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
 19   20   21   22   23 
Pengenalan Aktivitas Manusia Dalam Ruangan Dengan Convolutional Neural Networks Lina; Michelle Augustine; Richard Stephen; Lorico Salim
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.v13i1.707

Abstract

Kemajuan teknologi yang telah berkembang sangat pesat dapat membantu pekerjaan manusia dalam berbagai bidang. Salah satu kegiatan yang dapat diotomatisasi adalah aktivitas pengawasan kegiatan manusia dalam sebuah ruangan, misalnya bagi lansia ataupun orang cacat. Umumnya kegiatan pengawasan membutuhkan tenaga manusia untuk memantau kejadian dan aktivitas di lokasi tertentu secara live maupun direkam melalui kamera CCTV. Dengan perkembangan teknologi, seluruh kegiatan pengenalan terhadap aktivitas manusia dapat dilakukan secara otomatis. Sistem dapat mengenali aktivitas duduk, berdiri, belajar, mengangkat tangan, serta bertepuk tangan. Sistem dibuat dengan menggunakan metode Convolutional Neural Network (CNN). Eksperimen akan dilakukan dengan data uji yang berasal dari internet maupun rekaman video yang dilakukan oleh tim di lapangan. Hasil eksperimen menunjukkan bahwa sistem yang dikembangkan dapat mengenali aktivitas manusia dengan nilai akurasi sebesar 86,65% untuk data uji dari internet dan 96% untuk data uji dari IP camera yang terpasang pada sebuah lokasi. Selain itu, sistem juga dapat menghasilkan sebuah rangkuman catatan aktivitas terhadap seluruh kegiatan yang terjadi di dalam lokasi tersebut pada kisaran waktu yang ditetapkan.
Electronics Spare Part Goods Demand Forecasting Using Markov Model Ellysa Tjandra; Susana Limanto
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.v13i1.709

Abstract

Customer demand forecasting plays an essential part in inventory management in retail companies. Accurate customer demand forecasting will increase a company's competitiveness and play a crucial role in making the right decisions for inventory management. Without demand estimation, products are often purchased more than needed, resulting in overstock or understock product storage in the warehouse. In this paper, we present the results of the Markov Chain method for predicting the quantity of demand for goods in the future to assist decision-making regarding the procurement of commodity goods within the company, especially in the procurement of electronics spare parts in retail companies. This study aims to develop a software-based forecasting system for retail companies using the Markov Model with predictive capabilities. The system will also provide purchasing quantity recommendations to fulfill the stock, calculated from the minimum stock and forecasted demand from customers and suppliers. Using the Markov Chain model, this study predicts electronics spare parts demand using data on item sales during 2022 in a retail company. The forecasting of electronics spare part demand resulted in 88.2% accuracy. The software-based forecasting system has been implemented and tested using black box testing. The testing result shows that the Markov forecasting system is feasible and can be used as a reference in providing electronics spare parts purchasing recommendations for retail companies.
Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression Patrisius Ando Duran; Anik Vega Vitianingsih; Moch. Syaiful Riza; Anastasia Lidya Maukar; Seftin Fitri Ana Wati
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.v13i1.712

Abstract

Prediksi penjualan menjadi elemen penting dalam perencanaan perusahaan karena akan menentukan rencana anggaran penjualan, yang mempengaruhi banyak faktor dalam perusahaan. Produsen penjualan sering kali mengalami kesulitan untuk memprediksi kisaran jumlah produk yang terjual pada periode yang akan datang. Permasalahan tersebut mengakibatkan ketidakefektifan dalam pengelolaan stok dan jadwal produksi, sehingga stok produk digudang menumpuk yang mengakibatkan beberapa produk mengalami kerusakan karena disimpan terlalu lama. Tujuan dari penelitian ini adalah mengimplementasikan metode Simple Linear Regression untuk memprediksi penjualan produk agar dapat mengetahui tentang kisaran jumlah penjualan produk di periode yang akan datang, sehingga dapat menyesuaikan penyedian stok yang lebih efektif berdasarkan prediksi yang diperoleh. Metode Simple Linear Regression digunakan untuk mengevaluasi dan memahami arah serta kekuatan hubungan antara dua variabel, yaitu variabel independen (X) dan variabel dependen (Y). Parameter yang digunakan adalah periode bulan dan jumlah penjualan. Periode bulan yang merujuk pada rentang waktu, bagaimana perubahan waktu dapat memengaruhi jumlah penjualan produk sedangkan jumlah penjualan merupakan output yang menjadi fokus utama, mengetahui sejauh mana variabilitas dalam periode bulan dapat dijelaskan oleh variasi dalam jumlah penjualan produk. Dataset yang digunakan untuk uji tingkat kesalahan terhadap hasil prediksi menggunakan data penjualan mulai periode Februari 2021 sampai dengan September 2023. Hasil uji menyatakan nilai rata-rata dari selisih absolut antara nilai prediksi atau MAD sebesar 3,778563, rata-rata dari kuadrat selisih antara nilai prediksi dan nilai aktual atau MSE sebesar 21,661444 dan rata-rata persentase kesalahan absolut antara nilai prediksi dan nilai aktual atau MAPE sebesar 12%. Berdasarkan nilai MAPE yang diperoleh, dapat disimpulkan bahwa prediksi penjualan untuk penjualan produk ini dapat dikategorikan Baik. Hasil penelitian ini dapat dijadikan rekomendasi untuk memprediksi kisaran jumlah penjualan produk diperiode yang akan datang agar menyesuaikan persediaan stok, anggaran dan jadwal produksi.
Perancangan Low-Cost Testbed Untuk Validasi Lokasi dan Orientasi Mobile Robot Fakih Irsyadi; Jans Hendry; Priyova Muhammad Rafief; Aji Bambang Sasongko
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.v13i1.714

