cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
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
Published by Institut Informatika Indonesia Surabaya
ISSN : 25498037     EISSN : 25498045     DOI : https://doi.org/10.34148/teknika
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering Engineering
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
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 276 Documents
 18   19   20   21   22 
Sistem Rekomendasi Prioritas Bantuan Industri Kecil dan Menengah (IKM) Dengan Metode AHP dan MOORA Moh. Saiful Rohman; Anik Vega Vitianingsih; Anastasia Lidya Maukar; Slamet Kacung; Pamudi
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.681

Abstract

Bantuan modal diperlukan untuk meningkatkan produktivitas dan mendukung pertumbuhan industri kecil dan menengah (IKM). Dinas Perindustrian dan Tenaga Kerja Kabupaten Bangkalan seringkali mengalami kesulitan untuk merekomendasikan dan memprioritaskan penerima bantuan dari IKM agro dan non-agro sesuai dengan kriteria yang telah ditetapkan. Permasalahan tersebut mengakibatkan terjadinya penyaluran bantuan modal yang tidak efisien. Sistem rekomendasi untuk penentuan prioritas bantuan IKM dengan menggunakan metode AHP dan MOORA. Metode AHP digunakan untuk mengatribusikan nilai bobot pada kriteria yang berbeda, sedangkan metode MOORA dimanfaatkan untuk melakukan peringkat pada setiap opsi yang ada. Parameter kriteria yang digunakan adalah jumlah produksi, tenaga kerja, omzet dan surat ijin usaha. Pengujian validasi metode MOORA mendapatkan nilai precision 86%, recall 90%, accuracy 80% dan F1-score 88% yang menunjukkan metode MOORA mampu menghasilkan rekomendasi alternatif yang terbaik. Manfaat hasil penelitian ini dapat membantu penyalur untuk merekomendasikan dan memprioritaskan penerima bantuan modal IKM sesuai dengan kriteria.
Detection of Motorcycle Headlights Using YOLOv5 and HSV Vessa Rizky Oktavia; Ahmad Wali Satria Bahari Johan; Whisnumurty Galih Ananta; Fahril Refiandi; Muhammad Khuluqil Karim
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.682

Abstract

"Electronic Traffic Law Enforcement" (ETLE) denotes a mechanism that employs electronic technologies to implement traffic regulations. This commonly entails utilizing a range of electronic apparatuses like cameras, sensors, and automated setups to oversee and uphold traffic protocols, administer fines, and enhance road security. ETLE systems are frequently utilized for identifying and sanctioning infractions like exceeding speed limits, disregarding red lights, and turning off the headlights. In Indonesia, there is currently no dedicated system designed to detect traffic violation, especially regarding vehicle headlights. Therefore, this research was conducted to detect vehicle headlights using digital images. With the results of this study, it will be possible to develop a system capable of classifying whether vehicle headlights are on or off. This research employed the deep learning method in the form of the YOLOv5 model, which achieved an accuracy of 94.12% in detecting vehicle images. Furthermore, the white color extraction method was performed by projecting the RGB space to HSV to detect the Region of Interest (ROI) of the vehicle headlights, achieving an accuracy of 73.76%. The results of this vehicle headlight detection are influenced by factors such as lighting, image capture angle, and vehicle type.
Implementasi Metode Naive Bayes dan Information Gain Untuk Klasifikasi Penyakit dan Hama Tanaman Jagung Eza Rahmanita; Yudha Dwi Putra Negara; Yeni Kustiyahningsih; Verdi Sasmeka; Bain Khusnul Khotimah
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.684

