Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)

Design of Artificial Immune System - Models and Algorithms

Teguh Sujana — 2025-08-12

Artificial Immune Systems (AIS) belong to a group of computational intelligence methods inspired by the working mechanisms of biological immune systems to solve various computational problems. Artificial Neural Networks (ANNs) themselves are often used in various fields such as anomaly detection, pattern recognition, cyber and network security, task scheduling, process optimization, and data analysis, with the application of various ANN algorithms. In the AIS approach, there are four basic algorithms that serve as the main foundation, namely the Negative Selection Algorithm (NSA), Artificial Immune Networks (aiNet), Clonal Selection Algorithm (CLONALG), and Dendritic Cell Algorithm (DCA). The problem that occurs at this time is that there is still a lack of papers that discuss the main basic algorithms in AIS, resulting in difficulties in developing new models of basic algorithms. Apart from that, many other aspects of the natural immune system have not been touched due to not yet understanding the basic algorithm of AIS. This paper aims to explain the main models and algorithms in AIS above so that in future research, new algorithms can be developed based on the basic algorithm as a reference. The results of this paper are a review of the main basic models and algorithms in AIS.

Information Gain Feature Selection for Temporal Sentiment Analysis of Pedulilindungi Application Review using Naïve Bayes Classifier Algorithm

Siti Syahidatul Helma — 2025-08-05

Through the Instruction of the Minister of Home Affairs of the Republic of Indonesia Number 38 of 2021 concerning the Implementation of Restrictions on Community Activities (PPKM), all communities are required to use the Pedulilindungi application from August 31, 2021, to September 6, 2021, and updated regularly. Users can download and access the Pedulilindungi application through the Google Play Store application market. There, users can directly assess an application by providing reviews that can describe user responses and satisfaction with the application. The Naïve Bayes Classifier (NBC) algorithm is applied to perform modeling in classifying temporal sentiment analysis data. Prior to classification, a feature selection process with information gain is performed. Based on the experimental results, the best evaluation was produced on temporal data dated September 03, 2021, with an accuracy of 91.9% and precision and recall values of 99.9% and 91.9%, respectively.

Rancang Bangun Alat Monitoring Tanaman Hidroponik dengan Pemanfaatan Pupuk Cair Limbah Sampah Berbasis IoT

Apriliana Apriliana — 2025-08-25

Indonesia sebagai negara agraris menghadapi tantangan keterbatasan lahan pertanian akibat urbanisasi yang meningkat. Sistem hidroponik menjadi media untuk mengatasi permasalahan tersebut, seperti tanaman selada (Lactuca sativa). Mayoritas petani masih menggunakan cara manual dalam penanaman tanaman sehingga tidak konsisten untuk memantau tanaman. Penelitian ini bertujuan untuk mengembangkan alat monitoring yang diteliti sebelumnya. Pengembangan yang dilakukan pada alat ini dengan menambahkan fitur kamera berbasis Internet of Things. Metode yang dilakukan meliputi pembuatan pupuk cair melalui fermentasi limbah rumah tangga dengan cairan EM4 dan molase, serta perancangan sistem berbasis sensor ESP32 yang terhubung dengan sensor pH, sensor TDS, sensor DHT11, dan modul kamera ESP32-CAM. Data sensor ditampilkan pada LCD dan dikirim secara real-time ke aplikasi Blynk. Hasil dari penelitian menunjukkan bahwa sistem mampu bekerja dengan baik dalam monitoring tanaman dengan koneksi WiFi sensor ESP32 terhubung hingga jarak 10 meter, nilai sensor pH memiliki rata-rata error 4.6% sebelum pemupukan dan 5% sesudah pemupukan, sedangkan sensor TDS memiliki rata-rata error 6% sebelum pemupukan dan 10.8% sesudah pemupukan. Sensor DHT11 mencatat suhu lingkungan antara 27–31°C dan kelembapan 67–71%.

Mapping Library User Behavior Base On K-Means Clustering Of Ma’soem University Student

Sofia Dewi — 2025-08-31

Perpustakaan memiliki peran strategis dalam mendukung kegiatan akademik di perguruan tinggi, namun rendahnya tingkat kunjungan dan peminjaman buku oleh mahasiswa menunjukkan adanya kesenjangan perilaku pengguna. Penelitian ini bertujuan untuk memetakan pola perilaku mahasiswa dalam memanfaatkan layanan perpustakaan dengan menerapkan algoritma K-Means Clustering terhadap data kunjungan dan peminjaman selama tiga bulan terakhir. Melalui pendekatan data mining, mahasiswa dikelompokkan ke dalam tiga klaster: aktif, cukup aktif, dan pasif, berdasarkan frekuensi kunjungan serta jumlah peminjaman buku. Proses analisis dilakukan menggunakan perangkat lunak RapidMiner dengan tahapan meliputi data preprocessing dan evaluasi model menggunakan indeks Davies-Bouldin. Hasil penelitian menunjukkan bahwa pendekatan klasterisasi efektif dalam mengidentifikasi segmentasi perilaku mahasiswa, yang selanjutnya dapat digunakan sebagai dasar dalam merumuskan kebijakan pengembangan layanan perpustakaan yang adaptif dan terarah. Penelitian ini memberikan kontribusi berupa kerangka kerja berbasis data y

