Teknologi Informasi http://repository.umsu.ac.id/handle/123456789/22036 2026-06-03T18:15:50Z 2026-06-03T18:15:50Z NABIEL, MUHAMMAD IMJAUZANANSYAH http://repository.umsu.ac.id/handle/123456789/31294 2026-06-03T04:04:44Z 2026-04-11T00:00:00Z

Title: SISTEM PENERJEMAH BAHASA ISYARAT INDONESIA (BISINDO) REAL-TIME BERBASIS WEB MENGGUNAKAN METODE DEEP LEARNING CNN-LSTM DAN TEXT-TO-SPEECH Authors: NABIEL, MUHAMMAD IMJAUZANANSYAH Abstract: Bahasa Isyarat Indonesia (BISINDO) merupakan media komunikasi utama bagi penyandang disabilitas rungu, namun rendahnya pemahaman masyarakat umum sering memicu hambatan komunikasi. Penelitian terkait pengenalan bahasa isyarat sebelumnya sebagian besar masih berjalan secara offline, belum terintegrasi di lingkungan web real-time, dan hanya menghasilkan keluaran berupa teks. Oleh karena itu, penelitian ini bertujuan merancang dan membangun sistem penerjemah BISINDO berbasis web real-time menggunakan metode hybrid Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM), serta mengintegrasikannya dengan fitur Text-to-Speech (TTS). Dataset yang digunakan berupa data video primer dari 3 orang peraga, mencakup 11 kelas kategori (10 kata isyarat dan 1 kelas diam) dengan total 1.000 frame per kelas berformat grayscale (100x89 piksel). Arsitektur model membagi tugas komputasi di mana CNN mengekstraksi fitur spasial statis dan LSTM memodelkan kesinambungan temporal dari sekuens 30 frame. Model ini kemudian diintegrasikan ke dalam antarmuka aplikasi berbasis React.js dan Node.js. Hasil pengujian menunjukkan model hibrida ini mencapai tingkat akurasi statis sebesar 96% berdasarkan evaluasi Confusion Matrix. Pada pengujian fungsional real-time, penerapan aturan Confidence Threshold sebesar 80% terbukti efektif menyaring gerakan tidak tepat, sehingga sistem mampu menerjemahkan gerakan isyarat yang valid menjadi teks dan luaran suara secara akurat, meskipun masih terdapat misklasifikasi minor pada gestur dengan kemiripan spasial.

2026-04-11T00:00:00Z RAHMADINI, ANNISA http://repository.umsu.ac.id/handle/123456789/31281 2026-06-03T03:06:56Z 2026-05-09T00:00:00Z

Title: SISTEM PENYIRAMAN DAN PEMUPUKAN OTOMATIS PADA TANAMAN JAGUNG BERBASIS INTERNET OF THINGS (IOT) DENGAN MENGGUNAKAN GOOGLE ASSISTANT Authors: RAHMADINI, ANNISA Abstract: Penelitian ini bertujuan untuk merancang dan membangun sistem penyiraman dan pemupukan pada tanaman jagung berbasis Internet of Things (IoT) yang terintegrasi dengan Google Assistant. Sistem ini dikembangkan untuk mengatasi permasalahan dalam pengelolaan air dan pupuk yang masih dilakukan secara manual, sehingga kurang efisien dan berpotensi menurunkan produktivitas tanaman. Metode yang digunakan adalah Research and Development (R&D) dengan tahapan perancangan, pembuatan, dan pengujian sistem. Sistem ini memanfaatkan sensor kelembaban tanah, dan sensor suhu untuk memantau kondisi lingkungan tanaman secara. Data yang diperoleh kemudian diproses oleh ESP32 dan digunakan sebagai dasar pengambilan keputusan dalam mengaktifkan pompa air dan pupuk dikontrol melalui perintah suara menggunakan Google Assistant sehingga memudahkan pengguna dalam pengoperasian. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu bekerja dalam menjaga kondisi tanaman sesuai kebutuhan. Dengan demikian, sistem ini dapat meningkatkan efisiensi penggunaan air dan pupuk serta mendukung pertanian yang lebih modern.