Abstract

Lokalisasi robot adalah proses penentuan lokasi mobile robot terhadap lingkungannya. Ini penting untuk pengoperasian robot otonom, karena lokasi robot saat ini akan mempengaruhi keputusan tindakan robot selanjutnya. Pengoperasian di dalam ruangan dan area terbatas membuat lokalisasi robot menjadi lebih menantang, mengingat perangkat Global Positioning System (GPS) tidak dapat digunakan, dan masih menarik banyak peneliti hingga saat ini. Makalah ini mengusulkan desain, konstruksi, dan validasi testbed robot berbiaya rendah, yang memungkinkan pengukuran lokasi dan orientasi mobile robot secara real time menggunakan sistem penglihatan atas. Beberapa masalah yang dihadapi dalam desain dan pengembangan seperti pengaturan posisi kamera dan pemilihan pengenal robot telah berhasil diatasi. Beberapa fungsi pustaka OpenCV diimplementasikan untuk melakukan pengolahan video. Pustaka Tkinter digunakan dalam pengembangan Graphical User Interface (GUI) pada penelitian ini. Hasil pengujian menunjukkan bahwa sistem dapat digunakan untuk mengidentifikasi lokasi dan orientasi robot baik statis maupun dinamis dengan rata-rata nilai kesalahan kurang dari 3,8 cm pada pengujian statis dan terbukti mampu merekam pergerakan robot baik pada lintasan lurus maupun melingkar. Sehingga setup testbed dapat direkomendasikan sebagai solusi cepat dan murah untuk verifikasi dan pengambilan data pada berbagai penelitian yang membutuhkan perekaman lokasi dan orientasi robot baik statis maupun dinamis. Beberapa perbaikan diperlukan untuk menjadikan sistem lebih handal dan akurat.
Towards Development of a Multilingual Mobile Chat Application for Enhanced Global Communication Oryina Kingsley Akputu; Divine Dumzo-Ajufo; Christian C. Okafor; Adeboye Daniel Abayomi; Terhemba M. Ape
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.v13i1.717

Abstract

The advent of mobile chat applications has revolutionized everyday communication. These applications facilitate the exchange of user's textual and multimedia content across languages and cultures. Most chat applications are known to only support a limited set of predominantly spoken languages, thereby, leaving a substantial portion of the user population without adequate multilingual support. This paper aims to bridge the linguistic gap by presenting Kobapp, a multilingual chat application. The Kobapp, leverages some of the cutting-edge technologies, such as React-Native, Next.js, and the DeepL API, to offer real-time, accurate translations while at the same time offering user privacy. The development process of the Kobapp is outlined from the system architecture and design, emphasizing the integration of a client-side (Android) and server-side using Node.js, Express.js, and MongoDB. Notably, user feedback plays a crucial role in shaping an application's features and functionality. Therefore, the application’s performance was evaluated through a conducted user study. Results of the study indicate a strong positive linear relationship between overall user satisfaction and translation accuracy for different language pairs. Moreover, the absence of outliers and the model's significance further reinforces the application's commitment to data quality and accuracy. Future research will explore new dimensions in multilingual communication and applications to promote a truly global community.
Identifikasi Kerusakan Badan Kontainer Pada Waktu Pengiriman Berdasarkan Citra CCTV Memanfaatkan YOLO dan Deep Transfer Learning Fitra Hidayah; Yosi Kristian
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.v13i1.718

