cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wagino
Contact Email
ginouniska@gmail.com
Phone
-
Journal Mail Official
ginouniska@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Technologia: Jurnal Ilmiah
Published by Universitas Islam Kalimantan Muhammad Arsyad Al Banjari
ISSN : 20866917     EISSN : 26568047     DOI : -
Core Subject : Science,
Computer Science & IT
Technologia: Jurnal Ilmiah adalah wadah informasi, hasil penelitian, dan tulisan terkait bidang Teknik Informatika dan Sistem Informasi yang dikelola oleh Fakultas Teknologi Informasi Universitas Islam Kalimantan Muhammad Arsyad Al Banjari. Frekuensi terbitan pada jurnal ini 4 kali dalam setahun yaitu pada bulan Januari, April, Juli, dan Oktober.
Arjuna Subject : -
Articles 585 Documents
 55   56   57   58   59 
SISTEM PEMBERSIH SOLAR PANEL BERBASIS MICROCONTROLLER DAN IMAGE PROCESSING Aulia, Syair; Solih, Muhammad Ihsan; Saputra, Zanu; Lesta, Lesta
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21248

Abstract

Energi terbarukan merupakan solusi utama dalam mengatasi perubahan iklim dan bertambahnya permintaan energi global. Salah satu sumber energi terbarukan yang paling menjanjikan adalah energi matahari (energi surya), salah satunya adalah pemanfaatan solar panel. Pada penelitian ini bertujuan untuk membuat suatu sistem pembersih solar panel berbasis microcontroller dan image processing serta membuat sistem control berdasarkan tingkat kekotoran solar panel. Pada sistem yang dirancang menggunakan mikrokontroler berupa ESP32 yang berfungsi menjadi pusat kontrol pembersihan, RTC sebagai sensor waktu nyata untuk penjadwalan pembersihan serta Raspberry Pi sebagai kontrol pada image processing untuk pendeteksian tingkat kekotoran melalui sensor kamera. Hasil penelitian ini berupa prototype pembersihan solar panel secara terjadwal dan berdasarkan tingkat kekotoran solar panel. Kesimpulan dari penelitian ini menunjukkan bahwa pembersihan solar panel sangat diperlukan demi menjaga efektivitas kinerja solar panel dalam menangkap energi dari sinar matahari. Teknologi ini masih memiliki potensi untuk dikembangkan secara luas agar dapat meminimalisir tenaga dan waktu dalam pembersihan solar panel terutama jika adanya dukungan penelitian lebih lanjut yang dapat lebih kompleks. Keywords: ESP32; Raspberry Pi; Tingkat Kekotoran; Webcam; Yolo V5.
PEMANFAATAN TEKNOLOGI WEB SERVICE PADA SISTEM JOB MONITORING COMPLAINT UNTUK OTOMATISASI PELAPORAN Ramadhani, Anjas; -, Hariyanto; Dewi, Sari
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.20877

Abstract

Kemajuan teknologi informasi telah memberikan kontribusi besar terhadap peningkatan efisiensi dan akurasi dalam pengelolaan data. Saat ini di PT. Ekspedi Amanda Jaya untuk permintaan complaint dari bagian ke bagian lainya itu masih menggunakan manual atau lewat telpon langsung, sehingga masih kurang efektif dan efisien karena setiap permintaan tidak di lengkapi dengan dokument permintaan dan terkadang menyebabkan permintaan tidak dapat di realisasikan dengan baik dan dari atasan bagian tidak mengetahui permasalahan yang sedang terjadi sehingga bisa menyebabkan keterlambatan. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu melakukan otomatisasi pelaporan keluhan dan pemantauan kinerja secara real-time, sehingga proses administrasi menjadi lebih efisien dan transparan. Salah satu bentuk penerapannya adalah pemanfaatan teknologi Web Service dalam sistem pelaporan dan pemantauan pekerjaan (Job Monitoring Complaint). Metode penelitian yang digunakan adalah Research and Development (R&D) dengan tahapan meliputi analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Hasil penelitian menunjukkan bahwa penerapan Web Service dapat meningkatkan kecepatan proses pelaporan hingga 75% dibandingkan sistem manual. Uji performa dilakukan menggunakan Apache JMeter waktu respons rata-rata sebesar 0,34 detik per permintaan, dengan tingkat keberhasilan 99,6%. karena penggunaan Application Programming Interface (API) berbasis REST, Dengan demikian sistem ini dapat menjadi solusi efektif bagi untuk pelaporan yang cepat, akurat, dan terdokumentasi dengan baik.
Perbandingan Tree-Based Ensemble (Random Forest, XGBoost, LightGBM) dan Deep Learning untuk Prediksi Klik Iklan Online Syafarina, Gita Ayu; Amin, Muhammad; Zaenuddin, Zaenuddin
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21627

