Abstract:Abstract: In the era of the Internet of Things (IoT), cyber threats are increasingly complex and dynamic, thus demanding an adaptive and intelligent network security system. This study proposes a Convolutional Neural Network…
work (CNN)-based Intrusion Detection System (IDS) implemented through a Federated Learning (FL) approach in a Non-Independent and Identically Distributed (Non-IID) data environment. This approach allows the model to be trained in a distributed manner across multiple IoT devices without having to collect sensitive data to a central server, thereby maintaining data privacy while increasing the efficiency of the training process. The experiment used the CIC IoT 2023 dataset, which represents various modern IoT network traffic patterns. The results show that the proposed CNN–FL model achieves an overall accuracy of 0.99, with excellent performance in detecting various types of network traffic. The model obtains a perfect recall value (1.00) for normal traffic (Benign), as well as a very high F1-score for DDoS (0.99) and DoS (0.99) attacks. Stable and consistent performance across all five federation rounds demonstrates that this approach is a reliable, efficient, and accurate solution for detecting threats in distributed and privacy-preserving IoT networks.
Keywords: cnn; federated_learning; ids; non-iid; ciciot2023
Abstrak: Dalam era Internet of Things (IoT), ancaman siber semakin kompleks dan dinamis, sehingga menuntut sistem keamanan jaringan yang adaptif dan cerdas. Penelitian ini mengusulkan Intrusion Detection System (IDS) berbasis Convolutional Neural Network (CNN) yang diterapkan melalui pendekatan Federated Learning (FL) pada lingkungan data yang bersifat Non-Independent and Identically Distributed (Non-IID). Pendekatan ini memungkinkan model dilatih secara terdistribusi di berbagai perangkat IoT tanpa harus mengumpulkan data sensitif ke server pusat, sehingga mampu menjaga privasi data sekaligus meningkatkan efisiensi proses pelatihan. Eksperimen menggunakan dataset CIC IoT 2023, yang merepresentasikan berbagai pola lalu lintas jaringan IoT modern. Hasil penelitian menunjukkan bahwa model CNN–FL yang diusulkan mencapai akurasi keseluruhan sebesar 0.99, dengan performa yang sangat baik dalam mendeteksi berbagai jenis lalu lintas jaringan. Model memperoleh nilai recall sempurna (1.00) untuk lalu lintas normal (Benign), serta nilai F1-score yang sangat tinggi untuk serangan DDoS (0.99) dan DoS (0.99). Kinerja yang stabil dan konsisten di seluruh lima putaran federasi membuktikan bahwa pendekatan ini merupakan solusi yang andal, efisien, dan akurat untuk mendeteksi ancaman pada jaringan IoT yang bersifat terdistribusi dan menjaga privasi (privacy-preserving).
Kata kunci: cnn; federated_learning; ids; non-iid; ciciot2023
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: Advancements in digital technology have significantly transformed communication and learning. Traditional learning methods have limitations in providing a fast and interactive learning environment, necessitating…
g accessible technology that enhances student and teacher engagement while ensuring convenience. WhatsApp has emerged as a widely used solution due to its accessibility, privacy features, and cross-platform compatibility, offering users a sense of convenience. This study examines the role of Perceived Convenience in the acceptance and use of WhatsApp in secondary education in Medan City using the UTAUT2 Model. A survey was conducted with 439 respondents from 8 secondary schools in Medan and analyzed using SEM-PLS with SmartPLS-4. The results indicate that social influence, hedonic motivation, habit, and perceived convenience positively impact the intention to use WhatsApp. Additionally, facilitating conditions, perceived convenience, and intention to use significantly influence actual usage behavior. However, performance expectancy, effort expectancy, and price value do not affect either intention or behavior in using WhatsApp. Moderating variables such as age, gender, and experience partially moderate the relationships between independent factors and WhatsApp usage intention and behavior. This study contributes by incorporating Perceived Convenience into the UTAUT2 Model and affirming its role in educational technology adoption.
