cover
Contact Name
Raymond Sutjiadi, S.T., M.Kom
Contact Email
p3m@ikado.ac.id
Phone
+62317346375
Journal Mail Official
p3m@ikado.ac.id
Editorial Address
Pattimura No. 3 Kelurahan Sonokwijenan Kecamatan Sukomanunggal Kota Surabaya 60189
Location
Kota surabaya,
Jawa timur
INDONESIA
Teknika
ISSN : 25498037     EISSN : 25498045     DOI : https://doi.org/10.34148/teknika
Teknika is a peer-reviewed journal dedicated to disseminate research articles in Information and Communication Technology (ICT) area. Researchers, lecturers, students, or practitioners are welcomed to submit paper which has topic below: Computer Networks Computer Security Artificial Intelligence Machine Learning Human Computer Interaction Computer Vision Virtual/Augmented Reality Digital Image Processing Data Mining Web Mining Computer Architecture Software Engineering Decision Support System Information System Audit Business Information System Datawarehouse & OLAP And any other topics relevant with Information and Communication Technology (ICT) area
Articles 276 Documents
Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM) Hendry Cipta Husada; Adi Suryaputra Paramita
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.311

Abstract

Perkembangan teknologi saat ini telah memberikan kemudahan bagi banyak orang dalam mendapatkan dan menyebarkan informasi di berbagai social media platform. Twitter merupakan salah satu media yang kerap digunakan untuk menyampaikan opini sebagai bentuk reaksi seseorang atas suatu hal. Opini yang terdapat di Twitter dapat digunakan perusahaan maskapai penerbangan sebagai parameter kunci untuk mengetahui tingkat kepuasan publik sekaligus bahan evaluasi bagi perusahaan. Berdasarkan hal tersebut, diperlukan sebuah metode yang dapat secara otomatis melakukan klasifikasi opini ke dalam kategori positif, negatif, atau netral melalui proses analisis sentimen. Proses analisis sentimen dilakukan dengan proses data preprocessing, pembobotan kata menggunakan metode TF-IDF, penerapan algoritma, dan pembahasan atas hasil klasifikasi. Klasifikasi opini dilakukan dengan machine learning approach memanfaatkan algoritma multi-class Support Vector Machine (SVM). Data yang digunakan dalam penelitian ini adalah opini dalam bahasa Inggris dari para pengguna Twitter terhadap maskapai penerbangan. Berdasarkan pengujian yang telah dilakukan, hasil klasifikasi terbaik diperoleh menggunakan SVM kernel RBF pada nilai parameter 𝐶(complexity) = 10 dan 𝛾(gamma) = 1, dengan nilai accuracy sebesar 84,37% dan 80,41% ketika menggunakan 10-fold cross validation.
Rancang Bangun Sistem Informasi Pembuatan Peraturan Perusahaan (3P) Pada Dinas Tenaga Kerja Kota Samarinda Dengan Metode Rapid Application Development Sri Rahayu Natasia; Brianto Rovi Harjanto; Ariyadi
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.321

Abstract

Dinas Tenaga Kerja (DISNAKER) Kota Samarinda merupakan salah satu Organisasi Perangkat Daerah (OPD) yang bertugas untuk melayani masyarakat pada bidangnya. Salah satu layanan di DISNAKER yaitu pembuatan peraturan perusahaan, dimana proses pembuatannya masih secara manual. Diawali perusahaan membawa berkas-berkas yang diperlukan ke DISNAKER, kemudian perusahaan menunggu sekitar 3-4 hari atau bahkan lebih yang dikarenakan tertumpuknya berkas-berkas. Jika dikabarkan kekurangan berkas atau revisi, maka perusahaan tersebut perlu melengkapi atau merevisi dan memberikan kembali ke DISNAKER. Hal ini tentunya membutuhkan waktu yang lama dalam proses pembuatan peraturan perusahaan. Oleh karena itu, dilakukan penelitian untuk merancang dan membangun Sistem Informasi Pembuatan Peraturan Perusahaan (3P) berbasis website dengan menggunakan metode Rapid Application Development (RAD). Metode RAD memiliki 4 fase dalam pembangunan sistem yaitu, fase perencanaan syarat-syarat, fase desain pengguna, fase konstruksi, dan fase pelaksana. Sistem yang telah dibuat berhasil membuat surat keputusan sesuai dengan perusahaan yang mengajukan, dimana surat keputusan merupakan surat yang menyatakan peraturan perusahaan tersebut telah disetujui. Dengan demikian sistem ini diharapkan dapat membantu perusahaan dalam pembuatan peraturan perusahaan tanpa datang ke DISNAKER dan mengurangi biaya mencetak berkas serta dapat membantu DISNAKER mempercepat pembuatan peraturan perusahaan.
Eksperimentasi Pembelajaran Daring Dengan Video Conference Pada Program Studi Teknik Informatika di Masa Pandemi Siti Aminah; Nira Radita; Sugeng Widodo
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.323

