Communities in Polibatam
Select a community to browse its collections.
Recent Submissions
Item type:Item, Algoritma Internet of Things Pada Bubble Etching Machine Dengan Protokol MQTT(Politeknik Negeri Batam, 2026-06-26) Ilyas, Ahmad; Lubis, Max's Aven; Abidin, M Zainal; Rasid, Abdul; Aliyah; BudianaAlgoritma Internet of Things Dengan Protokol MQTT pada Bubble Etching Machine merupakan salah satu teknologi yang memudahkan operator atau pengguna dalam pemantauan proses etsa PCB secara jarak jauh dan efisien. Penggunaan protokol MQTT dalam alat bubble etching machine memudahkan pengguna dalam komunikasi antar machine to machine. Selain itu, penggunaan MQTT bisa memuat banyak data tergantung jumlah topic data yang dibuat oleh user. Dalam hal ini, data yang memuat pada bubble etching machine yaitu terdiri atas suhu cairan etsa, durasi proses etsa dan notifikasi apabila proses etsa telah selesai dilakukan. Pemantauan proses ini dilakukan secara real-time tanpa adanya delay. Protokol MQTT ini juga bisa dilakukan dengan kecepatan internet yang tidak terlalu cepat sehingga bisa memudahkan penggunaan alat pada daerah yang terindikasi dengan internet yang tidak terlalu cepat. Untuk memudahkan user dalam pemantauan proses etsa, maka dibuat dashboard IoT dengan menggunakan platform IoT yaitu MQTT Panel Pro. Platform IoT yang digunakan menyediakan dasbor yang menampilkan data pemantauan proses etsa secara visual, seperti grafik suhu dan timer count untuk melihat status proses etsa.Item type:Item, Identifikasi Sidik Jari pada Sistem Peminjaman Mandiri Menggunakan Support Vector Machine(Politeknik Negeri Batam, 2026-01-14) Aidani, Rangga Putra; Fahruzi, ImanThe self-service borrowing system is an innovative service that allows users to borrow laboratory equipment without direct involvement from staff. The traditional system with manual recording is considered inefficient because it is prone to recording errors, the risk of losing forms, and long queues. This study aims to develop a self-service borrowing system that integrates fingerprint biometric technology for security authentication and QR codes for automated item recording. The user identification process is carried out through feature extraction using Histogram of Oriented Gradients (HOG), which is then classified with a Support Vector Machine (SVM) algorithm based on Radial Basis Function (RBF) kernel on a Raspberry Pi device. The test results show that the SVM model successfully achieved a training accuracy of 94.7%. In direct system testing (1:N identification), the system achieved an accuracy of 94.06% with a False Rejection Rate (FRR) of 6% and a False Acceptance Rate (FAR) of 7%. All QR Code scans of items were successfully performed and directed to the database system in realtime. This system has proven effective in enhancing the security and efficiency of laboratory equipment management through service automation.Item type:Item, Evaluasi Kesadaran Keamanan Data Pribadi Generasi Z dalam Penggunaan Smartphone Berdasarkan Model Knowledge, Attitude, and Behaviour (KAB): Studi Kasus di SMK XYZ Bekasi(Politeknik Negeri Batam, 2026-07-09) Thianka, Mega; Idris, MuhammadGenerasi Z dikenal sebagai digital natives, namun kefasihan teknologi tidak selalu berbanding lurus dengan kesadaran keamanan data pribadi yang memadai. Penelitian ini bertujuan mengevaluasi kesadaran keamanan data pribadi pelajar vokasi jurusan informatika di SMK XYZ Bekasi menggunakan model Knowledge, Attitude, and Behaviour (KAB) dengan pendekatan kuantitatif deskriptif-korelatif. Sampel sebanyak 60 siswa aktif jurusan RPL dan TKJ berusia 15–18 tahun pada satu sekolah dipilih melalui purposive sampling (non-probabilitas). Instrumen kuesioner 30 butir berskala Likert lima poin menunjukkan reliabilitas tinggi (Cronbach Alpha: Knowledge=0,875, Attitude=0,910, Behaviour=0,911) dan seluruh 30 butir dinyatakan valid. Uji normalitas Shapiro-Wilk menunjukkan distribusi tidak normal (p<0,05), sehingga analisis korelasi menggunakan Spearman’s Rho. Hasil menunjukkan dimensi Knowledge berada pada kategori Tinggi (M=4,18), Attitude Tinggi (M=4,32), dan Behaviour Tinggi (M=4,11). Meskipun demikian, terdapat kesenjangan Attitude–Behaviour sebesar 0,217 yang terbukti signifikan secara statistik (uji Wilcoxon signed-rank, p=0,00031), dan 8 