cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Amru Yasir
Contact Email
amruyasir@dharmawangsa.a.c.id
Phone
+6282304690083
Journal Mail Official
s1.ti@dharmawangsa.ac.id
Editorial Address
Alamat : Jl. K. L. Yos Sudarso No. 224 Medan Kontak : Tel. 061 6635682 - 6613783 Fax. 061 6615190 Surat Elektronik : s1.ti@dharmawangsa.ac.id
Location
Unknown,
Unknown
INDONESIA
Djtechno: Jurnal Teknologi Informasi
Published by Universitas Dharmawangsa
ISSN : 27768546     EISSN : 27453758     DOI : 10.46576/djtechno
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management
Djtechno: Journal of Information Techhnology Research Jurnal ilmiah yang dikelola dan diterbitkan oleh Program Studi Teknologi Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Dharmawangsa, Medan, Indonesia. Jurnal Djtechno terbit pertama kali Vol 1. No.1 Juli Tahun 2020, jurnal ini membahas tentang topik-topik yang berkenaan dengan Bidang Teknologi Informasi, Rekayasa Perangkat Lunak, Ilmu Komputer, Sistem Informasi, Dan Komunikasi. Jurnal Program Studi Teknologi Informasi terbit sebanyak 2x dalam 1 tahun yaitu per 6 bulan sekali (Juli dan Desember)
Arjuna Subject : Teknik (semua kategori) - Teknologi Media
Articles 21 Documents
 1   2   3 
Search results for , issue "Vol 5, No 2 (2024): Agustus" : 21 Documents clear
REVIEW TERBARU TENTANG KLASTERISASI DATA MINING MENGGUNAKAN METODE K-MEANS: TANTANGAN DAN APLIKASI Rahmah, Sabrina Aulia
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4723

Abstract

Klasterisasi data mining adalah teknik penting yang digunakan untuk mengelompokkan data menjadi subset yang bermakna, dan metode K-Means adalah salah satu algoritma yang paling populer dalam bidang ini. Artikel ini memberikan tinjauan komprehensif mengenai literatur terbaru tentang penggunaan metode K-Means, dengan fokus pada tantangan yang dihadapi dan solusi yang diusulkan, serta aplikasi praktis di berbagai domain. Berbagai inovasi dalam metode K-Means, seperti K-Means++ dan algoritma hibrida, telah dikembangkan untuk mengatasi masalah penentuan jumlah klaster dan sensitivitas terhadap outlier. Selain itu, artikel ini mengeksplorasi aplikasi K-Means dalam bidang pemasaran, kesehatan, dan teknologi informasi. Meskipun metode K-Means memiliki beberapa keterbatasan, berbagai studi menunjukkan peningkatan kinerja yang signifikan melalui modifikasi dan adaptasi yang tepat. Dengan demikian, review ini tidak hanya menyoroti kemajuan terbaru dalam klasterisasi menggunakan K-Means tetapi juga mengidentifikasi area yang memerlukan penelitian lebih lanjut.
PERANCANGAN SISTEM INFORMASI LAUNDRY SEPATU XYZ Nuzulita, Nania
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4639

Abstract

Maraknya bisnis laundry sepatu, membuat laundry sepatu XYZ meningkatkan layanannya dengan cara membangun sebuah sistem informasi berbasis web. Sistem informasi tersebut diharapkan dapat menjangkau lebih banyak pelanggan serta meningkatkan transparansi proses-proses dalam bisnis tersebut. Aplikasi website dipilih karena kemudahannya dalam beradaptasi pada berbagai platform. Tahapan penelitian dilaksanakan dengan mengacu pada software development life cycle (SDLC) khususnya pada fase planning, analysis, dan design. Dari fase analysis didapatkan tiga macam pengguna sistem yaitu pelanggan/customer, admin, dan pegawai. Identifikasi proses dilakukan dengan tiga cara yaitu observasi, wawancara, dan studi literatur. Proses besar yang ditangani sistem adalah pemesanan layanan, pemantauan layanan, update status pengerjaan pemesanan, verifikasi pembayaran, pengajuan keluhan, serta verifikasi keluhan. Diagram yang digunakan untuk menceritakan kebutuhan sistem adalah usecase diagram, activity diagram, sequence diagram, serta entity relationship diagram. Rencana layout dari aplikasi juga dibuat dengan menggunakan aplikasi Figma. Ke depannya, pengembang aplikasi dapat melanjutkan penelitian ke tahapan implementation serta service and maintanance. 
IMPLEMENTASI METODE AGILE DALAM PENGEMBANGAN APLIKASI ABSENSI BERBASIS QRCODE PADA SMP NEGERI 7 PERCUT SEI TUAN Tinambunan, Medi Hermanto; Wahyuni, Sri; Yasir, Amru; Simanjuntak, Marthin Yohannes; Siregar, Amir Hamzah
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4812