Abstract

Masa pandemi Covid-19 menyebabkan perubahan strategi pembelajaran dari offline menjadi online. Pembelajaran online ini bukan merupakan hal baru, namun pembelajaran online pada masa pandemi sangat berbeda karena pembelajaran harus dilakukan full daring selama 1 semester. Tujuan dari penelitian ini adalah untuk mengetahui pengaruh penerapan video conference dalam pembelajaran sinkronus yang dilakukan secara online. Penelitian ini merupakan penelitian eksperimentasi dengan populasi mahasiswa Teknik Informatika STIKI, dengan pengambilan sampel secara random pada mahasiswa yang menempuh mata kuliah bersama dan mata kuliah keahlian. Analisis data yang digunakan adalah Uji Mann Whitney. Hasil dari penelitian ini adalah tidak ada perbedaan hasil belajar yang diukur dari nilai posttest mahasiswa antara pembelajaran daring dengan menggunakan video conference dan LMS Moodle yang dikembangkan di STIKI tanpa menggunakan video conference pada mata kuliah bersama. Sedangkan pada mata kuliah keahlian ada perbedaan hasil belajar yang diukur dari nilai posttest mahasiswa antara kegiatan perkuliahan daring dengan menggunakan video conference dan kegiatan daring dengan Moodle saja tanpa menggunakan video conference. Pembelajaran melalui video conference tidak selalu berpengaruh pada hasil belajar, namun ada beberapa faktor lain yang mempengaruhi, seperti tingkat kesulitan materi dan ketertarikan mahasiswa untuk mempelajari materi.
Audit Sistem Pendataan Keluarga Menggunakan Pendekatan Framework COBIT 5 Pada Domain DSS (Studi Kasus: BKKBN Propinsi Jawa Barat) Angga Maulana Nurhuda; Ervan Philipus; Ivan Gunawan
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.324

Abstract

Peran sistem pendataan keluarga dalam rangka mendukung pencapaian program BANGGAKENCANA pada BKKBN Propinsi Jawa Barat adalah untuk menyediakan data dasar sebagai perencanaan strategis, peta kerja, maupun pemetaan mekanisme operasional menjadi krusial untuk menopang keberhasilan program. Untuk memastikan delivery produk, layanan, dan dukungan yang dihasilkan perlu dilakukan evaluasi sehingga dapat menghasilkan tata kelola sistem pendataan keluarga yang lebih optimal. Penelitian ini bertujuan untuk memperoleh ukuran capability level proses TI saat ini kemudian dibandingkan dengan yang diharapkan sehingga dapat diperoleh kesenjangan guna penyusunan rekomendasi yang dapat diimplementasikan pada Siklus Sistem Pendataan Keluarga Tahun 2021 dengan menggunakan kerangka kerja COBIT 5. Data yang diperoleh bersumber dari responden yang berwenang dan kompeten berdasarkan pemetaan diagram RACI pada COBIT 5. Dari hasil penelitian, diketahui bahwa dari 6 proses terpilih pada domain DSS terdapat 4 proses yang mencapai level 1 (performed) dan 2 proses yang berhasil mencapai level 2 (managed process). Tingkat kemampuan manajemen TI yang diharapkan berada pada level 3 sehingga GAP muncul di semua domain yang bermakna saat ini organisasi belum sepenuhnya mengimplementasikan proses yang ditetapkan untuk mencapai tujuan proses. Dari seluruh rangkaian penelitian tersebut dapat disimpulkan bahwa diperoleh nilai level kapabilitas sebesar 1,33 dan terdapat GAP sebesar 1,67 untuk mencapai level yang diharapkan. Dalam penelitian ini disampaikan rekomendasi untuk meningkatkan kapabilitas proses sehingga BKKBN Propinsi Jawa Barat dapat mencapai tingkat kapabilitas yang diharapkan.
Prediction of Covid-19 Daily Case in Indonesia Using Long Short Term Memory Method Faisal Dharma Adhinata; Diovianto Putra Rakhmadani
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.328

