusahaan memiliki keterbatasan seperti ketersediaan bahan baku dan kapasitas produksi harian. Metode simpleks digunakan untuk menghitung jumlah produksi optimal dalam satu hari dan mengetahui berapa banyak produk yang dihasilkan. Tujuan penelitian ini adalah untuk membantu Manajer Produksi dalam menghitung jumlah waktu produksi yang dilakukan dan mengetahui jumlah produk optimal yang dihasilkan dari setiap produksi. Berdasarkan hasil analisis ini, maka penerapan Metode Simpleks dapat diimplementasikan untuk menghasilkan 1x produksi keripik tempe asin dan 2x produksi keripik tempe manis dengan total produksi 3500 kilogram per hari sehingga perusahaan dapat memaksimalkan penggunaan bahan baku, mesin, dan kapasitas produksi serta mengoptimalkan jumlah produk yang dihasilkan. Sistem yang akan dibangun memiliki tiga pengguna, yaitu manajer produksi, staf produksi, dan staf gudang. Output dari sistem yang akan dibangun adalah untuk membantu manajer produksi dalam menghitung kebutuhan produksi optimal setiap hari, serta membantu dalam pengambilan keputusan rencana produksi untuk setiap hari. © 2024 IEEE.

    Kata kunci penulis

    sistem pengambilan keputusan; optimasi; produksi; bahan baku; metode simpleks

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015779398  

  • Analisis Komparatif Pemuatan Data Peta Interaktif Menggunakan Metode GeoJSON bagi Wirausaha Baru Jawa Barat

    Penulis: Angga Setiyadi; Eko Budi Setiawan

    DOI: 10.1109/INCITEST59455.2023.10396976

    Abstrak

    Tujuan penelitian ini adalah menganalisis peta interaktif dengan menggunakan metode GeoJSON dan tanpa menggunakan GeoJSON bagi wirausaha baru di Jawa Barat. Alur tahapan penelitian ini terdiri atas tiga bagian, yaitu analisis kode, implementasi kode, serta pengujian kode yang telah dibuat dengan menggunakan GeoJSON dan tanpa GeoJSON. Hasil yang diperoleh dalam penelitian ini menunjukkan bahwa penggunaan GeoJSON untuk menampilkan data pada peta interaktif lebih cepat dibandingkan tanpa menggunakan GeoJSON. Adapun kelemahan penggunaan GeoJSON pada peta interaktif adalah pengembang aplikasi cenderung harus menuliskan kode sumber lebih banyak pada proses pemuatan peta interaktif. © 2023 IEEE.

    Kata kunci penulis

    Analisis Komparatif; GeoJSON; Peta Interaktif; Pengusaha Baru

    Artikel ini dapat diakses di: https://www.scopus.com/pages/publications/85185197883

  • Implementasi Teknik Klaster K-Means Menggunakan Atribut RFM untuk Meningkatkan Retensi Donatur di Masjid Nusantara

    Penulis: Iqbal Muhammad Farisi, Sri Supatmi

    DOI: 10.1109/INCITEST64888.2024.11121472

    Abstrak

    Upaya yang ditujukan untuk retensi donatur merupakan aspek fundamental dari strategi Customer Relationship Management (CRM) yang meningkatkan efektivitas organisasi. Penelitian ini berfokus pada entitas yang secara tradisional lebih menekankan akuisisi donatur baru daripada retensi donatur yang ada, sebuah metodologi yang dapat menghambat keberlanjutan jangka panjang. Dengan mengkategorikan donatur dan merumuskan strategi retensi yang ditargetkan, penelitian ini berupaya mengalihkan penekanan dari akuisisi donatur ke retensi, dengan menggunakan metodologi klaster K-Means bersama dengan kerangka RFM (Recency, Frequency, Monetary). Penelitian deskriptif yang mengadopsi paradigma kuantitatif mengikuti proses CRISP-DM, yang meliputi tahap pemilihan data, pra-pemrosesan, transformasi, pemrosesan, dan analisis. Analisis data menemukan empat kelompok donor yang berbeda, masing-masing dilengkapi dengan strategi retensi yang disesuaikan berdasarkan skor RFM mereka. Strategi retensi ini berkontribusi pada hasil pragmatis dengan memberdayakan organisasi untuk meningkatkan loyalitas donor, meningkatkan keterlibatan donor, dan pada akhirnya, memfasilitasi misi mereka dalam membangun dan memelihara masjid. Penelitian ini menunjukkan bahwa memprioritaskan retensi donor, yang didukung oleh metodologi berbasis empiris, berpotensi untuk meningkatkan kinerja dan kesuksesan berkelanjutan suatu organisasi. © 2024 IEEE.