Abstract

Perkembangan teknologi saat ini sangat cepat, hampir seluruh elemen pekerjaan sudah menggunakan teknologi, hal ini juga yang menjadi perhatian penting oleh kepala sekolah SMP Negeri 7 Percut Sei Tuan, tentunya sangat dibutuhkan sebuah sistem absensi yang dapat memberikan informasi dan rekapitulasi data dengan cepat, saat ini SMP Negeri 7 Percut Sei Tuan hanya menggunakan absensi secara manual, yang dimaksud dengan manual adalah menggunakan cetakan absensi dan melakukan tanda tangan langsung pada cetakan dan guru memanggil nama siswa, hal ini tentunya memakan waktu yang lama serta tidak efisien dalam menjalankan proses belajar mengajar. Berdasarkan informasi yang didapatkan dari wawancara dengan para guru, dibutuhkan waktu sekitar 10 sampai dengan 20 menit hanya untuk melakukan absensi sehingga waktu untuk pembelajaran terpotong cukup banyak. Berdasarkan permasalahan tersebut perlu dilakukan penyelesaian terkait waktu yang lumayan banyak termakan oleh absensi, salah satu cara yang dapat dilakukan adalah dengan membangun sebuah aplikasi dengan menerapkan metode Agile Software Development yang dapat membantu siswa dan guru untuk melakukan absensi dengan cepat, cukup hanya dengan guru mengingatkan kembali siswa untuk melakukan absensi dengan aplikasi absensi berbasis qrcode pada saat pembelajaran berakhir atau sebelum mata pelajaran terakhir selesai. Saat pengujian sistem tentunya sangat membantu para guru dan orangtua dalam melakukan pemantauan kehadiran siswa disekolah, karena fitur aplikasi ini dapat memberikan informasi melalui email ketika siswa melakukan absensi disekolah, sehingga orang tua dapat mengetahui apakah anak mereka sudah hadir disekolah. Berdasarkan hasil pengujian blackbox didapatkan tingkat kepuasan pengguna baik orangtua dan guru sangat terbantu dalam pemantuan absensi serta memberikan penilaian positif.
IMPLEMENTASI TRANSFER LEARNING UNTUK KLASIFIKASI PENYAKIT PADA DAUN CABAI MENGGUNAKAN CNN Setyadi, Rahmat Arief; Rahman, Sayuti; Manurung, Dionikxon; Hasanah, Mardiatul; Indrawati, Asmah
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4642

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan penyakit pada daun cabai merah menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning, khususnya arsitektur ResNet101. Indonesia, sebagai negara agraris, memiliki banyak petani yang mengandalkan tanaman cabai merah sebagai salah satu komoditas utama. Namun, penyakit daun cabai sering kali menurunkan kualitas dan kuantitas hasil panen. Dalam upaya meningkatkan deteksi dini penyakit, penelitian ini memanfaatkan teknologi deep learning untuk menganalisis citra daun cabai. Dataset yang digunakan terdiri dari citra penyakit daun cabai merah yang telah diaugmentasi, dengan total 2128 gambar yang dibagi menjadi data training sebanyak 1702 citra dan data validasi sebanyak 426 citra. Penelitian ini membandingkan kinerja berbagai arsitektur CNN, termasuk AlexNet, GoogleNet, VGGNet16, dan ResNet50, serta lapisan-lapisan pada arsitektur ResNet. Hasil penelitian menunjukkan bahwa augmentasi dataset meningkatkan akurasi validasi dari 89.72% menjadi 97.18%. ResNet101 mencapai akurasi validasi tertinggi sebesar 98.12%, menunjukkan efektivitas transfer learning dalam tugas klasifikasi penyakit daun cabai. Penelitian ini menunjukkan bahwa penggunaan metode CNN dengan transfer learning, khususnya arsitektur ResNet101, sangat efektif untuk mendeteksi dan mengklasifikasikan penyakit pada daun cabai merah. Peningkatan kinerja model melalui augmentasi dataset dan pemilihan arsitektur yang tepat dapat membantu meningkatkan kualitas dan kuantitas hasil panen, serta mendukung pertanian cerdas di Indonesia
ARTIFICIAL INTELLIGENCE DAN KOMUNIKASI ILMIAH: EKSPLORASI PERSPEKTIF MAHASISWA ILMU PERPUSTAKAAN Hasibuan, Nur Aini; Sayekti, Retno
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4622