Keywords: perceived convenience; secondary education; UTAUT2; whatsapp
Abstrak: Kemajuan teknologi digital telah membawa perubahan signifikan dalam komunikasi dan pembelajaran. Metode pembelajaran tradisional memiliki keterbatasan dalam menyediakan lingkungan belajar yang cepat dan interaktif, sehingga diperlukan teknologi yang mudah diakses, meningkatkan keterlibatan siswa dan guru, serta nyaman digunakan. WhatsApp menjadi salah satu solusi dan banyak digunakan karena mudah diakses, privasi yang ditawarkan, serta kompatibilitas lintas platform sehingga memberikan kenyamanan yang dapat dirasakan pengguna ketika menggunakannya. Oleh karena itu, Penelitian ini menguji peran Persepsi Kenyamanan terhadap penerimaan dan penggunaan WhatsApp dalam pendidikan menengah di Kota Medan menggunakan Model UTAUT2. Survei dilakukan pada 439 responden dari 8 sekolah menengah di kota Medan, dan dianalisis dengan SEM-PLS menggunakan SmartPLS-4. Hasil penelitian menunjukkan bahwa social influence, hedonic motivation, habit, dan perceived convenience berpengaruh positif signifikan terhadap behavioral intention. Sementara itu, facilitating conditions, perceived convenience, dan behavioral intention berdampak positif pada use behavior. Namun, performance expectancy, effort expectancy, dan price value tidak berpengaruh terhadap niat maupun perilaku penggunaan WhatsApp. Variabel moderasi usia, jenis kelamin, dan pengalaman memoderasi sebagian hubungan antara faktor bebas terhadap niat dan perilaku penggunaan WhatsApp. Penelitian ini berkontribusi dengan menambahkan variabel persepsi kenyamanan (perceived convenience) ke dalam Model UTAUT2 dan menegaskan perannya dalam adopsi teknologi pendidikan.
Kata kunci: pendidikan menengah; persepsi kenyamanan; UTAUT2; whatsapp
Abstract:Abstract: The increasing number of students at STMIK Royal Kisaran has raised the risk of air pollution caused by vehicle emissions, cigarette smoke, and waste burning, particularly around the campus canteen. The campus's…
s location, which is close to a rubber factory and the Sumatra Crossroad, further exacerbates air quality and significantly impacts the health of individuals active at STMIK Royal. This study aims to develop a system that can measure air quality in real-time and detect pollutants in the campus environment. The system utilizes MQ-135 and MQ-2 sensors integrated with a microprocessor to process and transmit data to an IoT-based database. This research employs a qualitative descriptive method to describe the facts and trends based on the available data. The results indicate that air quality is good in the morning, worsens during the afternoon, and improves again in the evening, reflecting increased pollution during periods of heightened industrial and transportation activities. The implementation of this system is expected to contribute to the creation of a healthier environment and raise awareness about the importance of air quality.
Keywords: air quality; campus environment ; IoT; pollution.
Abstrak: Peningkatan jumlah mahasiswa di Kampus STMIK Royal Kisaran telah meningkatkan risiko polusi udara akibat asap kendaraan, rokok, dan pembakaran sampah, terutama di sekitar kantin kampus. Lokasi kampus yang dekat dengan pabrik karet dan jalan lintas Sumatera sehingga memperburuk kualitas udara dan sangat mempengaruhi kesehatan para individu yang beraktivitas di STMIK Royal. Penelitian ini bertujuan mengembangkan sistem yang dapat mengukur kualitas udara secara real-time dan mendeteksi polutan di lingkungan kampus. Sistem ini menggunakan sensor MQ-135 dan MQ-2 yang terintegrasi dengan mikroprosesor untuk mengolah dan mengirim data ke database berbasis IoT. Penelitian ini menggunakan metode deskriptif kualitatif untuk menggambarkan fakta dan kecenderungan dari data yang tersedia. Hasilnya menunjukkan bahwa kualitas udara baik di pagi hari, memburuk di siang hari, dan membaik lagi di sore hari, menunjukkan peningkatan polusi saat aktivitas pabrik dan transportasi meningkat. Implementasi sistem ini diharapkan dapat mendukung terciptanya lingkungan yang lebih sehat dan meningkatkan kesadaran akan pentingnya kualitas udara.
Kata kunci: IoT; lingkungan kampus; kualitas udara; polusi.
Abstract:Abstract: This research highlights the significance of information technology in producing relevant, accurate, and timely information as the foundation for strategic knowledge in decision-making. Applications, as software,…
e, play a vital role in presenting information tailored to user needs, based on provided input data. Flutter, serving as an SDK for mobile app development, brings superior capabilities in cross-platform application development. The development of a mobile application for Fruit Garden Tourism Information System in Sidoarjo using Flutter aims to facilitate the search for fruit garden tourism spots based on user preferences and provide detailed information about those locations. The objective is to assist the community in discovering and enjoying fruit garden tourism in Sidoarjo. In the testing process, the black-box method is utilized to identify system weaknesses, validate the congruence of executed data with inputs, and prevent potential deficiencies and errors in the application before user deployment. In the testing process, the application has successfully passed tests for its interface and all provided features with success.
