SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains

Prototype Sistem Radar Otomatis Pendeteksi Objek Berbasis Internet of Things

Ahmad Roihan, Martono Martono, Tariq Rayhan Adnan, Erik Mahendra Badar — Mon, 15 Jun 2026 00:00:00 +0700

Perkembangan Internet of Things (IoT) mendorong lahirnya berbagai sistem otomatis yang mampu melakukan pemantauan lingkungan secara real-time, salah satunya adalah sistem radar berbasis sensor ultrasonik. Penelitian ini bertujuan merancang dan mengimplementasikan prototype sistem radar otomatis pendeteksi objek berbasis IoT menggunakan mikrokontroler ESP32, sensor ultrasonik HC-SR04, motor servo SG90, dan indikator LED. Sistem dirancang untuk mendeteksi objek pada rentang jarak tertentu, melakukan pemindaian area secara otomatis, serta menampilkan hasil deteksi dalam bentuk radar digital berbasis web melalui jaringan internet. Metode penelitian yang digunakan adalah eksperimen rekayasa prototipe dengan tahapan perancangan perangkat keras, pengembangan perangkat lunak, implementasi sistem, dan pengujian performa. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi objek pada rentang 2-400 cm dengan rata-rata deviasi pengukuran di bawah 2 cm. Servo SG90 berhasil melakukan pemindaian sudut 0°-180° secara stabil, sedangkan LED indikator mampu memberikan peringatan visual ketika objek berada pada jarak kurang dari atau sama dengan 30 cm. Antarmuka radar digital berbasis HTML dan JavaScript dapat menampilkan posisi objek secara real-time dengan respons yang cepat dan stabil. Berdasarkan hasil pengujian, sistem radar berbasis ESP32 ini memiliki performa yang baik, responsif, dan berpotensi dikembangkan lebih lanjut untuk aplikasi keamanan, monitoring area, dan sistem robotika berbasis IoT.

Penggunaan Single Machine Learning dan Ensemble Machine Learning untuk Deteksi Penyakit Jantung

Faisal Dharma Adhinata, Gita Fadila Fitriana, Nia Annisa Ferani Tanjung — Thu, 11 Jun 2026 00:00:00 +0700

Penyakit jantung merupakan penyakit yang berbahaya bahkan penyebab kematian tertinggi didunia. Deteksi dini penyakit jantung diperlukan sebagai upaya antisipasi untuk menjaga kesehatan sejak dini. Terdapat beberapa karakteristik gejala penyakit jantung yang cukup kompleks. Adanya banyak karakteristik ini mengharuskan penegakan diagnosis oleh tenaga medis. Sementara itu, pada beberapa daerah terpencil belum banyak tenaga medis. Oleh karena itu, pada penelitian ini mengembangkan sistem deteksi dini penyakit jantung menggunakan AI. Proses deteksi dini ini juga masih memerlukan tenaga medis sebagai penegakan diagnosis utama. Pemilihan metode machine learning daripada deep learning karena dataset yang digunakan jumlahnya tidak terlalu banyak. Metode single machine learning menggunakan Support Vector Machine (), sedangkan metode ensemble machine learning menggunakan CatBoost. Perbandingan ini untuk mengetahui metode mana yang cocok untuk klasifikasi data kompleks. Hasil eksperimen menunjukkan penggunaan CatBoost lebih efektif dibanding single machine learning. Nilai akurasi dan F1 menggunakan metode CatBoost adalah 0,99. Metode CatBoost menggunakan banyak decision tree untuk pengambilan keputusan prediksi. Proses ini yang membuat ensemble learning lebih baik dibanding single machine learning. Melalui hasil ini, penggunaan ensemble learning terbukti dapat mengolah data yang kompleks untuk penentuan prediksi penyakit jantung.