cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Aria Hendrawan
Contact Email
ariahendrawan@usm.ac.id
Phone
+628112790713
Journal Mail Official
ariahendrawan@usm.ac.id
Editorial Address
Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Semarang Alamat Redaksi: Jl.Soekarno-Hatta, Tlogosari, Semarang, Jawa Tengah, Indonesia 50196 Telp: 024-6702757 psw: 8302 Fax: 024-6702272 e-mail: jprt@usm.ac.id
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Pengembangan Rekayasa dan Teknologi
Published by Universitas Semarang
ISSN : 14109840     EISSN : 25808850     DOI : http://dx.doi.org/10.26623/jprt
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Mechanical Engineering Transportation
Jurnal Pengembangan Rekayasa dan Teknologi ( JPRT ) is a scholarly refereed research journal that aims to promote the theory and practice of technology, innovation, and engineering management. The journal links engineering, science, and management disciplines. It addresses the issues involved in the planning, development, and implementation of technological capabilities to shape and accomplish the strategic and operational objectives of an organization. It covers not only R&D management but also the entire spectrum of managerial concerns in technology-based organizations. This includes issues relating to new product development, human resource management, innovation process management, project management, technological fusion, marketing, technological forecasting, and strategic planning. The journal provides an interface between technology and other corporate functions, such as R&D, marketing, manufacturing, and administration. Its ultimate goal is to make a profound contribution to theory development, research, and practice by serving as a leading forum for the publication of scholarly research on all aspects of technology, innovation, and engineering management.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 146 Documents
 11   12   13   14   15 
Hybrid Intelligent System Berbasis Decision Tree, Fuzzy Logic, dan PSO untuk UMKM Sukirno Kasau; Syamsul Bhahri Iskandar H; Nur Islamuddin
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.14385

Abstract

Penelitian ini membandingkan model baseline Decision Tree dengan Hybrid Intelligent System (HIS) yang mengintegrasikan Decision Tree, Fuzzy Inference System (FIS), dan Particle Swarm Optimization (PSO) untuk prediksi numerik berbasis dataset simulasi UMKM. Dataset dibagi menjadi 70% data training dan 30% data testing. Decision Tree digunakan untuk mempelajari hubungan fitur UMKM, yaitu omset, biaya, jumlah pegawai, dan lama usaha, dengan target numerik. Pada HIS, aturan awal diperoleh dari struktur Decision Tree, kemudian dimodelkan dalam FIS dan dioptimasi menggunakan PSO. Hasil pengujian menunjukkan bahwa HIS menurunkan MAE sebesar 18,81% dan RMSE sebesar 29,30%, serta meningkatkan R² dari -0,47 menjadi 0,27. Temuan ini menunjukkan bahwa HIS lebih adaptif dalam menangani variasi dan ketidakpastian data UMKM sehingga dapat mendukung pengambilan keputusan berbasis data.
Analisis Peramalan Suhu Permukaan Bumi di Kota Semarang Menggunakan Regresi Nonparametrik dengan Estimator Deret Fourier Berdasarkan Penalized Least Square (PLS) Ihsan Fathoni Amri; Tiani Wahyu Utami; Dannu Purwanto; Alwan Fadlurohman; Ariska Fitriyana Ningrum; Saeful Amri
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.14583

Abstract

Perubahan iklim global yang ditandai oleh peningkatan suhu permukaan menjadi isu penting, terutama di wilayah perkotaan dengan tingkat urbanisasi tinggi seperti Kota Semarang. Peningkatan suhu dapat memengaruhi kualitas lingkungan dan kenyamanan masyarakat, sehingga diperlukan pemodelan dan peramalan yang akurat untuk memahami pola perubahannya. Penelitian ini bertujuan membentuk model regresi nonparametrik menggunakan estimator deret Fourier dengan optimasi Penalized Least Square (PLS) serta meramalkan suhu permukaan di Kota Semarang. Parameter optimal ditentukan berdasarkan nilai Generalized Cross Validation (GCV) minimum. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada koefisien Fourier  dengan lambda optimal 0,00027 dan GCV minimum 0,81182. Model menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 1,203717% dengan akurasi 98,7963%, yang termasuk kategori sangat baik. Hasil ini menunjukkan bahwa pendekatan deret Fourier berbasis PLS efektif dalam memodelkan dan meramalkan suhu permukaan di Kota Semarang.
Analisis Pengaruh Teknik Preprocessing terhadap Performa CNN pada Klasifikasi Citra Dataset CIFAR-10 Dannu Purwanto; Alwan Fadlurohman
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.14651