Abstract

Keamanan dalam operasional pelabuhan sangat ditentukan oleh kemampuan untuk mengawasi dan melindungi kontainer, yang meskipun berperan sebagai sarana utama perlindungan, masih rentan terhadap kerusakan. Rekaman CCTV di pelabuhan tidak dapat mengenali jenis kendaraan, seperti membedakan antara truk yang membawa kontainer dan yang tidak, serta tidak mampu mendeteksi kerusakan pada kontainer secara otomatis. Dalam mengatasi masalah ini, studi ini mengembangkan sebuah sistem untuk mendeteksi kontainer dan mengklasifikasikan jenis-jenis kerusakan seperti kerusakan struktural, korosi, depos, cacat pada cat, pembengkakan, serta masalah pada pintu kontainer, dengan memanfaatkan teknik machine learning. Menggunakan pendekatan Convolutional Neural Network (CNN) yang ditingkatkan dengan metode transferslearning dari DeepsConvolutional NeuralsNetworks(DCNN), penelitian ini memberikan solusi analitis untuk citra yang diperoleh. Dataset yang terdiri dari 3000 gambar kontainer sisi depan dan belakang dikategorikan secara manual melalui platform Roboflow. Model YOLOv7 yang terlatih pada dataset tersebut mampu mendeteksi kontainer dengan Skor F1 Terboboti mencapai 90%. Untuk tahap klasifikasi kerusakan kontainer, citra yang telah di-crop berdasarkan output YOLOv7 dianalisis kembali menggunakan model EfficientNetV2S dan ConvNeXtBase. Kedua model tersebut, dengan pemanfaatan transfer learning, menunjukkan performa yang dengan Weighted Average F1 Score berturut-turut sebesar 66% dan 72%. Penelitian ini membuka jalur baru untuk peningkatan keamanan dan pemeliharaan kontainer melalui penerapan model pengenalan gambar yang inovatif di lingkungan pelabuhan.
Penggunaan Latent Dirichlet Allocation (LDA) dan Support-Vector Machine (SVM) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink Yeni Kustiyahningsih; Yohan Permana
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.v13i1.746

Abstract

EdLink merupakan salah satu platform mobile berbasis Android yang telah dirancang khusus untuk mendukung pengalaman belajar di dunia pendidikan. Platform ini menawarkan berbagai fitur konten pembelajaran interaktif, tugas online, dan diskusi. EdLink telah menjadi salah satu aplikasi yang banyak diminati dan digunakan di berbagai instansi pendidikan, termasuk perguruan tinggi. Aplikasi EdLink saat ini memiliki rating 3,7 di Google Play Store. Banyak pengguna mengeluhkan berbagai aspek, seperti fitur yang kurang lengkap, pelayanan, dan kinerja. Dalam penelitian ini, digunakan analisis sentimen berbasis aspek untuk mengevaluasi aplikasi. Data ulasan yang digunakan adalah seluruh ulasan aplikasi EdLink di Google Play Store dari versi 1.1.6 hingga 4.7.8, dengan jumlah 2014 ulasan. Penelitian ini dilakukan dengan pemodelan topik Latent Dirichlet Allocation (LDA) dengan tujuan untuk menentukan aspek serta analisis sentimen menggunakan Support Vector Machine (SVM) dengan pendekatan Lexicon Based. Penelitian ini menghasilkan tiga aspek utama, yaitu Application Usability, Reliability, dan Performance Efficiency. Berdasarkan model LDA menghasilkan skor koherensi tertinggi 0,487 dan berdasarkan distribusi jumlah topik dan skor koherensi tertinggi dari num topic 1-10 adalah 3. Kemudian, labeling Lexicon Based menghasilkan 418 jumlah ulasan positif dan 1.223 ulasan negatif. Selanjutnya, klasifikasi SVM dengan rasio pembagian data 90:10 menghasilkan akurasi tertinggi 85,45% kemudian dilakukan resampling dengan hasil akurasi tertinggi 90,00% menggunakan SMOTE. Berdasarkan aspek dan sentimen dihasilkan 319 ulasan negatif dan 127 ulasan positif untuk aspek Usability, 482 ulasan negatif, dan 120 ulasan positif untuk aspek Reliability, serta 422 ulasan negatif dan 171 ulasan positif untuk aspek Performance Efficiency.
Plant Information Management System Using OSIsoft PI System: A Case Study of Cilacap Power Plant Units 1 and 2 Rahan Sukma Yudha; Hendra Setiawan
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.v13i1.752