Abstract

The impact of this pandemic affects various sectors in Indonesia, especially in the economic sector, due to the large-scale social restrictions policy to suppress this case's growth. The details of the growth of Covid-19 in Indonesia are still fluctuating and cannot be fully understood. Recently it has been developed by researchers related to the prediction of Covid-19 cases in various countries. One of them is using a machine learning technique approach to predict cases of daily increase Covid-19. However, the use of machine learning techniques results in the MSE error value in the thousands. This high number indicates that the prediction data using the model is still a high error rate compared to the actual data. In this study, we propose a deep learning approach using the Long Short Term Memory (LSTM) method to build a prediction model for the daily increase cases of Covid-19. This study's LSTM model architecture uses the LSTM layer, Dropout layer, Dense, and Linear Activation Function. Based on various hyperparameter experiments, using the number of neurons 10, batch size 32, and epochs 50, the MSE values were 0.0308, RMSE 0.1758, and MAE 0.13. These results prove that the deep learning approach produces a smaller error value than machine learning techniques, even closer to zero.
Rancang Bangun Sistem Klinik Fisioterapi (Studi Kasus: VISIC Surabaya) Devi Dwi Purwanto; Jimmy Tegarianto
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.329

Abstract

VISIC Surabaya merupakan klinik fisioterapis yang berfokus menangani pasien cedera pasca olahraga. Di era persaingan bisnis yang mengandalkan perkembangan teknologi, saat ini VISIC memiliki kendala dalam menyediakan pelayanan yang cepat dan tepat, dimana pelayanan masih menggunakan sistem manual yakni dengan dicatat dalam buku tulis. Oleh karena itu untuk memberikan pelayanan yang lebih baik maka diperlukan suatu sistem informasi untuk membantu baik pendaftaran, pencatatan hingga pelaporan seluruh transaksi yang ada di VISIC Surabaya. Aplikasi klinik VISIC Surabaya merupakan suatu aplikasi berbasis website menggunakan framework Codeigniter yang ditujukan untuk membantu pasien sehingga dapat melakukan pendaftaran secara online, melihat history pemeriksaan, dan mengubah jadwal kedatangan. Untuk fisioterapis, aplikasi ini bertujuan untuk membantu memberikan kemudahan dalam memberikan jadwal praktek ke pasien, pencatatan rekam medis, dan kemudahan dalam pencatatan pemeriksaan pasien dengan gambar menggunakan HTML 5 Canvas. Sedangkan untuk petugas, aplikasi ini bertujuan untuk memudahkan pencatatan barang, melihat kedatangan pasien, melakukan check in kedatangan, mencetak invoice hingga pelaporan. Hasil pengujian menggunakan metode Blackbox menunjukkan bahwa aplikasi ini dapat berjalan dengan baik pada browser umum seperti Chrome, Mozilla, dan lain lain. Berdasarkan hasil pengujian melalui kuesioner didapatkan hasil 80% aplikasi VISIC mampu menangani masalah dan memberikan pelayanan yang cepat dengan memberikan fitur reservasi online serta 73,3% menghasilkan informasi yang akurat dalam hal titik terapi yang dilakukan oleh fisioterapis.
Analisis Technology Readiness and Acceptance Model (TRAM) Pada Penggunaan Sport Wearable Technology Heru Wijayanto Aripradono
Teknika Vol 10 No 1 (2021): Maret 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i1.330

