Jurnal Ilmiah Teknologi Informasi dan Robotika

Perancangan Sistem Informasi Penyewaan Aset Berbasis Framework Laravel Pada Badan Layanan Umum PKTJ Tegal

2025-04-21T04:02:43+00:00

Dengan berkembangnya teknologi informasi dan komunikasi, kehidupan masyarakat telah mengalami banyak perubahan, termasuk cara memenuhi kebutuhan masyarakat akan informasi dan komunikasi. PKTJ Tegal merupakan instansi Badan Layanan Umum (BLU) di bawah naungan kementerian perhubungan yang menyediakan berbagai layanan seperti penyewaan fasilitas kampus. Model pengelolaan Badan Layanan Umum (BLU) harus memberikan kemudahan dan fleksibilitas guna meningkatkan pelayanan kepada masyakarat dalam upaya meningkatkan kesejahteraan umum dan pendidikan kehidupan berbangsa. Observasi menunjukkan bahwa sistem informasi penyewaan yang ada kurang efektif, dengan proses yang tidak terorganisir dan publikasi yang kurang luas. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi berbasis web menggunakan metode waterfall untuk meningkatkan efisiensi dan efektivitas layanan. Hasil penelitian menunjukkan bahwa sistem baru memberikan kemudahan dalam proses penyewaan, meningkatkan kecepatan umpan balik, serta memudahkan pemantauan dan pengelolaan data penyewaan. Sistem ini diimplementasikan menggunakan PHP dan framework Laravel, serta diuji dengan metode black box testing untuk memastikan fungsionalitas dari sistem informasi yang telah dibuat.

Implementasi Digital Image Processing Menggunakan Discrete Hermite Wavelet Filter Technique Dalam Pemberian Watermark Pada Citra

2024-12-17T07:01:33+00:00

Keamanan data digital menjadi tantangan penting di era digital, terutama untuk melindungi konten multimedia seperti gambar, video, dan audio dari akses ilegal, duplikasi, dan penyebaran tanpa izin. Penelitian ini mengusulkan implementasi teknik Discrete Hermite Wavelet Filters Technique (DHWT) untuk meningkatkan keamanan data digital melalui watermarking. DHWT menggabungkan basis kernel hermite polynomial dan Discrete Wavelet Transform (DWT) untuk menyisipkan watermark secara efisien tanpa merusak kualitas citra asli. Metode ini melibatkan transformasi citra ke skala grayscale, analisis frekuensi menggunakan DHWT, dan dekomposisi citra menjadi empat sub-komponen frekuensi: LL, LH, HL, dan HH. Watermark biner disisipkan pada sub-komponen LH menggunakan dekomposisi QR dan logistic map, memastikan integrasi watermark yang halus namun tetap tahan terhadap serangan seperti kompresi, rotasi, dan noise. Hasil penelitian menunjukkan bahwa DHWT mempertahankan kualitas visual citra dengan peningkatan Peak Signal-to-Noise Ratio (PSNR) yang signifikan, menjadikannya teknik watermarking yang andal dan efisien. Penelitian ini menegaskan potensi DHWT dalam melindungi hak cipta dan integritas data digital, sekaligus menjawab tantangan keamanan data di era modern.

Klasifikasi Kematangan Sawit Menggunakan Metode Convolutional Neural Network (CNN) Dengan Transfer Learning Xception

2024-12-16T07:45:26+00:00

Penelitian ini membahas implementasi metode Deep Learning menggunakan algoritma Xception dengan augmentasi data untuk klasifikasi tingkat kematangan buah kelapa sawit. Dataset yang digunakan terdiri dari 613 citra sawit yang diperoleh dari Kaggle d. Data tersebut memiliki dua kelas, yaitu matang dan belum matang. Data yang diperoleh diperkaya melalui teknik augmentasi seperti flipping, zooming, dan penyesuaian pencahayaan. Penelitian ini menggunakan arsitektur Xception, yang memanfaatkan deptwise separable convolution untuk meningkatkan efisiensi komputasi dan akurasi dalam ekstraksi fitur. Preprocessing data meliputi rescaling pixel dan penyesuaian ukuran gambar menjadi 299 x 299 piksel, sesuai standar Xception. Model dilatih menggunakan optimizer Adam dengan pembagian data latih dan uji sebesar 85:15. Hasil menunjukkan dengan teknik augmentasi data dan arsitektur Xception hasil kinerja model memperoleh tingkat akurasi sebesar 90%. Studi ini memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis berbasis citra, yang dapat mendukung efisiensi dalam industri kelapa sawit.

Pengembangan IAMFA II Sebagai Peningkatan Algoritma Filter Median Pada Aplikasi Visi Komputer Secara Real Time

2025-04-21T08:30:05+00:00

Median filtering merupakan teknik yang umum digunakan dalam pengolahan citra untuk mengurangi noise, terutama noise impulsif. Namun, algoritma median tradisional sering kali memiliki waktu pemrosesan tinggi, sehingga kurang cocok untuk aplikasi real-time. Penelitian ini bertujuan mengembangkan algoritma median filter yang lebih cepat dan efisien, IAMFA-I dan IAMFA-II, untuk digunakan dalam aplikasi visi komputer real-time. Studi ini mencakup analisis kelemahan median filter tradisional, implementasi algoritma baru, serta evaluasi kinerja menggunakan metrik PSNR, SSIM, dan waktu pemrosesan CPU. Hasil menunjukkan bahwa IAMFA-II adalah algoritma tercepat, sementara DP memberikan akurasi terbaik. Temuan ini memberikan kontribusi pada pengembangan algoritma pengolahan citra yang lebih efisien dan berkualitas tinggi.

Deteksi Dan Klasifikasi Cacat Pada Produk Kain Dengan Metode Pengolahan Citra Digital

2024-12-31T07:21:54+00:00

Penelitian ini membahas tentang metode yang dapat digunakan untuk mendeteksi dan mengklasifikasi cacat pada kain menggunakan berbasis pengolahan citra digital. Tujuan dari penelitian ini adalah meningkatkan akurasi dan efisiensi deteksi cacat kain melalui pemrosesan citra yang lebih cepat dibanding dengan pengamatan manual. Dalam penelitian ini, gambar kerusakan kain diunggah dan program akan melakukan deteksi menggunakan pemrosesan gambar. Langkah pertama mengubah gambar menjadi grayscale. Selanjutnya, dilakukan penghilangan noise atau filtering, konversi biner melalui thresholding, serta mengaplikasikan operasi morfologi untuk perbaikan hasil citra. Kontur pada gambar kemudian dianalisis untuk mengidentifikasi area yang menunjukkan kerusakan pada kain, seperti kerusakan pada weft satu warp kain. Terdapat 7 jenis klasifikasi cacat yaitu hole, float, thick or thin weft, double pick, insufficient weft density, excessive weft density, dan broken weft. Klasifikasi ini dihitung berdasarkan ukuran kontur dan pengukuran tambahan lebar dan tinggi bounding box. Hasil penelitian ini menunjukkan tingkat keberhasilan deteksi cacat yang tinggi dengan klasifikasi yang akurat untuk setiap jenis kerusakan pada kain sehingga bermanfaat untuk inspeksi otomatis di industri kecil.