Abstract

Implementasi dan evaluasi komparatif model tree-based ensemble (Random Forest, XGBoost, LightGBM) dan model deep learning (Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN-LSTM)) untuk prediksi klik iklan online. Tujuan utama adalah untuk mengidentifikasi model yang paling efektif dalam menangani data tabular yang tidak seimbang. Metodologi penelitian mencakup pra-pemrosesan data yang komprehensif, termasuk penanganan nilai yang hilang dan penyeimbangan kelas menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Model-model dilatih pada dataset iklan online dan dievaluasi menggunakan metrik Akurasi, Presisi, Recall, F1-Score, dan Area Under the Curve (AUC). Hasil menunjukkan bahwa model tree-based ensemble secara konsisten memberikan kinerja yang lebih seimbang dan kemampuan diskriminatif yang lebih tinggi (AUC), dengan XGBoost mencapai AUC tertinggi (0.7513) dan LightGBM menunjukkan Akurasi (0.7020) serta F1-Score (0.7791) yang kompetitif. Meskipun model deep learning mencapai Recall dan F1-Score yang tinggi, nilai AUC mereka secara signifikan lebih rendah, menyoroti tantangan adaptasi arsitektur deep learning untuk data tabular murni. Penelitian ini menegaskan keunggulan model tree-based ensemble untuk prediksi klik iklan pada data tabular.
IMPLEMENTASI SENSOR BERAT DAN GAS PADA SISTEM SORTASI TOMAT OTOMATIS Cornelia, Sintiawati, Aan Febriansyah, Nur Khasanah, Noni
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21294

Abstract

Proses penyortiran tomat pada tahap pascapanen di Indonesia hingga saat ini sebagian besar masih dilakukan secara manual. Kondisi tersebut menyebabkan tingginya tingkat kesalahan, ketidakkonsistenan hasil, dan rendahnya efisiensi waktu kerja. Keterbatasan tenaga manusia, faktor kelelahan, serta penurunan konsentrasi menjadi penyebab utama ketidakakuratan dalam proses penyortiran. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem sortasi tomat otomatis berbasis mikrokontroler Arduino dengan mengintegrasikan sensor load cell HX711 untuk pengukuran berat pada tomat serta sensor gas MQ-135 dan MQ-3 untuk mendeteksi tingkat kesegaran tomat berdasarkan kandungan senyawa volatil. Metode penelitian meliputi perancangan mekanik dan elektrik, pemrograman, kalibrasi sensor, pengujian kinerja, serta analisis hasil. Sistem dirancang untuk mengklasifikasikan tomat ke dalam tiga kategori, yaitu medium (30–50 g), besar (51–70 g), dan tidak layak dikonsumsi. Hasil pengujian menunjukkan bahwa sistem mampu mengukur berat dengan akurasi dan mendeteksi tingkat kesegaran tomat dengan baik melalui variasi nilai sensor gas. Sistem ini terbukti dapat meningkatkan efisiensi waktu penyortiran dibandingkan metode manual serta menurunkan tingkat kesalahan pada klasifikasi tomat. Dengan demikian, sistem sortasi berbasis sensor ini dapat menjadi solusi inovatif, efisien, dan aplikatif untuk meningkatkan mutu serta produktivitas hasil pertanian tomat di Indonesia.
ANALISIS PEMBELAJARAN BERBASIS ARTIFICIAL INTELLIGENCE TERHADAP PENINGKATAN PRESTASI SISWA PADA SEKOLAH MENENGAH KEJURUAN (SMK) YPT PRINGSEWU Taufik, Taufik -; Susilowati, Tri -; Wati, Rina -; Andriyani, Novita -
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21177