Abstract

In the dynamic industrial sector, the ability to combine and manage data from various sources is essential. This study focuses on the utilization of the PI System to integrate operational data from multiple data sources at power plants, facilitating data driven decision making and enhancing operational efficiency. The application of the PI System in collecting data from Distributed Control Systems (DCS) and asset management systems like Maximo is examined, as well as its potential for integrating data from other power plant units. The study utilizes systems analysis methods to understand the potential of data integration in improving operational visibility and control. Findings from testing reveal that effective data integration can extend monitoring and management capabilities, indicating an overall improvement in operational performance. This study contributes to the literature on industrial data management by demonstrating the effective use of the PI System as a comprehensive tool for integrating data from various systems within power plants. It showcases the system's adaptability in enhancing operational decision-making and providing a cohesive platform for real-time performance monitoring. Additionally, the research offers insights into the practical application of systems analysis methods in the context of power plant operations, contributing to the ongoing discourse on digital transformation in the energy sector.
Optimizing Deep Neural Networks Using ANOVA for Web Phishing Detection Wulan Sri Lestari; Mustika Ulina
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.v13i1.758

Abstract

Phishing attacks are crimes committed by sending spoofed Web URLs that appear to come from a legitimate organization in order to obtain another party's sensitive information, such as usernames, passwords, and other confidential data. The stolen information is then used to commit fraud, such as identity theft and financial fraud, and can cause reputational damage to the party that is the victim of the phishing attack. This can cause great harm to the victimized individual or organization. To overcome these problems, this research uses feature selection using ANOVA and Deep Neural Networks (DNN) to detect web phishing attacks. Feature selection is used to optimize the performance of the DNN model to achieve more accurate results. Based on the results of feature selection using ANOVA, there are 52 attributes that have a significant impact on web phishing attack detection. The next step is to implement DNN to build a web phishing attack detection model. The results of testing the web phishing detection model show that in the training phase, the accuracy value increased by 17.51% for the 80:20 dataset and 18.39% for the 70:30 dataset. During the testing phase, the accuracy value increased by 17.8% for the 80:20 dataset and 18.58% for the 70:30 dataset. The resulting recognition model shows consistent and reliable results not only during training, but also during testing in situations closer to real-world conditions. Conclusively, the use of ANOVA proves effective in mitigating less relevant features and contributing to the optimization of web phishing detection models.
Pengaruh Behavioral Intention Terhadap Use Behavior Pada Penggunaan Aplikasi Gojek Evano Valdi Ananda Karyoto; Yuyun Tri Wiranti; M. Ihsan Alfani Putera
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.v13i1.761

Abstract

Gojek merupakan salah satu pelopor jasa transportasi online yang masih eksis di Indonesia hingga hari ini. Kota Balikpapan yang dihuni 703.611 jiwa adalah salah satu kota dengan aktivitas pengguna aplikasi Gojek tertinggi di wilayah Indonesia Timur pada tahun 2019. Kendati demikian, Gojek pernah mengalami penurunan jumlah pengguna akibat kenaikan harga BBM, dan keluhan pada aplikasi Gojek itu sendiri. Salah satu cara untuk menangani penurunan tersebut yaitu dengan memberikan layanan sesuai perilaku pengguna dalam menggunakan aplikasi Gojek. Hal ini dapat dilakukan dengan sebuah evaluasi penerimaan aplikasi Gojek dengan menggunakan metode UTAUT2. UTAUT2 merupakan metode untuk mengetahui bagaimana suatu teknologi diterima dan digunakan. Dari 9 variabel yang terdapat pada UTAUT2, variabel behavioral intention dan use behavior adalah variabel untuk membantu mengetahui dan menggambarkan niat dan frekuensi seorang pengguna dalam menggunakan suatu aplikasi. Penelitian kuantitatif ini dilakukan untuk mengetahui bagaimana behavioral intention memengaruhi use behavior pada penggunaan aplikasi Gojek di Kota Balikpapan, menggunakan metode PLS-SEM pada perangkat lunak WarpPLS dengan 139 responden. Hasil analisis menunjukkan bahwa 3 dari 10 hipotesis diterima dan 7 sisanya ditolak. Variabel performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation dan price value berpengaruh positif tidak signifikan terhadap behavioral intention, serta facilitating conditions berpengaruh positif tidak signifikan terhadap use behavior. Variabel habit berpengaruh positif signifikan baik terhadap behavioral intention dan use behavior. Variabel behavioral intention berpengaruh positif signifikan terhadap use behavior. Berdasarkan hasil analisis, disusun 4 rekomendasi yang dapat dijadikan acuan bagi perusahaan Gojek untuk meningkatkan intensi dan frekuensi penggunanya dalam menggunakan aplikasi Gojek baik di Kota Balikpapan maupun di tempat lain.

Page 21 of 28 | Total Record : 276

 19   20   21   22   23 

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