Abstract:Abstract: Teacher performance appraisal is a very important aspect in improving the quality of education today, but often occurs during the assessment process of subjectivity constraints and lack of a structured system,…
in this study aims to build a data structure modeling and facilitate the school MAS Islamiyah Hessa Air Genting in the assessment to determine the best teacher transparently and measurably by using the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) algorithm. The TOPSIS method was chosen because it is able to provide ranking results based on the closeness of alternatives to the ideal solution. In this modeling, assessment criteria data such as pedagogical, professional, personality, social competencies, as well as other indicators such as teacher discipline and achievement are modeled structurally in a relational database. The results show that the designed data structure is able to support the decision-making process efficiently and objectively.
Keywords: data structure; decision support system; teacher assessment; topsis; ranking.
Abstrak: Penilaian kinerja guru merupakan aspek yang sangat penting dalam peningkatan mutu pendidikan saat ini, namun sering terjadi saat proses penilaian kendala subjektivitas dan kurangnya sistem yang terstruktur, dalam penelitian ini bertujuan untuk membangun pemodelan struktur data serta mempermudah pihak sekolah MAS Islamiyah Hessa Air Genting dalam penilaian untuk menentukan guru terbaik secara transparan dan terukur dengan menggunakan algoritma Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode TOPSIS dipilih karena mampu memberikan hasil perankingan berdasarkan kedekatan alternatif terhadap solusi ideal. Dalam pemodelan ini, data kriteria penilaian seperti kompetensi pedagogik, profesional, kepribadian, sosial, serta indikator lain seperti kedisiplinan dan prestasi guru dimodelkan secara terstruktur dalam basis data relasional. Hasil penelitian menunjukkan bahwa struktur data yang dirancang mampu mendukung proses pengambilan keputusan secara efisien dan objektif.
Kata kunci: struktur data; topsis; penilaian guru; sistem pendukung keputusan; perangkingan
Abstract:Abstract: This study aims to develop a Deep Learning-based Traffic Flow Detector to automatically and accurately observe traffic flow. Conventional traffic observation is often conducted manually or via CCTV, but it is prone…
rone to human error and difficult to use for real-time trend analysis. In this study, the YOLOv4 method is used to detect four types of vehicles (cars, motorcycles, buses, trucks). To continuously track vehicle movement and address occlusion issues, the Deep SORT algorithm is implemented. The YOLOv4 model used is a pre-trained model and was tested on seven CCTV video recordings obtained from the official website of the Pekanbaru City Transportation Department. The system was implemented on a limited device, the Nvidia Jetson Nano, as a simulation of direct CCTV integration. Test results showed a highest precision of 98%, but the maximum accuracy achieved was only 26%. This low accuracy is influenced by several factors, including video resolution, detection model quality, and lighting conditions. Nevertheless, the system demonstrates potential to support future traffic management and engineering decisions but still requires further optimization, including improving video resolution and quality, retraining the model with a more representative local dataset, using lighter and more accurate detection models, and optimizing the tracking algorithm.
Keywords: deep learning; deepsort; NVIDIA Jetson NANO; traffic flow; YOLOv4
Abstrak: Penelitian ini bertujuan mengembangkan Traffic Flow Detector berbasis Deep Learning untuk mengobservasi arus lalu lintas secara otomatis dan akurat. Observasi lalu lintas konvensional sering dilakukan secara manual atau melalui CCTV, namun rentan terhadap human error dan sulit digunakan untuk menganalisis tren secara real-time. Pada penelitian ini digunakan metode YOLOv4 untuk mendeteksi empat jenis kendaraan (mobil, motor, bus, truk). Untuk melacak pergerakan kendaraan secara berkelanjutan dan mengatasi masalah occlusion, digunakan algoritma Deep SORT. Model YOLOv4 yang digunakan merupakan pre-trained model dan diujikan pada tujuh rekaman video CCTV yang diambil dari situs resmi Dinas Perhubungan Kota Pekanbaru. Sistem ini diimplementasikan pada perangkat terbatas Nvidia Jetson Nano sebagai simulasi penerapan langsung pada CCTV. Hasil pengujian menunjukkan presisi tertinggi mencapai 98%, namun akurasi tertingginya hanya sebesar 26%. Rendahnya akurasi dipengaruhi oleh beberapa faktor seperti resolusi video, kualitas model deteksi, serta kondisi pencahayaan. Meski demikian, sistem ini menunjukkan potensi untuk membantu pengambilan keputusan dalam manajemen dan rekayasa lalu lintas di masa depan, namun masih membutuhkan optimasi lebih lanjut, seperti peningkatan kualitas video input, pelatihan ulang model dengan dataset lokal, penggunaan model deteksi yang lebih ringan dan akurat serta pengoptimalan algoritma pelacakan.