Abstract

Pertumbuhan teknologi informasi tidak dapat dihindari terutama dalam mempengaruhi kehidupan sosial manusia saat ini. Inovasi yang dikembangkan secara tidak langsung memberikan dampak positif bagi kehidupan manusia saat ini. Wearable technology adalah salah satu teknologi yang tidak hanya memberikan banyak manfaat bagi kehidupan manusia, namun sangat membantu dalam menunjang aktivitas olahraga dan kesehatan. Wearable technology merupakan suatu teknologi komputer yang terhubung dengan koneksi internet, memiliki bentuk berupa aksesoris manusia sehari-hari yang dapat dikenakan pada tubuh mereka untuk memudahkannya dalam menerima notifikasi yang sudah terhubung dengan perangkat pintar lainnya. Pada penelitian ini akan melakukan identifkasi beberapa faktor yang mempengaruhi sudut pandang pengguna pada sports wearable technology serta untuk menginvestigasi penyebab pengadopsian konsumen pada teknologi tersebut berdasarkan teori Technology Readiness and Acceptance Model (TRAM). Penelitian ini menggunakan pendekatan kuantitatif dan variabel yang akan digunakan dalam penelitian ini adalah Positive Technology Readiness, Negative Readiness, Perceived Usefulness, Perceived Ease of Use, dan Intention to Use yang merupakan teori gabungan antara Technology Readiness and Acceptance Model (TRAM) untuk menjelaskan fenomena para pengguna terhadap penggunaan sports wearable sebagai fitness tracker mereka. Penelitian menggunakan komponen berbasis SEM dan kemudian dilakukan analisis menggunakan Partial Least Square. Penelitian ini menemukan bahwa pengguna memiliki penilaian positif (positive technology readiness) yang tinggi pada sports wearable technology melalui faktor Perceived Ease of Use (PEOU) dibandingkan dengan nilai Perceived Usefulness (PU) dalam wearable technology tersebut.
Analisis Perbandingan Algoritma Klasifikasi Citra Chest X-ray Untuk Deteksi Covid-19 Mohammad Farid Naufal; Selvia Ferdiana Kusuma; Kevin Christian Tanus; Raynaldy Valentino Sukiwun; Joseph Kristiano; Jeremy Owen Lieyanto; Daniel Cristianindra R.
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.331

Abstract

Kondisi pandemi global Covid-19 yang muncul diakhir tahun 2019 telah menjadi permasalahan utama seluruh negara di dunia. Covid-19 merupakan virus yang menyerang organ paru-paru dan dapat mengakibatkan kematian. Pasien Covid-19 banyak yang telah dirawat di rumah sakit sehingga terdapat data citra chest X-ray paru-paru pasien yang terjangkit Covid-19. Saat ini sudah banyak peneltian yang melakukan klasifikasi citra chest X-ray menggunakan Convolutional Neural Network (CNN) untuk membedakan paru-paru sehat, terinfeksi covid-19, dan penyakit paru-paru lainnya, namun belum ada penelitian yang mencoba membandingkan performa algoritma CNN dan machine learning klasik seperti Support Vector Machine (SVM), dan K-Nearest Neighbor (KNN) untuk mengetahui gap performa dan waktu eksekusi yang dibutuhkan. Penelitian ini bertujuan untuk membandingkan performa dan waktu eksekusi algoritma klasifikasi K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan CNN untuk mendeteksi Covid-19 berdasarkan citra chest X-Ray. Berdasarkan hasil pengujian menggunakan 5 Cross Validation, CNN merupakan algoritma yang memiliki rata-rata performa terbaik yaitu akurasi 0,9591, precision 0,9592, recall 0,9591, dan F1 Score 0,959 dengan waktu eksekusi rata-rata sebesar 3102,562 detik.
Analitika Data Dalam Pengelolaan Keuangan Negara: Use Case Data Dasar Dana Alokasi Umum Beta Andri Anggiano Uliansyah; Agung Darono; Febrian
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.344