Abstract

Penelitian ini menganalisis pengaruh teknik preprocessing citra terhadap performa Convolutional Neural Network (CNN) pada dataset CIFAR-10. Teknik yang dievaluasi meliputi normalisasi piksel, augmentasi data, dan filter median yang disusun dalam empat kondisi eksperimen: kontrol, normalisasi, normalisasi+augmentasi, serta normalisasi+augmentasi+median. Setiap kondisi dijalankan sebanyak lima kali menggunakan seed berbeda untuk memperoleh rerata dan standar deviasi. Hasil eksperimen menunjukkan bahwa kondisi kontrol memperoleh akurasi uji tertinggi sebesar 86,42% ± 0,37%, sedangkan normalisasi menghasilkan akurasi yang hampir setara sebesar 86,36% ± 0,28%. Penambahan augmentasi menurunkan akurasi uji menjadi 79,48% ± 2,80%, dan kombinasi normalisasi, augmentasi, serta median filter menghasilkan akurasi terendah sebesar 76,20% ± 2,88%. Temuan ini menunjukkan bahwa preprocessing tambahan yang diuji belum mampu meningkatkan akurasi CNN pada konfigurasi eksperimen ini. Penurunan terutama terjadi pada kelas hewan seperti bird, cat, dog, dan deer, yang mengindikasikan bahwa augmentasi dan median filter dapat mengurangi informasi visual penting pada citra beresolusi rendah.
Penerapan Algoritma Decision Tree Untuk Mengklasifikasi Tingkat Ketergantungan Terhadap ChatGPT Berdasarkan Demografi Pengguna Wijayanti Kusuma Sari; Handini Arga Damar Rani Handini; Kurniawati; Dewi Purnamasari
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.14732

Abstract

Penggunaan ChatGPT yang semakin tinggi, khususnya dalam bidang pendidikan, menimbulkan potensi ketergantungan pengguna terhadap teknologi Artificial Intelligence (AI). Penelitian ini bertujuan mengklasifikasikan tingkat ketergantungan pengguna terhadap ChatGPT berdasarkan faktor demografi dan pola penggunaan menggunakan algoritma Decision Tree. Penelitian menggunakan pendekatan kuantitatif dengan 200 data sekunder yang telah melalui tahap preprocessing. Proses pemodelan dilakukan menggunakan algoritma Decision Tree dan dievaluasi menggunakan operator Performance Classification. Hasil penelitian menunjukkan bahwa atribut ChatGPT sessions menjadi faktor paling dominan dalam menentukan tingkat ketergantungan pengguna, diikuti oleh ChatGPT weekly usages, active weeks, dan employment. Model yang dihasilkan memperoleh nilai accuracy sebesar 97%, yang menunjukkan bahwa algoritma Decision Tree memiliki performa yang sangat baik dalam mengklasifikasikan tingkat ketergantungan pengguna terhadap ChatGPT. Hasil penelitian juga menunjukkan bahwa pola penggunaan lebih berpengaruh dibandingkan faktor demografi dalam menentukan tingkat ketergantungan pengguna terhadap teknologi AI.
Pengembangan Model CNN-LSTM Berbasis MobileNetV2 untuk Pengenalan Kosakata Bahasa Isyarat Indonesia (BISINDO) Tingkat Kata pada Sistem AIGLASS Ahmad Riki Andreas; Dewi Purnamasari; Kurniawati; Ahmad Bais
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 10 No. 1 (2026): Mei (2026)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v10i1.15528