responden (13,3%) teridentifikasi menunjukkan pola privacy paradox. Korelasi Spearman antardimensi seluruhnya signifikan: K–A (rs=0,525), K–B (rs=0,543), dan A–B (rs=0,744; kuat); analisis mediasi formal (Sobel, bootstrapping) mengonfirmasi bahwa Attitude memediasi secara parsial dan signifikan hubungan Knowledge–Behaviour (ab=0,441; p<0,001). Temuan ini menunjukkan bahwa meski kesadaran umum sudah tinggi, masih terdapat kesenjangan antara sikap dan perilaku nyata (dengan Behaviour diukur secara self-report) yang perlu ditangani melalui intervensi literasi keamanan siber berbasis bukti; temuan bersifat spesifik pada konteks studi kasus ini dan belum tentu merepresentasikan Generasi Z secara umum.Item type:Item, Sistem Pendeteksi Helm dan Identifikasi Pengendara Motor Berbasis Deep Learning dengan Pengenalan Wajah serta Notifikasi Pelanggaran Otomatis ke Wali Dosen dan Pengamanan Dalam(Politeknik Negeri Batam, 2026-01-14) Khayyun Al Hasani, Gholibin Khayyun; Sani, AbdullahKeselamatan berkendara di lingkungan kampus merupakan aspek penting yang perlu mendapatkan perhatian serius, khususnya terkait pelanggaran penggunaan helm oleh mahasiswa saat mengendarai sepeda motor. Penelitian ini menghasilkan sebuah sistem pendeteksi helm dan identifikasi pengendara motor berbasis yang mampu mendeteksi pelanggaran secara otomatis serta mengirimkan notifikasi kepada wali dosen dan pengamanan dalam (Pamdal). Sistem dikembangkan menggunakan model untuk mendeteksi penggunaan helm secara real-time dan model FaceNet untuk melakukan identifikasi wajah pengendara. Pengujian sistem dilakukan dengan melibatkan 10 orang, di mana setiap orang melakukan pengambilan data sebanyak 30 kali, terdiri dari 15 kali menggunakan helm dan 15 kali tanpa menggunakan helm, sehingga total data uji berjumlah 300 data citra. Hasil pengujian menunjukkan bahwa sistem deteksi helm menggunakan memperoleh nilai accuracy sebesar 90,3%, precision 91,0%, recall 89,2%, dan F1-score 0,901. Sementara itu, sistem identifikasi wajah menggunakan FaceNet memperoleh nilai accuracy sebesar 81,9%, precision 81,9%, recall 81,9%, dan F1-score 0,819. Hasil tersebut menunjukkan bahwa sistem mampu mendeteksi pelanggaran penggunaan helm dan mengidentifikasi pengendara motor secara otomatis dengan tingkat ketepatan yang baik pada kondisi implementasi nyata. Dengan adanya sistem ini, pengawasan penggunaan helm di lingkungan kampus dapat dilakukan secara lebih efektif, terstruktur, dan berkelanjutan guna meningkatkan kepatuhan mahasiswa terhadap keselamatan berkendara.Item type:Item, Pencitraan Biomedis Menggunakan Tomografi Impedensi Listrik(Politeknik Negeri Batam, 2026-01-21) Sari, Melinda; Wicaksono, Muhammad Jaka WimbangAbstrak - Penelitian ini membahas penerapan Tomografi Impedansi Listrik sebagai metode pencitraan biomedis non-invasif untuk memvisualisasikan distribusi impedansi listrik terhadap objek. Sistem EIT bekerja dengan menginjeksikan arus listrik melalui elektroda yang dipasang mengelilingi objek, kemudian mengukur beda potensial (tegangan) yang timbul akibat aliran arus tersebut. Data tegangan hasil pengukuran diolah menggunakan algoritma rekonstruksi citra pada software EIDORS sehingga menghasilkan citra dua maupun tiga dimensi yang menunjukkan variasi impedansi dalam objek. Metode yang digunakan meliputi penyusunan sistem elektroda mengelilingi objek, injeksi arus melalui pasangan elektroda, pengukuran tegangan dari elektroda lainnya, pemrosesan data dan rekonstruksi menggunakan algoritma EIDORS di MATLAB. Hasil pada penelitian ini adalah MATLAB mampu menggambarkan pergeseran posisi objek dalam medium elektrolit yang mana ini menunjukkan bahwa sistem EIT yang dirancang mampu mendeteksi perubahan distribusi impedansi yang kemudian dapat menunjukan perubahan posisi daripada objek yang diuji. Selama proses akuisisi sistem menunjukkan rentang tegangan stabil antara 0.8 V−2.0 V. Keberhasilan ini dibuktikan dari pola tegangan yang konsisten berubah seiring pergeseran objek di dalam phantom. Perubahan impedansi yang dideteksi sistem juga berhasil dikonversi menjadi visualisasi citra yang menggambarkan variasi kondisi fisik objek secara akurat. Teknologi ini terbukti aman, murah, dan efektif, sehingga berpotensi besar untuk digunakan dalam diagnosis dan pemantauan kondisi medis di masa depan.