Keywords: application; flutter; fruit garden tourism; information technology.
Abstrak: Penelitian ini menggambarkan pentingnya teknologi informasi dalam menghasilkan informasi yang relevan, akurat, dan waktu tepat sebagai dasar pengetahuan strategis untuk pengambilan keputusan. Aplikasi, sebagai perangkat lunak, memiliki peran vital dalam menyajikan informasi sesuai dengan kebutuhan pengguna, berlandaskan pada data masukan yang diberikan. Flutter, sebagai SDK untuk pembuatan aplikasi mobile, menghadirkan kemampuan unggul dalam pengembangan aplikasi lintas platform. Pengembangan aplikasi mobile untuk Sistem Informasi Wisata Kebun Buah di Sidoarjo menggunakan Flutter bertujuan memudahkan pencarian tempat wisata kebun buah sesuai preferensi pengguna dan menyediakan informasi yang terperinci tentang lokasi tersebut. Tujuannya adalah memfasilitasi masyarakat dalam menemukan dan menikmati wisata kebun buah di Sidoarjo. Dalam proses pengujian, metode black box digunakan untuk mengidentifikasi kelemahan sistem, memvalidasi kesesuaian data yang dieksekusi dengan yang dimasukkan, serta mencegah potensi kekurangan dan kesalahan dalam aplikasi sebelum digunakan oleh pengguna. Pada proses pengujian, aplikasi telah berhasil melewati pengujian untuk aspek tampilan dan seluruh fitur yang disediakan dengan sukses.
Kata kunci: aplikasi; flutter; teknologi informasi; wisata kebun buah.
Abstract:Abstract: Drug abuse in Indonesia is currently very worrying because of the lack of information and knowledge about the risks posed by drug abuse. Much information about drug abuse prevention is disseminated through various…
ous media such as films, seminars, training, and guidance groups. This study aims to create drug counseling media that uses 3D technology and is created through the Blender 3D tool, by combining text, audio, and video. 3D models of Image objects are represented by Augmented Reality (AR) technology. Application development is made using the MDLC (Multimedia Development Life Cycle) method. The results of this study are the development of an Augmented Reality application for social media for drug abuse using the Trilib Technique, which is a cross-platform 3D model importer.
Keywords: Augmented Reality; Drugs; Blender; Trilib; MDLC
Abstrak: Penyalahgunaan narkoba di Indonesia saat ini sangat mengkhawatirkan karena kurangnya informasi dan pengetahuan tentang risiko yang ditimbulkan oleh penyalahgunaan narkoba. Banyak informasi tentang pencegahan penyalahgunaan narkoba disebarkan melalui berbagai media seperti film, seminar, pelatihan, dan kelompok bimbingan. Penelitian ini bertujuan untuk menciptakan media penyuluhan narkoba yang menggunakan teknologi 3D dan dibuat melalui perangkat Blender 3D, dengan menggabungkan teks, audio, dan video. Model 3D objek figur direpresentasikan dengan teknologi Augmented Reality (AR). Pengembangan aplikasi dibuat dengan menggunakan metode MDLC (Multimedia Development Life Cycle). Hasil pada penelitian ini merupakan sebuah pengembangan aplikasi Augmented Reality untuk media sosialiasi penyalahgunaan narkoba dengan menggunakan Teknik Trilib yang merupakan importir model 3d secara runtime dengan lintas platform.
Kata kunci: Augmented Reality; Narkoba; Blender; Trilib; MDLC
Abstract:Abstract: Traffic accidents are one of the biggest contributors to injuries and fatalities worldwide. Victims of traffic accidents range from minor injuries to severe injuries and even death. The severity of many accidents…
ts is often due to a lack of discipline and public awareness of traffic rules and safety measures. Car manufacturers have attempted to mitigate the effects of accidents by providing seat belts. However, many people neglect to use them, thinking that nothing will happen while driving. Even with fines imposed by authorities, people can outsmart them by removing their seat belts when officers are not around. To address this issue, a model has been developed to monitor drivers using artificial intelligence and computer vision. The camera captures images, which are then processed by a neural network trained with the YOLOv5 algorithm. The model has an average precision of 89% and a recall of 81%, and can accurately detect whether drivers are wearing seat belts or not. This model is expected to aid in improving driver and passenger safety on the roads. By paying attention to the use of seat belts, the severity of injuries sustained in accidents can be reduced.