Abstract

Jagung (Zea mays ssp. mays) adalah tanaman pangan ketiga terbesar setelah gandum dan beras, dan di Indonesia menempati posisi kedua setelah padi. Jagung dapat ditanam di daerah dengan suhu tinggi dan rendah serta curah hujan dan irigasi yang cukup. Namun jagung sangat rentan terhadap penyakit selama siklus hidupnya, yang dapat menurunkan kualitas dan kuantitasnya. Di Sumenep, Jagung dapat dikatakan sebagai bahan pangan pokok untuk sebagian masyarakat pedesaan atau pelosok. Penyebab terjadinya serangan pada tanaman jagung adalah ketidaktahuan petani dalam pencegahan dan penanganannya sehingga menyebabkan produksi jagung mengalami penurunan. Dinas pertanian kabupaten Sumenep juga belum mempunyai sistem untuk klasifikasi hama dan penyakit jagung. Tujuan penelitian ini adalah klasifikasi penyakit dan hama tanaman jagung menggunakan metode naive bayes dengan information gain. Naive Bayes digunakan untuk mengolah nilai-nilai probabilitas setiap gejala, dan nilai persentase dari setiap hama dan penyakit. Information Gain untuk menyeleksi bobot gejala yang paling berpengaruh dalam menentukan hama dan penyakit jagung. Hasil uji coba, akurasi naive bayes dengan information gain dapat meningkatkan akurasi rata-rata sebesar 3,17 % dibanding klasifikasi tanpa seleksi fitur. Akurasi terbaik diperoleh dengan metode information gain dan naive bayes sebanyak 15 fitur dari 47 fitur dengan akurasi sebesar 98,47 %. Penelitian ini merekomendasikan 15 fitur, dengan 3 fitur terbesar adalah tidak berbuah, daun berklorosis sebagian atau seluruh daun dan adanya bekas gigitan pada batang.
Penerapan Metode Certainty Factor pada Sistem Pakar Diagnosis Penyakit Difteri Berbasis Web Asri Mulyani; Dede Kurniadi; Sri Intan Multajam
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.686

Abstract

Difteri adalah penyakit menular dan mematikan, penyakit ini dilaporkan oleh Dinas Kesehatan Jawa Barat kembali merebak akibat penanganan yang lambat. Jauhnya fasilitas layanan kesehatan dan keterbatasan jumlah dokter menjadi permasalahan. Tujuan dari penelitian ini adalah merancang dan membangun sistem pakar yang mampu melakukan diagnosis awal penyakit difteri melalui penerapan metode certainty factor. Aplikasi ini dirancang dalam bentuk web dengan mengikuti proses pengembangan aplikasi ESDLC (Expert System Development Life Cycle). Hasil dari penelitian ini adalah sebuah aplikasi sistem pakar berbasis web untuk mendiagnosis penyakit difteri dengan basis pengetahuan terdiri dari 12 gejala penyakit. Sistem pakar diagnosis penyakit difteri ini telah melalui proses uji coba menggunakan metode blackbox testing, hasilnya menunjukkan semua fitur dalam aplikasi yang sudah dibuat dapat beroperasi dengan baik. Selain itu, tingkat akurasi dari sistem pakar ini sebesar 90% berdasarkan akurasi yang telah dilakukan terhadap 10 data uji. Hasil tersebut menunjukkan bahwa diagnosis yang dihasilkan dari sistem pakar mempunyai hasil yang sejalan dengan diagnosis pakar.
Penerapan Metode F-AHP dan F-TOPSIS Dalam Proses Seleksi Karyawan Untuk Bidang Teknologi Informasi Murnawan; Sri Lestari; Rosalin Samihardjo
Teknika Vol 13 No 1 (2024): Maret 2024
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.v13i1.688

Abstract

Penelitian ini mengeksplorasi proses seleksi karyawan di departemen Teknologi Informasi (TI) sebuah perusahaan tekstil di Bandung, Indonesia. Fokusnya adalah pada pengambilan keputusan berbasis kelompok menggunakan metode multi criteria decision making (MCDM) dengan pendekatan fuzzy. Tantangan dalam mengevaluasi calon karyawan diatasi melalui integrasi metode Fuzzy Analytical Hierarchy Process (F-AHP) dan Fuzzy Technique for Order of Preference by Similarity to Ideal Solution (F-TOPSIS). Tiga pengambil keputusan dilibatkan dalam menentukan kriteria dan sub-kriteria melalui wawancara dan kuesioner. Kriteria utama terdiri dari kualifikasi umum (KU), kualifikasi individu (KI), dan kualifikasi teknis (KT), dengan 20 sub-kriteria yang mendukung. F-AHP digunakan untuk menetapkan bobot, kemudian F-TOPSIS digunakan untuk merangking lima calon karyawan potensial (CD1 hingga CD5). Hasil penilaian menunjukkan bahwa CD3 merupakan pilihan terbaik dengan kinerja tertinggi dalam KT, KU, dan KI. CD1 dan CD2 memiliki keunggulan masing-masing, sedangkan CD4 dan CD5 menunjukkan kelemahan. Rekomendasi untuk merekrut CD3 disertai dengan CD1 dan CD2 sebagai opsi wawancara tambahan. Kontribusi utama penelitian ini adalah penerapan metode F-AHP dan F-TOPSIS, memberikan pendekatan sistematis dan obyektif dalam seleksi karyawan. Penelitian ini tidak hanya memberikan landasan kuat untuk pengambilan keputusan rekrutmen, tetapi juga solusi praktis untuk memilih karyawan sesuai dengan kebutuhan perusahaan, meningkatkan efektivitas dan efisiensi proses seleksi di era bisnis yang terus berkembang.
Factors That Influence Repurchase Intention: A Systematic Literature Review Muhammad Amfahtori Wijarnoko; Edwin Pramana; Joan Santoso
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.693

