Journal of Information Technology Literacy

Implementasi Model Random Forest untuk Klasifikasi Kualitas Udara di Jakarta Periode 2019-2024

Ernawati Kurnia, Yesy Diah Rosita, Siti Khomsah — Wed, 05 Nov 2025 00:00:00 +0700

Peningkatan polusi udara di Jakarta menjadi isu lingkungan yang krusial karena dampaknya terhadap kesehatan masyarakat, terutama pada kelompok rentan seperti anak-anak dan lansia. Indeks Standar Pencemar Udara (ISPU) digunakan sebagai indikator kualitas udara di Indonesia, dengan kategori penilaian mulai dari “baik” hingga “berbahaya”. Untuk meningkatkan akurasi pemantauan dan prediksi kualitas udara, penelitian ini menerapkan algoritma Random Forest dalam tugas klasifikasi berdasarkan data ISPU. Metode ini dipilih karena keandalannya dalam menangani data berukuran besar dan kompleks. Evaluasi dilakukan menggunakan berbagai skenario proporsi pembagian data (70:30, 80:20, dan 90:10). Hasil menunjukkan bahwa Random Forest mampu mencapai akurasi tinggi secara konsisten, dengan nilai tertinggi sebesar 0,9217 pada skenario 80:20. Nilai precision, recall, dan F1-score juga menunjukkan stabilitas performa di semua skenario. Temuan ini membuktikan bahwa Random Forest merupakan metode yang efektif dan andal dalam klasifikasi kualitas udara, serta dapat mendukung pengambilan keputusan dalam mitigasi dampak polusi udara di wilayah perkotaan.

Kata kunci— klasifikasi, machine learning, random forest, udara

Perancangan dan Analisis Elastic Cloud-Based Data processor menggunakan Kubernetes Event-Driven Autoscaler

Xavier Samuel MFP, Siti Amatullah Karimah, Ridha Muldina Negara — Wed, 05 Nov 2025 00:00:00 +0700

Penelitian ini membahas perancangan dan analisis Elastic Cloud-Based Data processor yang memanfaatkan Kubernetes Event-Driven Autoscaler. Dalam konteks perkembangan sistem aplikasi berbasis event-driven yang semakin kompleks dan membutuhkan pengolahan data yang cepat serta skalabilitas yang dinamis, penggunaan teknologi cloud dan otomatisasi menjadi kunci utama. Penelitian ini menitikberatkan pada pengembangan prosesor data yang mampu mengelola beban kerja yang bervariasi dari sistem event-driven dengan menggunakan Kubernetes sebagai platform manajemen container dan Autoscaler yang responsif terhadap peristiwa (Event-driven). Analisis mendalam terhadap penggunaan Kubernetes Event-Driven Autoscaler diintegrasikan dengan infrastruktur cloud untuk memproses data dengan optimal. Metode eksperimental digunakan untuk menguji kinerja dari sistem yang diusulkan, termasuk pengujian terhadap skalabilitas dan efisiensi pemrosesan data. Penelitian ini menghasilkan analisis mengenai perilaku HPA dalam melakukan autoscaling data-processor pada sistem Event-Driven menggunakan KEDA (Kubernetes Event-Driven Autoscaler) dan membandingkan dengan metode scaling yang sudah. Penelitian ini juga memparkan efisiensi KEDA dalam melakukan autoscaling pada data processor.

Kata Kunci: Cloud, Kubernetes, Event-Driven, Scalability.

Sistem Pendeteksian Bahasa Isyarat Alfabet Sibi Menggunakan Algoritma You Only Look Once Dan Roboflow

Jean Jeasen Timotius, Casi Setianingsih, Marisa W Paryasto — Wed, 05 Nov 2025 00:00:00 +0700

Sign language is a language used by deaf people to communicate with others. The lack of access to information and communication for people with disabilities, especially the deaf, encourages the development of solutions that are able to translate sign language into text and speech form. Seeing these problems and gaps, this research was conducted to develop a SIBI alphabet sign language translation system using the YOLOv8 algorithm. The YOLOv8 algorithm is used to recognize and translate SIBI language characters into Indonesian text. The dataset used consists of images taken manually as well as those sourced from the internet. The test results show that the model trained with 80:10:10 split dataset achieves the highest accuracy, with mAP50 value of 0.99 and mAP50-95 value of 0.91. Besides that, the SGD optimizer provides the best performance compared to other optimizers such as Adam and RMSprop. The sign language translation system as a product in this research is expected to improve the accessibility of deaf people and sign language learning in Indonesia.