Abstract

Analitika data keuangan negara merupakan sekumpulan kerangka konsepsual yang digunakan untuk mengidentifikasi, mengekstraksi, dan mendapatkan pola atau anomali tertentu dari berbagai data keuangan negara untuk selanjutnya dapat disajikan dalam bentuk wawasan (insights), visualisasi ataupun model yang diharapkan dapat membantu pengambilan keputusan yang berkaitan dengan berbagai fungsi dan bidang pengelolaan keuangan negara. Penelitian ini dengan menggunakan rancangan penelitian deskriptif kualitatif menjelaskan bagaimana analitika data keuangan negara dapat dilaksanakan dengan menggunakan use case data dasar Dana Alokasi Umum (DAU) yang telah tersedia dan dapat diakses secara bebas oleh publik melalui situs web Kementerian Keuangan. Kajian ini menggunakan kombinasi beberapa paket perangkat lunak dan teknik analisis data untuk menyajikan berbagai insights yang dapat disajikan dari data yang telah tersedia tersebut. Penelitian ini dengan use case yang ada menemukan bahwa data keuangan negara telah disajikan dengan struktur data standar relatif memudahkan para pihak yang ingin menggunakan data tersebut untuk berbagai kepentingan. Rekomendasi kebijakan yang diajukan berdasarkan hasil kajian ini adalah: (1) data yang disediakan dapat mencakup seluruh data yang berkaitan dengan pengelolaan keuangan negara; (2) data disediakan dalam struktur standar sehingga memudahkan pengguna yang membutuhkan data tersebut. Untuk cakupan organisasi pemerintahan dalam skala yang lebih besar, penelitian ini merekomendasikan agar setiap instansi pemerintah dapat menyediakan data operasionalnya dengan struktur data yang mudah untuk diolah kembali sehingga memungkinkan data tersebut digunakan untuk kepentingan publik yang lebih luas.
Rancang Bangun Aplikasi Sistem Pakar Berbasis Android Untuk Mendeteksi Kerusakan Motor Vespa Matic Saddam Husein Dio Darmawan; Rinabi Tanamal
Teknika Vol 10 No 2 (2021): Juli 2021
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v10i2.346

Abstract

Vespa Piaggio adalah salah satu motor yang sangat diminati oleh semua kalangan, salah satunya kalangan muda. Kendala pada Vespa ini berfokus hanya pada penjualan unit baru, sedangkan bengkel service Vespa ini tidak banyak tersedia. Dikarenakan sulitnya mencari bengkel service, pengguna motor Vespa matic akan kesulitan dan mungkin mengabaikan perawatan motor ini. Untuk mengantisipasi hal ini dibuatlah sistem pakar identifikasi kerusakan motor Vespa matic berbasis Android yang akan membantu para pengguna motor Vespa matic untuk mengatasi hal tersebut. Aplikasi sistem pakar ini dibuat berdasarkan fakta dan aturan yang bersumber dari hasil wawancara dan observasi penulis kepada pakar ahli. Lalu diimplementasikan ke dalam metode forward chaining yang dimodifikasi agar keputusan yang diambil sesuai dan tepat. Expert system ini mengaplikasikan McGoo dan Thunkable sebagai pembuat aplikasi sistem pakar. Hasil dari penelitian ini adalah aplikasi Android untuk mendeteksi kerusakan Vespa matic yang dapat menjadi pedoman penggantian part secara tepat sehingga tidak memerlukan banyak biaya dan waktu. Dari tingkat kepuasan pengguna terhadap aplikasi adalah sebagai berikut: aplikasi mudah digunakan memiliki nilai 90,6%, hasil solusi kerusakan aplikasi dapat dipahami mempunyai nilai 97,3%, diagnosis yang disampaikan aplikasi sesuai dengan hasil kerusakan Vespa matic memiliki nilai 90,6%, tampilan dan tombol-tombol pada aplikasi memberikan respon yang sesuai dan akurat memiliki nilai 84%, aplikasi benar-benar dapat mendeteksi kerusakan Vespa matic memiliki nilai 90,6%.