Kata kunci: deep learning deepsort; Nvidia Jetson Nano; traffic flow; YOLOv4
Abstract:Abstract: This research is driven by the challenges faced by Universitas Lancang Kuning (UNILAK) in attracting applicants amidst intense competition, especially after the government's policy opened independent pathways to…
o State Universities (PTN) from 2022-2023, which impacted private university applicant numbers. To address this and support strategic planning, this study aims to predict the trend of prospective students applying to all study programs at UNILAK for the period 2025-2027. Two time series models were employed: ARIMA (AutoRegressive Integrated Moving Average) and LSTM (Long Short-Term Memory). Applicant data from 2019 to 2024 was used to build the model. The Augmented Dickey-Fuller (ADF) test confirmed the data's stationarity with a p-value of 0.0. ACF and PACF analyses determined the ARIMA parameters as p=1, d=1, q=1. The LSTM model was trained to capture more complex data patterns. ARIMA predictions for 2025, 2026, and 2027 are 3298.66, 3362.33, and 3371.30, respectively. LSTM predictions for the same years are 3335.64, 3476.52, and 3518.42. Evaluation using Root Mean Squared Error (RMSE) showed ARIMA (RMSE=588.72) to be more accurate than LSTM (RMSE=653.96). Nevertheless, LSTM provided a more optimistic prediction. This study concludes that ARIMA is better suited for short-term planning, while LSTM can be used for more ambitious long-term strategies.
Keywords: arima; LSTM; applicants; prediction; university
Abstrak: Penelitian ini didorong oleh tantangan Universitas Lancang Kuning (UNILAK) dalam menarik pendaftar di tengah persaingan ketat, khususnya setelah kebijakan pemerintah membuka jalur mandiri ke Perguruan Tinggi Negeri (PTN) sejak 2022-2023, yang menyebabkan penurunan jumlah pendaftar di universitas swasta. Untuk mendukung perencanaan strategis, studi ini bertujuan memprediksi tren jumlah calon mahasiswa yang mendaftar ke seluruh program studi di UNILAK untuk periode 2025-2027.Dua model deret waktu digunakan: ARIMA (AutoRegressive Integrated Moving Average) dan LSTM (Long Short-Term Memory). Data jumlah pendaftar dari 2019 hingga 2024 digunakan untuk membangun model. Uji Augmented Dickey-Fuller (ADF) menunjukkan data stasioner dengan p-value 0,0. Analisis ACF dan PACF menentukan parameter ARIMA sebagai p=1, d=1, q=1. Model LSTM dilatih untuk menangkap pola data yang lebih kompleks.Prediksi ARIMA untuk 2025, 2026, dan 2027 adalah 3298.66, 3362.33, dan 3371.30. Prediksi LSTM untuk tahun yang sama adalah 3335.64, 3476.52, dan 3518.42. Evaluasi menggunakan Root Mean Squared Error (RMSE) menunjukkan ARIMA (RMSE=588.72) lebih akurat daripada LSTM (RMSE=653.96). Meskipun demikian, LSTM memberikan prediksi yang lebih optimis. Studi ini menyimpulkan ARIMA lebih cocok untuk perencanaan jangka pendek, sementara LSTM dapat digunakan untuk strategi jangka panjang yang ambisius.
Kata kunci: arima; LSTM; pendaftar; prediksi; universitas
Abstract:Abstract: Face recognition based on deep learning has become an important technology in many areas. However, these systems often face challenges in real-world conditions, such as when the face is partially covered by accessories…
essories such as masks or glasses. This study aims to evaluate the effect of data augmentation by adding facial accessories (masks, glasses, and a combination of both) and geometric augmentation on the accuracy of face recognition systems. There are three types of datasets used in this method: the original dataset (category 1), the dataset with facial accessories augmentation (category 2), and the dataset with geometric augmentation (category 3). Data augmentation was performed on the training dataset to increase diversity, followed by the face detection process using SCRFD and feature extraction with ArcFace. The model was then trained using Multi-Layer Perceptron (MLP). Based on the results, adding face accessories (category 2) made the model a lot more accurate, hitting 99% accuracy. In category 3, adding geometric features improved accuracy to 91%. Other evaluation metrics, such as precision, recall, and F1-score, also showed improvement after augmentation. This study concludes that facial accessories augmentation is more effective in improving the accuracy and robustness of face recognition models compared to geometric augmentation.