Abstract

Penelitian ini mempunyai tujuan untuk untuk menganalisis sejauh mana hasil proses belajar siswa dengan berbasis Artificial Intelligence( AI) yang bisa memberi kontribusi nyata peningkatan prestasi belajar siswa pada sekolah tingkat atas maupun SMK khususnya. Latar belakang penelitian ini didasari oleh kebutuhan akan inovasi strategi pembelajaran yang adaptif terhadap karakteristik siswa dan mampu meningkatkan efektivitas proses belajar di tengah perkembangan teknologi digital. Pendekatan yang dipakai dalam penelitian ini adalah pendekatan kuantitatif dalam desain eksperimen semu(quasi-experimental). Subjek penelitian terdiri atas 100 siswa jurusan Teknik Komputer dan Jaringan, yang dibagi dalam 2 (dua) kelompok, yaitu kelompok satu adalah kelas eksperimen dengan menerapkan sistem pembelajaran berbasis AI dan kelompok dua adalah kelas kontrol yang menggunakan metode konvensional. Data diperoleh melalui penyebaran kuesioner dan tes hasil belajar, kemudian dianalisis dengan regresi linier sederhana untuk menguji hubungan antara penerapan AI dan peningkatan hasil belajar siswa. Dari penelitian yang dilakukan memperoleh hasil analisis yang menunjukkan bahwa pembelajaran berbasis AI berpengaruh positif dan signifikan terhadap capaian akademik siswa. Secara keseluruhan, hasil penelitian ini menegaskan bahwa pemanfaatan teknologi AI dalam proses belajar dapat menjadi pendekatan inovatif untuk meningkatkan kualitas pembelajaran dan hasil belajar di lingkungan SMK
RANCANG BANGUN WEB ADMIN LAYANAN TERPADU PMI DENGAN METODE AGILE SCRUM Maharani, Ana; Andriyanto, Sidhiq; Putri, Vivin Mahat
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.20646

Abstract

Palang Merah Indonesia (PMI) berperan penting dalam layanan kemanusiaan, namun sistem administrasi manual sering menimbulkan keterlambatan informasi, pengelolaan data kurang efisien, dan respons darurat yang lambat. Untuk mengatasi hal tersebut, penelitian ini bertujuan mengembangkan sistem web admin layanan terpadu PMI Provinsi Kepulauan Bangka Belitung sebagai solusi digital guna meningkatkan efektivitas pengelolaan data dan koordinasi internal. Metode yang digunakan adalah Agile Scrum melalui tahapan scope, product backlog, design, dan sprint execution. Hasil pengembangan menghasilkan fitur login multilevel, dashboard statistik, manajemen donor dan stok darah, validasi laporan bencana, verifikasi ambulans, serta integrasi panggilan via WhatsApp. Berdasarkan pengujian User Acceptance Test (UAT) dengan responden petugas PMI, sistem memperoleh skor 82,8% dan dinyatakan layak digunakan. Dengan demikian, sistem ini mampu meningkatkan kualitas administrasi, mempercepat validasi layanan, serta memperkuat peran PMI dalam pelayanan kemanusiaan di Provinsi Kepulauan Bangka Belitung.
PENGEMBANGAN ANTARMUKA APLIKASI S2P-MOBILE K3 BERBASIS IONIC FRAMEWORK PADA FITUR LOGIN, PANIC BUTTON, DAN NOTIFIKASI Mushaffa Asadilah, Ikhwan Alfi; Luthfi, Ahmad
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21449

Abstract

Aspek Keselamatan dan Kesehatan Kerja (K3) memegang peran krusial di lingkungan kerja dengan tingkat risiko tinggi, seperti Pembangkit Listrik Tenaga Uap (PLTU). Studi ini menyoroti pengembangan antarmuka pengguna pada aplikasi S2P-Mobile sebagai solusi berbasis digital untuk mengatasi kekurangan sistem K3 tradisional, yang masih bergantung pada pencatatan manual dan proses pelaporan yang lambat. Pengembangan aplikasi ini dilakukan melalui metode Agile Development dengan memanfaatkan Ionic Framework, guna menjamin adaptabilitas dan proses iterasi yang efisien. Tiga fitur pokok yang dibuat meliputi login berbasis CAPTCHA dinamis untuk memperkuat perlindungan akses, panic button dalam format formulir terstruktur yang memungkinkan pelaporan insiden darurat secara cepat dan presisi, serta mekanisme notifikasi yang berkelanjutan untuk memfasilitasi distribusi informasi keselamatan secara waktu nyata. Pengujian fungsional yang dilakukan mengonfirmasi bahwa semua fitur beroperasi sesuai spesifikasi dan dapat dipercaya dalam mendukung komunikasi keselamatan di lapangan. Penelitian ini memperkuat pemahaman bahwa desain antarmuka pengguna yang optimal sangat berpengaruh dalam meningkatkan kinerja sistem pengelolaan K3, sekaligus membuka prospek pengembangan lanjutan melalui penggabungan analitik data serta Internet of Things (IoT) untuk memperkuat pemantauan risiko secara otomatis.
DETEKSI DINI KESEHATAN MENTAL MAHASISWA DENGAN MACHINE LEARNING: PERBANDINGAN ALGORITMA DECISION TREE DAN RANDOM FOREST Jayadi, Jayadi; Cahaya Putra, Vito Hafizh; Raharja, Agung Rachmat; Al-husaini, Muhammad
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21251