Abstract

This research is a systematic literature review of factors that influence repurchase intention. Repurchase intention is important for companies because it will shape customer behavior to become loyal, customers usually tend to have an interest in buying products or services repeatedly so that the company will benefit from products or services that have been sold. The aim of this research is to provide insights into the research trends and issues in the studies of Repurchase Intention. The literature search focused on finding journals published between 2018 and 2023. Only English-language journals with the keyword Repurchase Intention were used in this research. Researchers found 80 journals that matched these keywords but after reading the collected articles thoroughly and removing duplicate and irrelevant articles, the authors produced 50 articles to be used in this research. The findings highlight key drivers for increasing sales: Satisfaction, Trust, Perceived Value, Price, and Word of Mouth. Additionally, 14 moderating factors were identified, with Age being the most prominent in four articles. Korea, India, and Indonesia lead research contributions, each with six articles. Structural Equation Modeling (SEM) is the prevailing measurement method, while other approaches persist. Companies are recommended to prioritize these core factors for consumer engagement. Future research should delve into unexplored moderating factors and alternative measurement methods, enriching our understanding of this vital field.
Optimasi Kombinasi Menu Makanan Diet Zone Menggunakan Algoritma Genetika Gusti Eka Yuliastuti; Muchamad Kurniawan; Fernanda Putra Aditya
Teknika Vol 13 No 1 (2024): Maret 2024
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.v13i1.697

Abstract

Diet merupakan sebuah metode untuk mengatur asupan makanan dan minuman yang masuk ke dalam tubuh guna untuk mencapai tujuan tertentu. Seiring dengan berkembangnya ilmu pengetahuan, metode untuk melakukan diet menjadi semakin bermacam-macam, salah satunya yakni Diet Zone. Diet Zone adalah sebuah metode diet yang ditemukan oleh Dr. Barry Sears dengan menerapkan rasio dari makanan yang dikonsumsi, yaitu 40% karbohidrat, 30% protein, dan 30% lemak untuk mencapai berat badan yang ideal dan sehat. Permasalahan yang sering terjadi saat menjalani diet yakni menentukan keutuhan gizi yang terkandung dalam menu makan sehari-hari. Penelitian ini bertujuan untuk mengatur kombinasi menu makan merujuk pada metode Diet Zone oleh Dr. Barry Sears. Penulis membuat sistem untuk mengoptimasi kombinasi menu makan dengan mempertimbangkan empat kandungan gizi selama tujuh hari. Adapun keempat kandungan gizi tersebut adalah karbohidrat, protein, lemak dan serat. Pada setiap kandungan gizi terdapat aturan batas maksimal atau threshold yang tidak boleh dilanggar, jika dilanggar maka akan dihitung sebagai constraint dan dapat mengurangi nilai saat akumulasi perhitungan nilai fitness. Penulis melakukan pengujian terhadap parameter Algoritma Genetika menghasilkan solusi terbaik dengan nilai fitness rata-rata sebesar 15,54 dimana ukuran populasi sebesar 70 dan generasi sejumlah 800. Salah satu contoh hasil kombinasi menu makannya yakni nasi jagung, usus ayam goreng dan chicken teriyaki.
Klasifikasi Sentimen Opini Publik Pada Instagram Pemerintah Kabupaten Bojonegoro Menggunakan LSTM Titis Arwindarti; Esther Irawati Setiawan; Syaiful Imron
Teknika Vol 13 No 1 (2024): Maret 2024
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.v13i1.699

