Journal of Digital Technology and Intelligent Computing (JDTIC)

RANCANG BANGUN SMART AUDIO KAMPUS BERBASIS ESP32 DAN DFPLAYER DENGAN SISTEM PENJADWALAN OTOMATIS BERBASIS WEB

Muh. Ahsan — 2026-06-30

Sistem audio kampus yang dioperasikan secara manual sering menimbulkan keterlambatan pemutaran, ketidaksesuaian jadwal, dan ketergantungan terhadap operator, sehingga diperlukan sistem otomatis yang tepat waktu dan mudah dikelola. Penelitian ini bertujuan merancang dan membangun sistem Smart Audio Kampus berbasis ESP32 dan DFPlayer Mini dengan penjadwalan otomatis berbasis web. Metode Research and Development (R&D) diterapkan melalui tahapan identifikasi masalah, studi literatur, analisis kebutuhan, perancangan, implementasi perangkat keras dan lunak, pengujian Black Box Testing, serta analisis hasil. Sistem menggunakan ESP32 sebagai pusat kendali, DFPlayer Mini sebagai pemutar audio, Network Time Protocol (NTP) untuk sinkronisasi waktu, dan web server untuk pengaturan serta monitoring. Hasil penelitian menunjukkan sistem berhasil memutar audio otomatis sesuai jadwal yang diatur melalui antarmuka web, menampilkan waktu real-time, status DFPlayer Mini, audio sedang diputar, dan countdown menuju jadwal berikutnya. Sistem juga menyediakan mode operasi OFF, Senin–Jumat, dan Setiap Hari yang dapat disesuaikan dengan kebutuhan kampus. Seluruh fungsi utama sistem berjalan baik berdasarkan pengujian Black Box Testing. Dengan demikian, sistem ini menjadi solusi efektif dalam meningkatkan efisiensi pengelolaan audio kampus dan mendukung implementasi Smart Campus berbasis Internet of Things.

SYSTEMATIC LITERATURE REVIEW TERHADAP IMPLEMENTASI DEEP LEARNING DALAM DIAGNOSIS AWAL TUBERKULOSIS

Aisyah Shinta Balqis — 2026-06-30

Tuberkulosis (TB) tetap menjadi ancaman kesehatan global yang signifikan, terutama di negara berkembang yang memiliki keterbatasan akses terhadap teknologi diagnostik yang andal. Ketidakseimbangan data dan kesulitan dalam mendiagnosis penyakit ini sejak dini menjadi tantangan utama. Penelitian ini bertujuan untuk mengidentifikasi metode Deep Learning (DL) yang tersedia, mengevaluasi berbagai arsitektur jaringan saraf yang digunakan, dan menentukan model yang paling efektif untuk deteksi dini TB. Metode yang digunakan meliputi pencarian literatur di database Scopus dan Google Scholar dengan kata kunci terkait. Seleksi dan penyaringan dilakukan berdasarkan kriteria inklusi dan eksklusi yang ketat, dengan 52 studi terpilih dievaluasi dan dianalisis untuk memberikan gambaran komprehensif tentang implementasi DL dalam diagnosa awal TB. Hasil penelitian menunjukkan bahwa metode Convolutional Neural Networks (CNNs) seperti ResNet, VGG, dan DenseNet adalah yang paling sering digunakan dan menunjukkan kinerja unggul. Kombinasi teknik Transfer Learning dan Generative Adversarial Networks (GANs) terbukti efektif dalam meningkatkan akurasi dan mengatasi masalah ketidakseimbangan data. ResNet50 muncul sebagai model yang paling efektif dengan akurasi hingga 98.20%. Saran untuk peneliti selanjutnya adalah untuk fokus pada peningkatan interpretabilitas model DL dan pengembangan dataset yang lebih besar dan representatif. Selain itu, integrasi teknik AI dengan sistem kesehatan yang ada dapat membantu menciptakan alat diagnostik yang lebih komprehensif dan mudah diakses.