Rancang Bangun Sistem Penghitung Ikan dan Monitoring Kualitas Air Untuk Ikan Guppy

Najwa Esthi Latifah — 2025-09-09

Budidaya ikan guppy memerlukan pengawasan terhadap kualitas air dan jumlah ikan secara tepat dan efektif. Metode penghitungan manual serta pengukuran pH dan suhu air secara tradisional sering kali kurang cepat dan akurat, serta sulit untuk dilakukan secara terus-menerus. Penelitian ini mengusulkan sistem monitoring menggunakan Arduino Mega, webcam, sensor pH, dan sensor suhu DS18B20 yang dilengkapi alat pengingat berupa buzzer. Webcam digunakan untuk menghitung jumlah ikan secara langsung dengan algoritma YOLO yang dijalankan di Python dan berkomunikasi melalui koneksi serial ke Arduino. Informasi tentang jumlah ikan, pH, dan suhu ditampilkan langsung pada layar LCD, dengan data sensor diperoleh dari hasil rata-rata setiap 10 detik. Sistem ini diuji pada wadah berwarna putih agar webcam mudah dalam mendeteksi ikan. Namun, kendala teknis seperti gerakan ikan yang sangat cepat dapat menyebabkan YOLO tidak mendeteksi ikan. Hasil uji menunjukkan akurasi penghitungan ikan mencapai 95%, Pengukuran pH memiliki rata-rata kesalahan pengukuran sebesar ±0.1 dengan kesalahan maksimal 3.5%, sedangkan pengukuran suhu memiliki rata-rata kesalahan pengukuran sebesar ±0.3°C dan kesalahan maksimal 1.4%. Alarm berbunyi otomatis jika pH berada di luar rentang 6-8 atau suhu di luar 23-27°C. Sistem ini membantu meningkatkan efisiensi dan akurasi dalam memantau kualitas air serta populasi ikan Guppy

Rancang Bangun Pemilah Produk Makanan Otomatis Berdasarkan Komposisi Gula Berbasis Optical Character Recognition (OCR)

Sari Dewi Syafira — 2025-09-14

Banyak konsumen di Indonesia kurang tertarik membaca label gizi pada kemasan makanan, sehingga sulit untuk memilih produk yang sehat sesuai kebutuhan. Mereka cenderung lebih fokus pada merek, tanggal kedaluwarsa, dan tanda "halal". Penelitian ini merancang sistem otomatisasi untuk memilah produk makanan berdasarkan kandungan gula menggunakan Optical Character Recognition (OCR) dan lengan robot. Sistem ini mengintegrasikan webcam untuk mendeteksi label kemasan, ESP32 sebagai mikrokontroler, dan motor servo pada lengan robot untuk memilah produk. Pengujian menunjukkan bahwa sistem OCR dapat mendeteksi dan mengklasifikasikan kandungan gula, sementara lengan robot mampu memilah kemasan makanan ke dalam kelompoknya. Integrasi kedua teknologi ini tidak hanya berhasil memilah produk, tetapi juga menjadi media edukasi yang menarik tentang kandungan gula

Design and Development of a Makeup Artist Data Management Application

Dian Ramadhani — 2025-09-17

The growing beauty industry requires efficient management tools for Makeup Artist (MUA) teams, who often face operational challenges due to the use of manual or non-integrated digital tools. This study contributes by providing an integrated, mobile-first workflow that directly links bookings, schedules, and financial records with role-based access and automated reminders, reducing fragmentation from manual or separate tools and offering consolidated insights for MUAs’ decision-making. The application's quality was validated through Black-Box testing, achieving a 100% success rate across 35 functional test cases that covered all main features. Usability was then evaluated in a case study with a professional MUA and two team members (N=3) who used the application for one week before completing the Computer System Usability Questionnaire (CSUQ). The results yielded an overall mean score of 6.52 out of 7, indicating very high user satisfaction, with subscale scores showing that users found the system both helpful and easy to navigate. Future development may include expanding the dashboard's analytical capabilities or integrating a direct client payment gateway.