2026-05-09T00:00:00Z RAMADHAN, SYAHRUL ANWAR http://repository.umsu.ac.id/handle/123456789/31275 2026-06-03T01:21:46Z 2026-03-21T00:00:00Z

Title: RANCANG BANGUN ROBOT MINI PEMANTAU VEGETASI PERKARANGAN MENGGUNAKAN SENSOR MULTI SPEKTRAL UNTUK EDUKASI PERTANIAN URBAN Authors: RAMADHAN, SYAHRUL ANWAR Abstract: Perkembangan teknologi di bidang pertanian mendorong pemanfaatan sistem berbasis robotik untuk membantu proses pemantauan kondisi tanaman. Penelitian ini bertujuan untuk merancang dan membangun sebuah robot mini pemantau vegetasi perkarangan menggunakan pendekatan sensor multi-spektral sederhana. Sistem ini memanfaatkan sensor warna untuk membaca nilai pantulan cahaya dari objek tanaman dalam bentuk nilai RGB (Red, Green, Blue), yang kemudian diolah untuk menghasilkan indikator tingkat kesehatan tanaman menggunakan pendekatan Normalized Difference Vegetation Index (NDVI) sederhana.Metode yang digunakan dalam penelitian ini meliputi tahap perancangan sistem, implementasi perangkat keras dan perangkat lunak, serta pengujian sistem. Perangkat keras terdiri dari mikrokontroler Arduino, sensor warna TCS, sensor ultrasonik, motor DC, driver motor, dan LCD sebagai media output. Perangkat lunak dikembangkan menggunakan Arduino IDE dengan fungsi utama membaca sensor, menghitung nilai NDVI sederhana, dan menampilkan hasil secara real-time.Hasil penelitian menunjukkan bahwa sistem mampu membedakan kondisi tanaman berdasarkan nilai warna yang terdeteksi. Tanaman sehat cenderung memiliki nilai hijau yang lebih dominan dibandingkan nilai merah, sedangkan tanaman tidak sehat menunjukkan nilai merah yang lebih tinggi. Robot juga mampu bergerak dan melakukan pemantauan secara langsung di area uji.Kesimpulan dari penelitian ini adalah bahwa robot mini berbasis sensor multi-spektral sederhana dapat digunakan sebagai media edukasi dalam pemantauan vegetasi, meskipun masih memiliki keterbatasan dalam akurasi dan dipengaruhi oleh kondisi pencahayaan lingkungan.

2026-03-21T00:00:00Z PURNOMO, WAHYU http://repository.umsu.ac.id/handle/123456789/31274 2026-06-02T03:16:33Z 2026-02-06T00:00:00Z

Title: ANALISIS PERBANDINGAN ALGORITMA XGBOOST DAN BiLSTM DALAM KLASIFIKASI SENTIMEN PUBLIK TERHADAP KEBIJAKAN PENEMPATAN DANA PEMERINTAH DI BANK Authors: PURNOMO, WAHYU Abstract: PPenempatan dana pemerintah di sektor perbankan merupakan salah satu kebijakan strategis yang bertujuan untuk menjaga stabilitas ekonomi dan meningkatkan likuiditas perbankan. Namun, kebijakan ini memunculkan beragam respons dari masyarakat yang tercermin dalam opini publik di media sosial. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Extreme Gradient Boosting (XGBoost) dan Bidirectional Long Short-Term Memory (BiLSTM) dalam melakukan klasifikasi sentimen publik terhadap kebijakan tersebut. Data yang digunakan berasal dari platform media sosial yang dikumpulkan melalui teknik scraping, kemudian melalui tahap preprocessing yang meliputi tokenisasi, normalisasi, dan penghapusan noise. Selanjutnya, fitur diekstraksi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk XGBoost dan word embedding untuk BiLSTM. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model BiLSTM memiliki kemampuan yang lebih baik dalam menangkap konteks kalimat sehingga menghasilkan akurasi yang lebih tinggi dibandingkan XGBoost. Namun, XGBoost menunjukkan keunggulan dalam hal efisiensi komputasi dan waktu pelatihan. Penelitian ini memberikan kontribusi dalam pemilihan model klasifikasi sentimen yang optimal untuk analisis opini publik berbasis data teks, khususnya dalam konteks kebijakan ekonomi pemerintah.

2026-02-06T00:00:00Z