    Kata kunci penulis

    CRISP-DM; CRM; Analisis Data; Retensi Donor; Pengelompokan K-Means; RFM

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105015849404 

  • Batik Inovatif berbasis Jaringan Saraf Tiruan dalam 

    Mendefinisikan Ulang Seni dan Fotografi Digital

    Penulis: Yeffry Handoko Putra; Rahma Wahdiniwaty; Rini Maulina; Noorihan Abdul Rahman; Zuriani Ahmad Zukarnain; Wan Fariza Abdul Rahman
    DOI: 10.1109/INCITEST64888.2024.11121421

    Abstrak

    Batik merupakan bagian penting dari kekayaan budaya Indonesia, yang dikenal dengan motif dan pola berulang yang rumit. Penciptaan pola berulang tersebut kerap menjadi tantangan bagi para desainer, terutama ketika mereka hendak memadukannya dengan gaya modern. Namun, meningkatnya minat masyarakat daring terhadap penciptaan motif batik yang unik telah mendorong inovasi di bidang ini. Perkembangan teknologi mutakhir, seperti pembelajaran mendalam, telah mengubah lanskap tersebut, di mana model-model terkini menunjukkan kinerja yang lebih unggul dibandingkan metode konvensional dalam tugas-tugas seperti klasifikasi gambar dan pengenalan objek. Salah satu teknologi yang menarik perhatian adalah pix2pix, yang memfasilitasi transformasi citra melalui pendekatan Conditional Generative Adversarial Networks (cGAN). Metode ini memanfaatkan kumpulan data yang berisi citra beserta peta tepinya yang diekstraksi menggunakan teknik seperti Canny Edge Detection dalam OpenCV, sehingga memungkinkan terciptanya desain batik yang kompleks. Penelitian ini juga mengkaji peran Non-Fungible Tokens (NFT) dalam memfasilitasi pemasaran dan pelestarian karya seni batik. Dengan mengonversi desain batik menjadi NFT, para seniman dapat membuktikan keaslian karya mereka dan membangun konektivitas dengan pecinta seni di seluruh dunia. Gagasan inovatif ini tidak hanya berkontribusi pada pelestarian warisan budaya Indonesia yang kaya, tetapi juga membuka ruang partisipasi kreatif bagi masyarakat daring dan penggemar batik. Peluang kolaborasi dan eksplorasi seni digital semakin terbuka luas, seiring dengan upaya pelestarian warisan budaya. Ke depannya, motif-motif batik yang dihasilkan berpotensi untuk dikonversi menjadi NFT. Hal ini memungkinkan keunikan dan kepemilikan setiap motif batik dapat diverifikasi secara transparan melalui teknologi blockchain, serta membuka peluang terciptanya pasar digital tempat publik dapat membeli, menjual, atau mengoleksi karya seni digital tersebut. Integrasi dengan NFT memberikan nilai tambah dan jaminan keaslian bagi motif batik yang diciptakan melalui metode pembelajaran mendalam yang canggih, sekaligus memperluas cakupan penerapan dan dampak penelitian ini di ranah digital. © 2024 IEEE.

    Kata Kunci Penulis
    batik; pelestarian budaya; pembelajaran mendalam; token non-fungibel (NFT)

    Kata Kunci Terindeks

    Rekayasa – Istilah Terkendali
    Komputasi seni; Deteksi tepi; Perdagangan elektronik; Pelestarian sejarah; Sistem pembelajaran; Fotografi

    Rekayasa – Istilah Tidak Terkendali
    Jaringan adversarial; Batik; Pelestarian budaya; Kumpulan data; Pembelajaran mendalam; Seni digital; Fotografi digital; Indonesia; Jaringan saraf tiruan; Token non-fungibel

    Rekayasa – Topik Utama
    Jaringan saraf tiruan mendalam

  • K-Means Clustering untuk Analisis Klaster Kejahatan di Kejaksaan Negeri Indramayu

    K-Means Clustering untuk Analisis Klaster Kejahatan di Kejaksaan Negeri Indramayu

    Penulis: Aditya Erlangga, Rizky Bani Asmara E.M., Raudatussholihat Amalia, Estiko Rijanto

    DOI: 10.1109/INCITEST59455.2023.10396984

    Abstrak

    Kejahatan adalah perilaku kriminal yang sering menimbulkan masalah di masyarakat dengan berbagai macam kejahatan yang sering terjadi seperti pembunuhan, penyerangan, pemerkosaan, pencurian, penipuan, penggelapan, narkotika dan lain-lain. Dalam Pasal 35 ayat (1) huruf K Undang-Undang Nomor 16 Tahun 2004 tentang Jaksa Agung Republik Indonesia sebagaimana diubah dengan Undang-Undang Nomor 11 Tahun 2021 menyatakan bahwa Kejaksaan adalah lembaga pemerintah yang fungsinya berkaitan dengan kewenangan yudisial untuk menuntut dan kewenangan lain yang tunduk pada hukum. Algoritma K-Means adalah algoritma pengelompokan non-hierarki yang memiliki kemampuan untuk mengelompokkan data dalam jumlah besar, dengan cepat dan efisien. Dalam makalah ini, data dari 217 kasus diuji dari Kejaksaan Distrik Indramayu selama Januari 2022 hingga Desember 2022. Algoritma K-Means berhasil mengklasifikasikan hubungan antara kasus kriminal dan jaksa penuntut yang menanganinya. Hasil dengan menggunakan K=3 optimal membentuk tiga klaster yang terdiri dari Klaster C1 = 9 jenis kasus, Klaster C2 = 9 jenis kasus, Klaster C3 = 9 jenis kasus dengan anggota C2 dan C3 memiliki karakteristik Global Unique, Domination, dan Share di dalam setiap klaster. © 2023 IEEE.

    Kata kunci: pengelompokan; kejahatan; K-Means; jaksa penuntut

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85185198398