Keywords: augmentation; deep learning; face recognition; glasses.
Abstrak: Pengenalan wajah berbasis deep learning telah menjadi salah satu teknologi penting dalam berbagai aplikasi. Namun, sistem ini sering kali menghadapi tantangan dalam kondisi dunia nyata, seperti saat wajah tertutup sebagian oleh aksesori seperti masker atau kacamata. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data dengan menambahkan aksesori wajah (masker, kacamata, dan kombinasi keduanya) serta augmentasi geometris terhadap akurasi sistem pengenalan wajah. Metode yang digunakan melibatkan tiga kategori dataset: dataset asli tanpa augmentasi (kategori 1), dataset dengan augmentasi aksesoris wajah (kategori 2), dan dataset dengan augmentasi geometris (kategori 3). Augmentasi data dilakukan pada dataset pelatihan untuk meningkatkan keberagaman, diikuti dengan proses deteksi wajah menggunakan SCRFD dan ekstraksi fitur dengan ArcFace. Model kemudian dilatih menggunakan Multi-Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa augmentasi aksesoris wajah (kategori 2) memberikan peningkatan signifikan pada akurasi model, mencapai 99%, sedangkan kategori 3 dengan augmentasi geometris mencapai akurasi 91%. Metrik evaluasi lainnya, seperti precision, recall, dan F1-score, juga menunjukkan peningkatan setelah augmentasi. Penelitian ini menyimpulkan bahwa augmentasi aksesoris wajah lebih efektif dalam meningkatkan akurasi dan ketahanan model pengenalan wajah dibandingkan dengan augmentasi geometris.
Kata kunci: augmentasi; deep learning; kacamata; pengenalan wajah.
Abstract:Abstract: Uterine disease is a serious threat to women's health, which can affect fertility and quality of life. Delayed diagnosis often results in patients not getting optimal early treatment at the H. Abdul Manan Simatupang…
upang Kisaran Regional General Hospital. This study aims to develop a fuzzy logic-based expert system to diagnose uterine disease based on the symptoms experienced by patients. This system receives symptom data as input, then performs analysis using the fuzzy logic method to determine the level of possibility of a disease. The final results produced are an initial diagnosis and treatment recommendations. System testing shows that this method is able to identify uterine disease with fairly good accuracy, where one case showed the possibility of Endometriosis with a confidence level of 63%. With this system, patients can obtain initial information about their health condition, so they can take more appropriate and faster medical steps.
Keywords: expert system; fuzzy logic; uterine disease.
Abstrak: Penyakit rahim merupakan ancaman serius bagi kesehatan wanita, yang dapat berdampak pada kesuburan dan kualitas hidup. Keterlambatan diagnosis sering kali menyebabkan pasien tidak mendapatkan penanganan dini yang optimal di Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis logika fuzzy guna mendiagnosis penyakit rahim berdasarkan gejala yang dialami pasien. Sistem ini menerima data gejala sebagai input, kemudian melakukan analisis menggunakan metode logika fuzzy untuk menentukan tingkat kemungkinan suatu penyakit. Hasil akhir yang dihasilkan berupa diagnosis awal dan rekomendasi penanganan. Pengujian sistem menunjukkan bahwa metode ini mampu mengidentifikasi penyakit rahim dengan akurasi yang cukup baik, di mana salah satu kasus menunjukkan kemungkinan penyakit Endometriosis dengan tingkat kepercayaan sebesar 63%. Dengan adanya sistem ini, pasien dapat memperoleh informasi awal mengenai kondisi kesehatannya, sehingga dapat mengambil langkah medis yang lebih tepat dan cepat.
Kata kunci: fuzzy logic; penyakit rahim; sistem pakar.
Abstract:Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces…
aces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.
Keywords: data mining; order data; K-Means; sportswear manufacturing.
Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.
Kata kunci: data mining; data pesanan; K-Means; konveksi.
Abstract:Abstract: In the retail industry, effective supply chain management is essential to ensure stock availability aligns with market demand. Gasti Jaya Store, a growing shoe retailer, faces challenges in optimizing inventory…
management, often leading to stock surpluses or shortages. These issues can impact operational efficiency and customer satisfaction. To address this problem, this study the implementation of Electronic Supply Chain Management (E-SCM) as a solution to optimize supply chain management. E-SCM enables the integration of technology-based systems for real-time stock monitoring, procurement, and distribution. Using a case study method and a qualitative approach, this research evaluates the effectiveness of E-SCM in enhancing operational efficiency, reducing excess stock, and accelerating the distribution process at Gasti Jaya Store. The findings indicate that E-SCM implementation improves data transparency, speeds up decision-making, and enhances customer satisfaction. Additionally, the system helps reduce operational costs by optimizing inventory management and minimizing the risk of stock imbalances. In conclusion, the adoption of E-SCM can serve as an effective strategy for mid-sized retail businesses to improve their competitiveness and supply chain efficiency.