Abstract

Kesehatan mental di kalangan mahasiswa merupakan isu yang semakin penting untuk diperhatikan, mengingat tingginya tekanan akademik dan sosial yang dapat memicu stres, kecemasan, hingga depresi. Penelitian ini bertujuan untuk menerapkan dan membandingkan dua algoritma machine learning, yaitu Decision Tree dan Random Forest, dalam mendeteksi potensi depresi pada mahasiswa berdasarkan data yang tersedia. Dataset yang digunakan diperoleh dari Kaggle dan mencakup berbagai variabel psikososial seperti tekanan akademik, stres finansial, dan riwayat pemikiran bunuh diri. Tahapan penelitian meliputi praproses data, pelatihan model, evaluasi performa menggunakan 5-fold cross validation, serta analisis feature importance. Hasil evaluasi menunjukkan bahwa model Decision Tree memiliki rata-rata F1 Score sebesar 0.8217, sementara Random Forest menunjukkan nilai 0.8098. Meskipun Decision Tree unggul secara metrik evaluasi dan efisiensi komputasi, Random Forest lebih stabil dan tahan terhadap overfitting. Kesimpulan dari penelitian ini merekomendasikan penggunaan algoritma Random Forest untuk sistem deteksi dini depresi mahasiswa, dengan tetap mempertimbangkan kelebihan Decision Tree dalam hal interpretasi hasil.Keywords: Kesehatan Mental, Mahasiswa, Machine Learning, Decision Tree, Random Forest, Deteksi Depresi.
DETEKSI PNEUMONIA DARI CITRA X-RAY MENGGUNAKAN CNN DENSENET201 Karyadiputra, Erfan; Setiawan, Agus; Hijriana, Nadiya
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.20940

Abstract

Pneumonia merupakan salah satu penyakit infeksi saluran pernapasan yang dapat berakibat fatal apabila tidak didiagnosis secara dini. Diagnosis biasanya dilakukan melalui interpretasi citra X-ray dada oleh tenaga medis, namun metode ini memiliki keterbatasan dalam hal subjektivitas dan ketersediaan radiolog di beberapa daerah. Penelitian ini bertujuan untuk mengembangkan sistem deteksi pneumonia secara otomatis berbasis deep learning menggunakan arsitektur Convolutional Neural Network (CNN) DenseNet201. Dataset yang digunakan adalah Chest X-Ray Pneumonia dari Kaggle yang terdiri dari dua kelas, yaitu normal dan pneumonia, dengan total 5.863 citra. Proses pelatihan model melibatkan beberapa tahapan preprocessing, termasuk resize gambar menjadi 224×224 piksel, normalisasi intensitas piksel, serta augmentasi data seperti rotasi dan flipping untuk mengurangi overfitting. Model DenseNet201 dilatih selama 20 epoch menggunakan teknik transfer learning dan fine-tuning, serta dievaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87,02%, dengan recall untuk kelas pneumonia sebesar 93%, yang menunjukkan sensitivitas tinggi dalam mendeteksi kasus pneumonia. Model terbaik diimplementasikan dalam aplikasi web berbasis Streamlit yang memungkinkan pengguna mengunggah gambar X-ray dan mendapatkan hasil prediksi secara langsung. Sistem ini diharapkan dapat digunakan sebagai alat bantu diagnosis awal yang cepat, edukatif, dan mudah diakses, terutama di lingkungan dengan keterbatasan tenaga ahli. Keywords: Pneumonia, CNN, DenseNet201, Citra X-ray, Streamlit
PENGEMBANGAN SISTEM PENILAIAN STATUS GIZI BALITA BERBASIS WEB MENGGUNAKAN METODE LMS DAN STANDAR Z-SCORE WHO DENGAN PENDEKATAN OOAD Wasesha, Dian Ambar
Technologia : Jurnal Ilmiah Vol 17, No 1 (2026): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v17i1.21587