Keywords: machine learning, optimizer, sign language, SIBI, YOLOv8

Deteksi Kecelakaan Lalu Lintas Menggunakan YOLO11 pada Citra Kamera CCTV untuk Klasifikasi Jenis Kendaraan Terlibat

i ketut yasa seniarta yasa, Ema Rachmawati — Wed, 05 Nov 2025 00:00:00 +0700

Kecelakaan lalu lintas merupakan masalah serius dengan lebih dari 1,19 juta kematian setiap tahun di dunia dan 148.307 kasus di Indonesia pada 2023. Sistem pengawasan yang ada sebagian besar masih manual sehingga belum mampu mendeteksi dan mengklasifikasikan kecelakaan secara otomatis. Topik ini penting karena keterlambatan dalam deteksi kecelakaan dapat memperburuk dampak bagi korban. Solusi otomatis dapat mempercepat respons, mengurangi kerugian, serta mendukung sistem transportasi cerdas. Saat ini terdapat kesenjangan antara kebutuhan sistem otomatis dengan keterbatasan pendekatan manual yang dominan digunakan. Penelitian ini mengembangkan model deteksi kecelakaan berbasis YOLO11 untuk mengidentifikasi insiden serta mengklasifikasikan jenis kendaraan yang terlibat, yaitu car_accident, car_motorbike_accident, dan motorbike_accident. Model dilatih menggunakan 1.483 data citra dari berbagai sumber, kemudian dievaluasi dengan metrik precision, recall, [email protected], dan [email protected]:0.95. Percobaan lain dilakukan melalui strategi fine-tuning seperti freeze layer, augmentasi data, dan penggunaan optimizer AdamW. Model baseline menghasilkan performa terbaik dengan precision 0,82, recall 0,79, dan [email protected] sebesar 0,84. Setelah fine-tuning, kinerja model menjadi lebih stabil dengan precision 0,81, recall 0,72, [email protected] sebesar 0,75, dan [email protected]:0.95 yang lebih konsisten. Hasil ini menunjukkan performa yang lebih seimbang antar kelas dan berpotensi mendukung pengawasan lalu lintas yang lebih cerdas.

Desain Dan Implementasi Sistem Skrining Gangguan Mental Dengan Metode Dass-42 Berbasis Web

jihadi wafa al-farisi al-farisi, Dahliar Ananda, Arni Muarifah Amri — Wed, 05 Nov 2025 00:00:00 +0700

Saat ini bagian kemahasiswaan di Telkom University Surabaya ingin mengetahui tingkat gangguan mental pada mahasiswa, salah satunya dengan melakukan deteksi dini terhadap gangguan mental seperti depresi, kecemasan, dan stres. Namun saat ini kemahasiswaan belum memiliki alat untuk mengetahui kesehatan mental mahasiswa, sementara itu masih banyak mahasiswa yang mengalami gangguan mental terutama depresi, kecemasan, dan stres. Dari permasalahan ini penulis ingin mengembangkan sistem skrining kesehatan mental berbasis web. Metode pengembangan yang akan digunakan akan metode agile scrum di mana pengerjaan sistem dilakukan secara bertahap melalui proses pembuatan product backlog lalu direncanakan waktu pengerjaan dan tujuan akhir sebuah sprint dalam sprint planning lalu hasil perencanaan sebelumnya dilaksanakan dalam satu sprint yang di akhiri dengan sprint review dan sprint retrospective. Sementara metode yang digunakan dalam penilaian kesehatan mental mahasiswa adalah metode Depression Anxiety Stress Scale-42(DASS-42). Studi kasus tugas akhir ini berada di Bagian Kemahasiswaan Telkom University Surabaya dengan menggunakan data dari mahasiswa Telkom University Surabaya. Dari hasil perancangan, pengembangan, dan pengujian sistem, menghasilkan sistem skrining yang dapat membantu mahasiswa untuk mengetahui gangguan mental yang dialami serta mendapat bantuan dari psikolog baik secara langsung jika kondisinya parah maupun tidak langsung jika kondisi tidak parah.

Kata kunci— Skrining, Depresi, Agile, Berbasis web