Keywords: E-SCM; inventory stock; operational efficiency.
Abstrak: Dalam industri ritel, manajemen rantai pasok yang efektif sangat diperlukan untuk memastikan ketersediaan stok sesuai dengan permintaan pasar. Toko Gasti Jaya sebagai salah satu toko sepatu yang berkembang menghadapi tantangan dalam mengelola persediaan secara optimal, yang sering kali menyebabkan kelebihan atau kekurangan stok. Permasalahan ini dapat berdampak pada efisiensi operasional dan kepuasan pelanggan. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan penerapan Electronic Supply Chain Management (E-SCM) sebagai solusi dalam mengoptimalkan manajemen rantai pasok. E-SCM memungkinkan integrasi sistem berbasis teknologi dalam proses pemantauan stok, pengadaan barang, hingga distribusi secara real-time. Dengan metode studi kasus dan pendekatan kualitatif, penelitian ini mengevaluasi efektivitas E-SCM dalam meningkatkan efisiensi operasional, mengurangi kelebihan stok, serta mempercepat proses distribusi di Toko Gasti Jaya. Hasil penelitian menunjukkan bahwa implementasi E-SCM mampu meningkatkan transparansi data, mempercepat pengambilan keputusan, dan meningkatkan kepuasan pelanggan. Selain itu, sistem ini membantu mengurangi biaya operasional dengan mengoptimalkan manajemen persediaan dan meminimalkan risiko ketidakseimbangan stok. Kesimpulannya, penerapan E-SCM dapat menjadi strategi yang efektif bagi bisnis ritel skala menengah untuk meningkatkan daya saing dan efisiensi rantai pasok mereka.
Kata Kunci: E-SCM; efisiensi operasional; persediaan stok.
Abstract:Abstract: School building construction is an important part of educational facilities and infrastructure. Many elementary school buildings in Asahan Regency are damaged, unfit for use or lack facilities including classrooms…
oms and other supporting infrastructure. The results of the selection that are not transparent in deciding the feasibility of rehabilitation and construction of elementary school buildings are often subjective and time-consuming. This causes decisions to be taken that cannot be made as quickly as possible and inequality, where schools that actually need rehabilitation more do not get priority for rehabilitation. The purpose of this study is to implement data mining in the selection of school building construction projects with the K-Means clustering algorithm in clustering the feasibility of rehabilitation of elementary school building construction. The results of this study found 31 elementary schools that are eligible for school building construction rehabilitation and 4 are not eligible for school building construction rehabilitation. This study is expected to provide a significant contribution in increasing the efficiency of school building construction selection and more transparency towards elementary school buildings to be rehabilitated.
Keywords: education authorities; k-means; rehabilitation and construction of school buildings.
Abstrak: Pembangunan gedung sekolah ialah bagian penting dalam sarana dan prasarana pendidikan. Banyak gedung Sekolah Dasar di Kabupaten Asahan menderita kerusakan, tidak layak pakai atau kekurangan fasilitas meliputi ruang kelas dan infrastruktur pendukung lainnya. Hasil penyeleksian yang bersifat tidak transparan dalam memutuskan kelayakan rehabilitasi dan pembangunan gedung Sekolah Dasar sering kali bersifat subjektif dan memakan waktu lama.Hal tersebut menyebabkan keputusan yang diambil tidak dapat dilakukan secepat mungkin serta ketimpangan, dimana sekolah yang sebenarnya lebih membutuhkan rehabilitasi justru tidak mendapatkan prioritas untuk direhabilitasi. Tujuan penelitian ini ialah mengimplementasi data mining pada pemilihan proyek pembangunan gedung sekolah dengan algoritma K-Means clustering dalam mengcluster kelayakan rehabilitasi pembangunan gedung sekolah dasar. Hasil Penelitian ini terdapat 31 sekolah dasar layak untuk direhabilitasi pembangunan gedung sekolah dan 4 tidak layak untuk direhabalitasi pembangunan gedung sekolah. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam menaikkan efisiensi penyeleksian pembangunan gedung sekolah dan lebih transparansi terhadap gedung sekolah dasar yang akan direhabilitasi.