Abstract

Media sosial banyak membantu masyarakat dalam mendapatkan informasi terbaru terkait peristiwa atau kejadian dilingkungan sekitar maupun lebih luas. Masyarakat dapat menyampaikan pendapat mereka melalui tulisan dan dapat mengekspresikannya melalui fitur emoticon pada platform media sosial. Pemerintah Kabupaten Bojonegoro menggunakan platform Instagram sebagai salah satu sarana dalam menyampaikan informasi kepada masyarakat. Selaku pembuat kebijakan pelayanan publik membutuhkan feedback dari masyarakat agar kebijakan yang dibuat bisa tepat sasaran dan bermanfaat bagi masyarakat. Sentimen opini publik merupakan aspek penting dalam memahami respon masyarakat terhadap layanan masyarakat, program dan kebijakan yang dibuat. Peneliti mengumpulkan dan mengolah data yang diperoleh dari proses scrapping akun resmi Instagram Pemerintah Kabupaten Bojonegoro sebanyak 4.637 dataset yang selanjutnya dilakukan pelabelan data. Penelitian ini menggunakan word embbeding Word2Vec untuk mengubah teks menjadi representasi vektor dan Long Short-Term Memory (LSTM) untuk melakukan klasifikasi. Dengan menggunakan confusion matrix menunjukkan bahwa model LSTM yang dibuat hasilnya mencapai akurasi 84,16%. Hasil analisa tersebut dapat memberikan kontribusi positif dan dapat menjadi bahan pertimbangan Pemerintah Kabupaten Bojonegoro dalam upaya meningkatkan layanan masyarakat, program dan kebijakan yang dibuat.
Perbandingan Algoritma Convolutional Neural Netwok dan Capsule Network Dalam Klasifikasi Jenis Rumah Adat Yosefina Finsensia Riti; Yulia Wahyuningsih; Josephine Roosandriantini; Paulus William Siswanto
Teknika Vol 12 No 3 (2023): November 2023
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.v12i3.702

Abstract

Warisan budaya merupakan salah satu bagian yang penting dalam budaya Indonesia dan perlu dilestarikan keberadaanya, salah satu warisan budaya yang perlu dilestarikan yaitu Rumah adat. Informasi terkait rumah adat juga cenderung dicari oleh masyarakat untuk kepentingan pendidikan dalam dunia pengenalan budaya, arsitektur, maupun dalam bidang pariwisata. Hingga saat ini masih banyak daerah di Indonesia yang masih memiliki rumah adatnya dengan tujuan untuk mempertahankan nilai budaya, sebagai tempat pertemuan acara adat, maupun sebagai objek wisata. Salah satunya adalah Provinsi Nusa Tenggara Timur (NTT) yang memiliki beragam rumah adat seperti Sao Ngada (Suku Bajawa), Sao Ria (Suku Ende), Ume Kbubu (Suku Timor), Sao Ata Mosa Lakitana (Sumba), dan Mbaru Niang (Suku Wae Rebo). Keanekagaraman bentuk, kemiripan material penyusun, dan kemiripan bangunan dapat membuat sebagian masyarakat awam kesulitan dalam membedakan jenis atau nama antara rumah adat yang satu dengan rumah adat yang lain. Oleh karena itu diperlukan teknologi digital yang dapat mengindentifikasi dan mengklasifikasikan rumah adat, sehingga dapat membantu wisatawan, maupun masyarakat umum yang mempelajari seputar rumah adat dalam membedakan jenis rumah adat tertentu. Dalam Penelitian ini model deep learning diterapkan untuk identifikasi dan klasifikasi rumah adat, dengan menggunakan algoritma Convolutional Neural Network (CNN) dan Capsule Networks (CapsNet). Penelitian ini bertujuan membandingkan algoritma deep learning, CNN menggunakan arsitektur Resnet50V2 dan CapsNet, dimana dataset yang digunakan terdiri dari 500 data rumah adat di NTT. Hasil penelitian menunjukkan bahwa CNN memiliki nilai akurasi sekitar 98% dengan nilai loss sekitar 0,72, sedangkan CapsNet memiliki nilai akurasi sekitar 72% dengan nilai loss sekitar 1,73%. Berdasarkan hasil klasifikasi tersebut dalam kasus ini, disimpulkan bahwa CNN lebih baik dalam mengklasifikasikan objek rumah adat dibandingkan dengan CapsNet. Oleh karena itu untuk pekerjaan lebih lanjut dapat dilakukan perbaikan parameter tuning untuk algoritma CapsNet dan juga dapat mengimplementasikan CNN dalam pembuatan aplikasi untuk identifikasi dan klasifikasi objek rumah adat sehingga dapat membantu Masyarakat umum dalam membedakan jenis rumah adat melalui aplikasi tersebut.
Identifikasi Wajah Asli dan Buatan Deepfake Menggunakan Metode Convolutional Neural Network Jesselyn Mu; Muhammad Adrezo; Ahmed Nizhan Haikal
Teknika Vol 13 No 1 (2024): Maret 2024
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.v13i1.705