IMPLEMENTASI ARTIFICIAL INTELLIGENCE PADA SISTEM REKOMENDASI POLA HIDUP SEHAT UNTUK MASYARAKAT DESA PASIANG BERBASIS WEB

Nur Inda — 2026-06-30

Dalam bidang kesehatan, AI terus berkembang sebagai solusi untuk meningkatkan kualitas hidup masyarakat melalui pemberian rekomendasi yang personal. Sistem rekomendasi berbasis AI dapat menghasilkan rekomendasi pola hidup sehat yang sesuai dengan kebutuhan setiap orang dengan menganalisis data seperti usia, jenis kelamin, aktivitas fisik, pola makan, dan kondisi kesehatan pengguna. Penelitian ini akan menggunakan AI untuk membuat sistem rekomendasi pola hidup sehat yang dapat diakses melalui internet untuk masyarakat Desa Pasiang. Algoritma rekomendasi digunakan oleh sistem untuk mengumpulkan data pengguna dan memberikan rekomendasi tentang aktivitas fisik, pola makan, waktu tidur, dan kebiasaan sehat lainnya. Analisis kebutuhan, perancangan sistem, implementasi, dan pengujian adalah langkah-langkah penelitian dan pengembangan (R&D). Hasil penelitian diharapkan dapat menghasilkan sistem yang dapat membantu masyarakat memperoleh informasi kesehatan yang lebih personal, mudah diakses, dan efektif untuk mendukung perubahan pola hidup menuju pola hidup yang lebih sehat. Dengan menerapkan sistem rekomendasi yang didasarkan pada kecerdasan buatan, masyarakat mungkin lebih menyadari kesehatan mereka sendiri dan mendukung upaya preventif dan promotif dalam bidang kesehatan.

IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK ANALISIS DATA PENJUALAN PRODUK PADA UMKM POLEWALI MANDAR

Muh. Ramli — 2026-06-30

Usaha Mikro, Kecil, dan Menengah (UMKM) berperan penting dalam pertumbuhan ekonomi daerah, tetapi sebagian pelaku usaha masih menghadapi kendala dalam mengelola dan menganalisis data penjualan untuk mendukung keputusan bisnis. Penelitian ini bertujuan mengimplementasikan sistem Business Intelligence untuk menganalisis data penjualan produk pada UMKM di Kabupaten Polewali Mandar. Penelitian menggunakan 500 data transaksi yang berasal dari lima UMKM sektor makanan dan minuman. Data dikumpulkan melalui observasi, wawancara, dokumentasi, dan studi pustaka. Tahapan pengembangan mencakup pengumpulan data transaksi, integrasi dan penyimpanan data, proses Extract, Transform, Load, pembersihan data, analisis penjualan, visualisasi, dan penyajian dashboard. Hasil implementasi menunjukkan bahwa sistem dapat menyajikan informasi mengenai produk terlaris, tren penjualan, distribusi kategori produk, dan total pendapatan dalam bentuk visual yang lebih mudah dipahami. Informasi tersebut dapat dimanfaatkan untuk mendukung penyusunan strategi pemasaran, pengelolaan persediaan, dan pemantauan kinerja penjualan. Sistem ini menyediakan mekanisme analisis data yang lebih terstruktur dibandingkan pengolahan manual dan dapat mendukung proses transformasi digital UMKM di Kabupaten Polewali Mandar

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PRIORITAS PENERIMA BANTUAN BEDAH RUMAH MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)

Aslam Mardin — 2026-06-30

Program bantuan bedah rumah merupakan salah satu upaya pemerintah dalam meningkatkan kualitas hunian masyarakat berpenghasilan rendah melalui perbaikan rumah tidak layak huni. Namun, proses penentuan penerima bantuan yang masih dilakukan secara manual sering menimbulkan permasalahan berupa subjektivitas, ketidaktepatan sasaran, serta rendahnya efisiensi dalam pengambilan keputusan. Penelitian ini bertujuan untuk merancang dan membangun Sistem Pendukung Keputusan (SPK) dalam menentukan prioritas penerima bantuan program bedah rumah menggunakan metode Simple Additive Weighting (SAW). Metode SAW digunakan karena mampu melakukan penilaian dan perangkingan alternatif berdasarkan sejumlah kriteria yang telah ditentukan. Kriteria yang digunakan dalam penelitian ini meliputi penghasilan, kondisi dinding, kondisi atap, jumlah tanggungan, dan kepemilikan rumah. Sistem dikembangkan berbasis web menggunakan framework Laravel dengan tahapan pengumpulan data, perancangan sistem, implementasi, serta pengujian sistem. Hasil penelitian menunjukkan bahwa metode SAW dapat diterapkan dengan baik dalam proses normalisasi, pembobotan, perhitungan nilai preferensi, dan perangkingan calon penerima bantuan. Sistem yang dibangun berhasil menghasilkan rekomendasi penerima bantuan secara objektif, transparan, dan terukur. Selain itu, hasil pengujian menunjukkan bahwa perhitungan sistem sesuai dengan perhitungan manual sehingga mampu meningkatkan akurasi, mengurangi kesalahan seleksi, serta mempercepat proses penentuan penerima bantuan. Dengan demikian, sistem yang dikembangkan dapat menjadi alat bantu pengambilan keputusan yang efektif dalam mendukung pelaksanaan program bedah rumah.