Keywords: computer vision; neural network; seatbelt detection; yolo
Abstrak: Kecelakaan lalu lintas merupakan salah satu penyumbang terbesar cedera dan kematian di seluruh dunia. Korban kecelakaan lalu lintas tidak hanya mengalami cedera ringan, tetapi juga cedera berat bahkan kematian. Parahnya banyak kecelakaan yang terjadi dapat disebabkan oleh kurangnya disiplin dan kesadaran masyarakat akan aturan lalu lintas serta tindakan keselamatan. Produsen mobil telah berusaha untuk mengurangi efek kecelakaan dengan menyediakan sabuk pengaman. Sayangnya, masih banyak orang yang mengabaikan penggunaannya, dengan menganggap bahwa tidak akan terjadi apa-apa saat mengemudi. Meskipun ada denda yang diberlakukan oleh pihak berwenang, orang masih dapat melepaskan sabuk pengaman ketika tidak ada petugas di sekitar. Untuk mengatasi masalah ini, sebuah model telah dikembangkan untuk memantau pengemudi menggunakan kecerdasan buatan dan visi komputer. Kamera mengambil gambar yang kemudian diproses oleh jaringan saraf yang dilatih dengan algoritma YOLOv5. Model ini memiliki presisi rata-rata sebesar 89% dan recall sebesar 81%, dan dapat dengan akurat mendeteksi apakah pengemudi menggunakan sabuk pengaman atau tidak. Model ini diharapkan dapat membantu dalam menangani masalah keselamatan pengemudi dan penumpang di jalan raya. Dengan memperhatikan penggunaan sabuk pengaman, dapat mengurangi tingkat keparahan cedera yang terjadi dalam kecelakaan.
Kata kunci: computer vision; deteksi sabuk pengaman; neural network; yolo
Abstract:Abstract: Determination of the best performance of parking attendants at the Asahan District Transportation Service aims to increase responsibility and high loyalty to get satisfactory performance results and award parking…
ng attendants with the best performance. The assessment of the best performance of parking officers was carried out by 3 assessors namely traffic engineering management, parking section, parking administration staff. The problem in assessing the best performance of parking attendants is that there is no structured system so that the assessment time is quite long, around 2-3 weeks. In addition, the assessment still tends to be subjective, for example the parking attendant's assessment is based on closeness and kinship, causing jealousy. Overcoming this requires a computer system that helps decision making, namely a decision support system for determining the best performance of parking attendants at the Asahan District Transportation Service in this study using the BORDA method. The borda method is used to combine the results of the decision assessment of each appraiser so that the final result is the best performance of the parking attendant. The purpose of this research is to create a computerized system that will later assist in determining the best performance appraisal of parking attendants every year. Based on the research results of the system for determining the best performance of parking attendants in the form of ranking the final score of each parking attendant. The highest value is used as the best performance suggestion for parking attendants.
Keywords: borda method; decision support system; parking attendant performance
Abstrak: Penentuan kinerja terbaik petugas parkir pada Dinas Perhubungan Kabupaten Asahan bertujuan untuk perlu meningkatkan tanggung jawab dan loyalitas yang tinggi mendapatkan hasil kinerja yang memuaskan dan pemberian perhargaan bagi petugas parkir memiliki kinerja terbaik. Penilaian kinerja terbaik petugas parkir dilakukan oleh 3 penilai yaitu manajemen rekayasa lalu lintas, seksi parkir, staff administrasi parkir. Permasalahan dalam penilaian kinerja terbaik petugas parkir adalah belum ada sistem yang terstruktur sehingga waktu penilaian cukup lama sekitar kurang lebih 2-3 minggu. Selain itu penilaian masih cenderung subjektif misalnya penilaian petugas parkir berdasarkan kedekatan dan kekeluargaan sehingga menyebabkan kecemburuan. Mengatasi hal tersebut diperlukan suatu sistem komputer yang membantu pengambilan keputusan yaitu sistem pendukung keputusan penentuan kinerja terbaik petugas parkir pada Dinas Perhubungan Kabupaten Asahan dalam penelitian ini menggunakan metode BORDA. Metode borda digunakan untuk menggabungkan hasil penilaian keputusan dari tiap penilai sehingga dapat memperoleh hasil akhir berupa kinerja terbaik petugas parkir. Tujuan dari penelitian ini adalah untuk membuat suatu sistem komputerisasi yang nantinya akan membantu dalam menentukan penilaian kinerja terbaik petugas parkir disetiap tahunnya. Berdasarkan hasil penelitian dari sistem penentuan kinerja terbaik petugas parkir berupa perangkingan dari nilai akhir setiap petugas parkir. Nilai tertinggi dijadikan sebagai saran kinerja terbaik petugas parkir.