Abstract

Di era teknologi saat ini, penggunaan dari Artificial Intelligence sangat berkembang pesat. Banyak teknologi yang sudah menerapkan AI untuk menghasilkan suatu informasi. Akan tetapi, tidak semua teknologi yang diciptakan menggunakan AI membawakan dampak positif. Salah satu teknologi AI yang dapat menimbulkan dampak negatif adalah deepfake. Salah satu dampak negatif yang dapat disebabkan oleh teknologi deepfake adalah membuat wajah manusia buatan yang menyerupai wajah aslinya. Oleh karena itu, deepfake merupakan salah satu kasus yang perlu diperhatikan lebih lanjut. Penggunaan deepfake yang salah ini apabila dibiarkan dapat merugikan banyak pihak, baik untuk orang lain maupun diri sendiri. Penelitian ini dibuat dengan tujuan agar dapat membuat sebuah model bersifat kopnseptual yang dapat melakukan identifikasi pada wajah asli maupun wajah buatan deepfake. Metode yang digunakan adalah metode CNN dengan pembuatan arsitektur 6 convolutional layer dan 3 max pooling serta tambahan layer Batch Normalization. Metode CNN dipilih karena dinilai baik dalam melakukan klasifikasi suatu citra. Setelah itu, metode CNN akan ditambahkan dengan arsitektur menyerupai VGG dan layer tambahan yaitu Batch Normalization. Hasil yang didapatkan pada penelitian ini adalah model yang dibuat dapat dinyatakan berhasil untuk melakukan identifikasi wajah buatan deepfake dengan wajah asli. Hal ini dibuktikan dengan tingkat akurasi, presisi, recall, dan F1-Score sebesar 91%.

Page 20 of 28 | Total Record : 276

 18   19   20   21   22 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol. 14 No. 1 (2025): March 2025 Vol. 13 No. 3 (2024): November 2024 Vol 13 No 2 (2024): Juli 2024 Vol 13 No 1 (2024): Maret 2024 Vol 12 No 3 (2023): November 2023 Vol 12 No 2 (2023): Juli 2023 Vol 12 No 1 (2023): Maret 2023 Vol 11 No 3 (2022): November 2022 Vol 11 No 2 (2022): Juli 2022 Vol 11 No 1 (2022): Maret 2022 Vol 10 No 3 (2021): November 2021 Vol 10 No 2 (2021): Juli 2021 Vol 10 No 1 (2021): Maret 2021 Vol 9 No 2 (2020): November 2020 Vol 9 No 1 (2020): Juli 2020 Vol 8 No 2 (2019): November 2019 Vol 8 No 1 (2019): Juli 2019 Vol 7 No 2 (2018): November 2018 Vol 7 No 1 (2018): Juli 2018 Vol 6 No 1 (2017): November 2017 Vol 5 No 1 (2016): November 2016 Vol 4 No 1 (2015): November 2015 Vol 3 No 1 (2014): Juli 2014 Vol 2 No 1 (2013): Juli 2013 Vol 1 No 1 (2012): Juli 2012 More Issue