Abstract

Komunikasi antara penyandang tunarungu dan masyarakat umum masih menghadapi hambatan akibat rendahnya pemahaman terhadap Bahasa Isyarat Indonesia (BISINDO). Penelitian ini bertujuan mengembangkan model pengenalan kosakata BISINDO tingkat kata menggunakan arsitektur CNN-LSTM berbasis MobileNetV2 sebagai fondasi kecerdasan buatan pada sistem AIGLASS. Penelitian menggunakan metode CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, dan Evaluation. Dataset yang digunakan adalah Word-Level Bahasa Isyarat Indonesia (WL-BISINDO) yang terdiri atas 1.600 video dengan 32 kosakata. Hasil penelitian menunjukkan model memperoleh training accuracy sebesar 99,22%, validation accuracy terbaik sebesar 96,48%, serta accuracy, precision, recall, dan F1-score pada data pengujian masing-masing sebesar 94,69%, 95,25%, 94,69%, dan 94,66%. Hasil tersebut menunjukkan bahwa model mampu mengenali kosakata BISINDO tingkat kata secara efektif dan berpotensi menjadi fondasi sistem AIGLASS untuk mendukung penerjemahan bahasa isyarat menjadi audio secara real-time.
Aplikasi bidancare.com sebagai Sistem Pendukung Keputusan untuk Prediksi Risiko Kehamilan Berbasis Data Kesehatan Ibu Handini Arga Damar Rani Handini; Mohammad Burhan Hanif
Jurnal Pengembangan Rekayasa dan Teknologi Vol. 9 No. 2 (2025): November (2025)
Publisher : Universitas Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26623/jprt.v9i2.13868

Abstract

Penelitian ini bertujuan untuk mengembangkan Aplikasi BidanCare.com sebagai Sistem Pendukung Keputusan (SPK) dalam memprediksi risiko kehamilan berbasis data kesehatan ibu. Metode penelitian yang digunakan meliputi pengumpulan data kesehatan ibu hamil, analisis kebutuhan sistem, perancangan dan implementasi aplikasi berbasis web, serta penerapan teknik data mining untuk proses prediksi risiko kehamilan. Pengujian sistem dilakukan menggunakan metode pengujian fungsional (black box testing) dan evaluasi akurasi hasil prediksi berdasarkan data uji. Hasil pengujian menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan kebutuhan pengguna dan aplikasi mampu memberikan klasifikasi risiko kehamilan dengan tingkat akurasi yang baik. Aplikasi BidanCare.com diharapkan dapat membantu bidan dalam pengambilan keputusan secara cepat dan tepat serta mendukung deteksi dini risiko kehamilan.

Page 15 of 15 | Total Record : 146

 11   12   13   14   15 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2026): Mei (2026) Vol. 9 No. 2 (2025): November (2025) Vol. 9 No. 1 (2025): Mei (2025) Vol. 8 No. 2 (2024): November (2024) Vol. 8 No. 1 (2024): Mei (2024) Vol. 7 No. 2 (2023): November (2023) Vol. 7 No. 1 (2023): Mei (2023) Vol. 6 No. 2 (2022): November (2022) Vol. 6 No. 1 (2022): Mei (2022) Vol. 5 No. 2 (2021): November (2021) Vol. 5 No. 1 (2021): Mei (2021) Vol. 4 No. 2 (2020): November (2020) Vol. 4 No. 1 (2020): Mei (2020) Vol. 3 No. 2 (2019): November (2019) Vol. 3 No. 1 (2019): Mei (2019) Vol. 2 No. 2 (2018): November (2018) Vol. 2 No. 1 (2018): Mei (2018) Vol. 1 No. 2 (2017): November (2017) Vol. 1 No. 1 (2017): Mei (2017) More Issue