Robot Pengumpul Bola Pingpong Otomatis Menggunakan Sistem Vakum dan Raspberry Pi Berbasis Deteksi Kamera

Heni Yulia Putri — 2025-09-17

Olahraga tenis meja merupakan cabang olahraga yang banyak diminati, namun proses pengumpulan bola setelah latihan sering kali menyita waktu dan mengurangi efisiensi. Berdasarkan pengamatan, seorang pemain membutuhkan 3–5 menit untuk mengumpulkan ±50 bola secara manual, sehingga waktu efektif latihan berkurang hingga 10–15%. Penelitian ini bertujuan merancang dan mengimplementasikan robot pengumpul bola pingpong otomatis dengan sistem deteksi visual berbasis Raspberry Pi dan OpenCV, serta kendali aktuator menggunakan mikrokontroler ESP32. Robot dilengkapi kamera Webcam C270 untuk deteksi bola, motor DC sebagai penggerak, sensor ultrasonik untuk menghindari rintangan, dan motor vakum sebagai mekanisme pengambilan bola. Hasil pengujian menunjukkan sistem mampu mendeteksi dan mengambil bola berdiameter 40 mm dengan tingkat keberhasilan 90% (9 dari 10 percobaan berhasil), sementara kegagalan terjadi pada bola berdiameter 50 mm yang tidak dapat terhisap oleh corong vakum. Rata-rata waktu penyelesaian pengambilan bola adalah 24 detik per bola, lebih lambat dibanding metode manual (3,6–6 detik per bola). Meskipun demikian, sistem ini menawarkan keunggulan berupa otomatisasi, konsistensi, dan pengurangan beban fisik pemain. Penelitian ini membuktikan bahwa integrasi Raspberry Pi dan ESP32 dapat mendukung sistem robotik otonom untuk olahraga. Ke depan, pengembangan diarahkan pada optimasi algoritma deteksi berbasis HSV atau machine learning, serta perbaikan desain mekanik vakum agar robot lebih efisien dan andal dalam berbagai kondisi.

Rancang Bangun Alat Pengering Payung Otomatis Berbasis Mikrokontroler Dan Sensor Soil Moisture Capacitive

Ditha Calistha — 2025-09-18

Permasalahan yang sering terjadi setelah penggunaan payung adalah kondisi payung yang basah, yang dapat menyebabkan lantai menjadi licin dan membasahi area sekitarnya. Untuk mengatasi masalah tersebut, penelitian ini bertujuan merancang dan membangun alat pengering payung otomatis berbasis Arduino dengan menggunakan sensor soil moisture capacitive. Sensor ini digunakan untuk mendeteksi kelembaban pada permukaan payung. Sistem akan mengaktifkan heater dan kipas DC secara otomatis apabila sensor mendeteksi kondisi lembab atau basah. Proses perancangan dilakukan melalui tahapan identifikasi kebutuhan, perakitan komponen perangkat keras, dan pemrograman Arduino sebagai pengendali utama. Pengujian dilakukan terhadap payung berbahan kain dan plastik. Hasil penelitian menunjukkan bahwa alat bekerja secara optimal pada payung berbahan kain, dengan waktu pengeringan ratarata selama 15 menit. Namun, pada payung berbahan plastik, alat belum menunjukkan kinerja optimal. Kesimpulan dari penelitian ini adalah bahwa alat mampu mengidentifikasi tingkat kelembaban dan merespons secara otomatis untuk mengaktifkan sistem pengering, meskipun efektivitasnya masih dipengaruhi oleh jenis bahan payung.

Users’ Perception of the Task Management System for Undergraduate Information Systems Students at Universitas Riau

Sonya Meitarice — 2025-09-28

Dalam era persaingan akademik yang ketat, mahasiswa dihadapkan pada berbagai tanggung jawab yang sering kali sulit dikelola akibat manajemen waktu yang kurang efektif. Sistem Manajemen Pembelajaran (LMS) yang ada belum mampu membantu mahasiswa secara optimal dalam mengatur waktu dan memenuhi tenggat tugas karena keterbatasan fitur dalam mendeteksi keterlambatan sejak dini maupun melakukan pemantauan kinerja secara berkelanjutan. Penelitian ini tidak mengusulkan pengembangan sistem manajemen tugas otomatis, melainkan berfokus pada pengukuran persepsi mahasiswa terhadap kebutuhan akan task management system. Studi pendahuluan dilakukan untuk mengidentifikasi masalah yang dihadapi mahasiswa dalam pengelolaan tugas serta dampaknya terhadap kinerja akademik. Responden dalam penelitian ini terdiri dari 137 mahasiswa program sarjana yang terdaftar pada Program Studi Sistem Informasi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Riau. Para peserta mewakili berbagai tingkat akademik, mulai dari semester dua hingga semester delapan, sehingga mencerminkan pengalaman yang beragam dalam mengelola tugas-tugas akademik.. Hasil studi menunjukkan sebagian besar responden merasa perlu meningkatkan keterampilan manajemen waktu (µ=4,32) dan menyatakan ketertarikan terhadap adanya sistem pendukung pengelolaan tugas akademik (µ=3,42). Temuan ini menegaskan bahwa mahasiswa memiliki kebutuhan yang cukup tinggi terhadap aplikasi berbasis internet yang dapat membantu memantau serta mendukung manajemen tugas secara berkesinambungan