Abstract

Abstrak Masalah gizi seperti stunting masih menjadi perhatian serius di Indonesia. Pemantauan pertumbuhan balita yang masih dilakukan secara manual seringkali kurang akurat dan tidak responsif terhadap kebutuhan analisis data secara real-time. Penelitian ini bertujuan mengembangkan sistem penilaian status gizi balita berbasis digital menggunakan metode Lambda-Mu-Sigma (LMS) dan standar Z-score WHO untuk meningkatkan akurasi dan efisiensi pemantauan. Sistem dirancang dengan pendekatan Object-Oriented Analysis and Design (OOAD) untuk memastikan struktur yang modular dan mudah dikembangkan, kemudian diimplementasikan menggunakan framework Laravel. Hasil penelitian menunjukkan bahwa sistem berhasil dikembangkan dengan fungsionalitas lengkap, mulai dari pengelolaan data anak hingga visualisasi grafik pertumbuhan dan rekomendasi kesehatan. Pengujian akurasi menunjukkan bahwa perhitungan Z-score yang dihasilkan sistem selisihnya nol (akurat) jika dibandingkan dengan kalkulator resmi WHO. Dengan demikian, sistem ini terbukti efektif sebagai alat bantu digital yang dapat meningkatkan akurasi pemantauan gizi balita dan mendukung program pencegahan stunting.Keywords: metode LMS, Z-score WHO, stunting, Object-Oriented Analysis and Design (OOAD).

Page 57 of 59 | Total Record : 585

 55   56   57   58   59 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 17, No 1 (2026): Technologia (Januari) Vol 16, No 2 (2025): Technologia (April) Vol 16, No 1 (2025): TECHNOLOGIA (JANUARI) Vol 15, No 4 (2024): Technologia (Oktober) Vol 15, No 3 (2024): Technologia (Juli) Vol 15, No 2 (2024): Technologia (April) Vol 15, No 1 (2024): Technologia (Januari) Vol 14, No 4 (2023): Technologia (Oktober) Vol 14, No 3 (2023): Technologia (Juli) Vol 14, No 2 (2023): Technologia (April) Vol 14, No 1 (2023): Technologia (Januari) Vol 13, No 4 (2022): Technologia (Oktober) Vol 13, No 3 (2022): Technologia (Juli) Vol 13, No 2 (2022): Technologia (April) Vol 13, No 1 (2022): Technologia (Januari) Vol 12, No 4 (2021): Technologia (Oktober) Vol 12, No 3 (2021): Technologia (Juli) Vol 12, No 2 (2021): Technologia (April) Vol 12, No 1 (2021): Technologia (Januari) Vol 11, No 4 (2020): Technologia (Oktober) Vol 11, No 3 (2020): Technologia (Juli) Vol 11, No 2 (2020): Technologia (April) Vol 11, No 1 (2020): Technologia (Januari) Vol 10, No 4 (2019): TECHNOLOGIA(OKTOBER) Vol 10, No 4 (2019): TECHNOLOGIA (OKTOBER) Vol 10, No 3 (2019): TECHNOLOGIA (JULI) Vol 10, No 2 (2019): TECHNOLOGIA (APRIL) Vol 10, No 1 (2019): TECHNOLOGIA (JANUARI) Vol 9, No 4 (2018): TECHNOLOGIA Vol 9, No 3 (2018): TECHNOLOGIA Vol 9, No 2 (2018): TECHNOLOGIA Vol 9, No 1 (2018): TECHNOLOGIA Vol 8, No 4 (2017): TECHNOLOGIA Vol 8, No 3 (2017): TECHNOLOGIA Vol 8, No 2 (2017): TECHNOLOGIA Vol 8, No 1 (2017): TECHNOLOGIA Vol 7, No 4 (2016): TECHNOLOGIA Vol 7, No 3 (2016): TECHNOLOGIA Vol 7, No 2 (2016): TECHNOLOGIA Vol 7, No 1 (2016): TECHNOLOGIA More Issue