Kata kunci: dinas pendidikan; k-means; rehabilitasi dan pembangunan gedung sekolah.
Abstract:Abstract: Ms Glow Kisaran Original Store is one of the beauty companies that sells skincare products that are useful for maintaining healthy facial and body skin. However, the Original Ms. Glow series currently faces challenges…
hallenges such as tight competition and ineffective inventory management in terms of sales figures. This company sells ± 1500 products a month, but also often faces shortages and stockpiles of product, which can reduce customer confidence and cause Ms. Glow Kisaran Original to experience financial losses, among others. Conversely, if the demand for skincare increases but the skincare supply cannot be prepared, this is a loss for the store and customers. The purpose of this study is to improve the accuracy of the forecast, the use of the Single Exponential Smoothing Method is proposed. This method smoothes past values with exponential weights, placing greater emphasis on the latest data. The use of data from the last 12 months as reference data for past recording for forecasting experiments for the next 1 (one) month. The results of the study at Ms Glow Kisaran show the flexibility of the method in adapting to different sales dynamics. Overall, this research helps in predicting skincare sales predictions at the Ms Glow Kisaran Original Kisaran Store using the Single Exponentian Smoothing method, so that it can overcome the challenges in predicting sales figures.
Keywords: ms glow kisaran; skincare sales; ses.
Abstrak: Toko Ms Glow Kisaran Original merupakan salah satu perusahaan di bidang kecantikan yang menjual produk-produk skincare yang bermanfaat untuk menjaga kesehatan kulit wajah dan tubuh. Namun rangkaian Original Ms. Glow saat ini menghadapi tantangan seperti persaingan yang ketat dan pengelolaan inventaris yang kurang efektif dalam hal angka penjualan. Perusahaan ini menjual ±1500 produk dalam sebulan, namun juga sering menghadapi kekurangan dan penumpukan stok produk, yang dapat menurunkan kepercayaan pelanggan dan menyebabkan Ms. Glow Kisaran Original mengalami kerugian finansial. Sebaliknya jika permintaan akan skincare meningkat namun persediaan skincare tidak dapat disiapkan maka ini menjadi kerugian bagi pihak toko dan pelanggan. Tujuan penelitian ini adalah untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 12 bulan terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Hasil penelitian pada Ms Glow Kisaran menunjukkan fleksibilitas metode dalam menyesuaikan diri dengan dinamika penjualan yang berbeda. Secara keseluruhan, Penelitian ini membantu dalam meramalkan prediksi penjualan skincare di Toko Ms glow Kisaran Original Kisaran menggunakan metode Single Exponentian Smoothing, sehingga dapat mengatasi tantangan dalam memprediksi angka penjualan.
Kata kunci: ms glow kisaran; penjualan skincare; ses.
Abstract:Abstract: Conventional water reservoir filling systems often cause inefficiencies due to delays in monitoring or failure of the float system which results in overflowing water from the reservoir. this research aims to develop…
velop an ESP32-based water level monitoring and control system by utilising IoT technology and ultrasonic sensors, this system can facilitate users in monitoring water levels and automating pump control. this research uses the experimental method, starting from system design to system testing and analysis, as well as testing which includes sensor accuracy, system response, and communication stability with the IoT server. based on the results obtained. The test results show that the system has an average accuracy rate of 98.4% with an average response time of 1.8 seconds. based on the results obtained, this system shows a positive accuracy value and response time in its application.
Keywords: blynk; internet of things; monitoring; water level
Abstrak: Sistem pengisian tandon air secara konvensional sering kali menimbulkan ketidakefisienan karena keterlambatan dalam pemantauan atau kegagalan sistem pelampung yang mengakibatkan meluapnya air dari tandon. penelitian ini bertujuan untuk mengembangkan sistem monitoring dan kontrol ketinggian air berbasis ESP32 dengan memanfaatkan teknologi IoT dan sensor ultrasonik, sistem ini dapat memudahkan pengguna dalam memonitoring ketinggian air dan mengotomatisasi kontrol pompa. Penelitian ini menggunakan metode eksperimen, mulai dari perancangan sistem hingga pengujian dan analisis sistem, serta pengujian yang meliputi akurasi sensor, respon sistem, dan kestabilan komunikasi dengan server IoT. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi rata-rata sebesar 98,4% dengan waktu respon rata-rata 1,8 detik. berdasarkan hasil yang diperoleh, sistem ini menunjukkan nilai akurasi dan waktu respon yang positif dalam pengaplikasiannya.
Kata kunci: blynk; internet of things; pemantauan; tingkat air