Kata kunci: metode borda; sistem pendukung keputusan; kinerja petugas parkir
Abstract:Abstract: Software Defined Network has recently become a new architecture in computer network systems that offer convenience with a centralized control system. The Software Defined Network Architecture will separate the…
e control plane and the data plane. Where the control plane will be placed on the controller that is stored and provides all the needs that exist in the network system. In Software Define Network, it still needs a lot of research, especially security, because it is the most important part in the network. One solution that can be used as security is a firewall. With the firewall, every data traffic will be monitored and also determine the entry and exit of data. In this research, a firewall will be implemented at the data link layer which will use a tree topology in the software define network and POX as the controller. The results of this study produce a firewall program with the python programming language which is placed on the POX controller. The code modification has successfully blocked, controlled, and monitored each packet based on the rules on the firewall.
Keywords: data link; firewall; pox controller; software defined network
Abstrak: Software Defined Network belakangan ini menjadi satu arsitektur baru pada sistem jaringan komputer yang menawarkan satu kemudahan dengan sistem kontrol terpusat. Pada arsitektur Software Defined Network akan memisahkan control plane dan data plane. Dimana control plane akan ditempatkan pada controller yang bertugas mengatur serta menyediakan segala keperluan yang ada pada sistem jaringan. Pada Software Define Network masih perlu dilakukannya banyak riset khususnya bidang keamanan, karena keamanan merupakan bagian terpenting dalam jaringan. Salah satu solusi yang dapat digunakan sebagai keamanan adalah firewall. Dengan adanya firewall maka setiap lalu lintas data akan dapat dimonitoring dan juga menentukan keluar masuknya suatu data. Pada penelitian ini akan diimplementasikan firewall pada data link layer yang akan menggunakan topologi tree pada software defined network dan POX sebagai Controllernya. Hasil pada penelitian ini menghasilkan satu program firewall dengan bahasa pemrograman python yang ditempatkan pada pox controller. Modifikasi kode telah berhasil untuk memblokir, mengontrol dan memonitoring setiap paket berdasarkan rule pada firewall.
Kata kunci: data link; firewall; pox controller; software defined network
Abstract:Abstract: Pekanbaru still using conventional traffic light control system. Pekanbaru as the capital of Riau Province is predicted udergo the increased of urban population by 54.5% in 2025. It is important for Pekanbaru…
ru to immediately implement smart and efficient traffic management system, so that traffic congestion can be resolved quickly. This research paper provides a design solution for smart traffic light management (Smart Traffic Control System), based on object detection technology that uses deep learning to detect the number and type of vehicles. The number of vehicle is the basis for determining the green light timer automatically. The Smart Traffic Control System (STCS) is integrated with a web based geographic information system (smart map) that can display the current condition (picture, the number of vehicle, congestion level) of each STCS location. This integrated system has been tested on a traffic light prototype, using a mini computer and a miniature vehicle. This integrated system is able to detect 9 out of 12 vehicles, and able to send data regularly to the smart map.
Keywords: deep learning; smart mobility; smart traffic control system
Abstrak: Pengaturan lampu lalu lintas di Kota Pekanbaru masih dilakukan secara konvensional. Pekanbaru sebagai ibukota Provinsi Riau diprediksikan akan mengalami peningkatan jumlah penduduk perkotaan sebesar 54,5% pada tahun 2025. Dengan melihat predikisi ini, penting bagi kota Pekanbaru untuk segera memiliki tata kelola lalu lintas yang cerdas dan efisien agar kemacetan dapat ditanggulangi dengan cepat. Penelitian ini memberikan rancangan solusi untuk tata kelola lampu lalu lintas cerdas (Smart Traffic Control System), berbasis teknologi object detection yang menggunakan deep learning untuk mendeteksi jumlah dan jenis kendaraan. Jumlah kendaraan menjadi dasar penentuan timer lampu hijau secara otomatis. Smart Traffic Control System (STCS) terintegrasi dengan sistem informasi geografis berbasis web (smart map) yang secara kontinu menerima informasi kepadatan (gambar terkini, jumlah kendaraan, level kepadatan), kemudian menampilkannya diatas peta Kota Pekanbaru. Solusi sistem terintegrasi ini telah diujikan pada sebuah prototipe lampu lalu lintas, menggunakan komputer mini dan miniatur kendaraan. Sistem terintegrasi ini mampu mendeteksi 9 dari 12 kendaraan, dan mampu mengirimkan data secara berkala kepada smart map.
Kata kunci: deep learning; smart mobility; smart traffic control system