Abstract

Pemanfaatan Artificial Intelligence (AI) dalam bidang pendidikan memudahkan mahasiswa dalam penyelesaian tugas. Penelitian ini bertujuan untuk  mengetahui persepsi mahasiswa jurusan ilmu perpustakaan UIN Sumatera Utara terhadap penggunaan Artificial Intelligence (AI) dalam membantu penulisan karya ilmiah. Penelitian ini menggunakan metode kualitatif dengan pengambilan sampel menggunakan teknik purposive dan snowball. Teknik pengumpulan data dilakukan melalui observasi, wawancara dan dokumentasi. Analisis data dilakukan menggunakan software NVivo dan dilakukan triangulasi untuk memastikan validitas dan kredibilitas temuan penelitian. Hasil penelitian menunjukkan bahwa mahasiswa memiliki persepsi positif terhadap penggunaan Artificial Intelligence (AI) dalam komunikasi ilmiah. Artificial Intelligence (AI) dianggap cukup relevan untuk dijadikan acuan dalam mencari referensi pada penulisan karya ilmiah. Namun, tidak sedikit dari mahasiswa yang kurang ahli dalam menganalisis platform kecerdasan buatan yang relevan dan lebih valid dalam memberikan informasi. The utilisation of artificial intelligence (AI) in the field of education facilitates the completion of tasks by students. This study aims to ascertain the perception of students of the science major at the UIN Library of North Sumatra regarding the role of Artificial Intelligence (AI) in assisting with the composition of scientific papers. This research employs qualitative methods, utilising purposive and snowball sampling techniques. Data is gathered through observations, interviews and document analysis. The data analysis was conducted using NVivo software, and triangulation was employed to ensure the validity and credibility of the research findings. The results indicated that students held a positive perception of the use of artificial intelligence (AI) in scientific communication. Artificial Intelligence (AI) was perceived as a valuable reference tool for locating scientific literature. However, a significant proportion of students demonstrated limited proficiency in analysing AI platforms that could provide more reliable and valid information.
IMPLEMENTASI METODE FORECASTING DENGAN MENGGUNAKAN ALGORITMA TIME SERIES DALAM MEMPREDIKSI PERMINTAAN CETAK CV. GRAND GRAFIKA Tajrin, Tajrin; Kuswoyo, Yudyi; Ginting, Rido Alfrado
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4563

Abstract

Permintaan cetak merupakan salah satu satu hal terpenting dalam industri percetakan. Permintaan cetak yang tidak terduga dapat menyebabkan kelebihan ataupun kekurangan bahan baku serta produk jadi, hal ini lah yang dapat berdampak negatif bagi probabilitas perusahaan. Permintaan cetak juga merupakan tantangan utama bagi industri percetakan dalam memprediksi permintaan cetak yang akurat, hal ini juga lah yang dialami oleh CV. Grand Grafika. Penelitian ini bertujuan untuk mengimplementasikan metode forecasting dengan menggunakan algortima time series dan menggunakan model ARIMA (AutoRegressive Integrated Moving Average) dalam memprediksi permintaan cetak. Dari penelitian ini menghasilkan model ARIMA terbaik yaitu ARIMA (1,0,0) dengan nilai RMSE sebesar 10.69, MAPE sebesar 0.02, dan MAE sebesar 8.69.
KLASIFIKASI RISIKO GIZI BURUK PADA IBU HAMIL MENGGUNAKAN METODE RANDOM FOREST Ramadhani, Fanny; Septiana, Dian; Amalia, Sisti Nadia; Fadilah, Putri Maulidina; Satria, Andy
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4815

Abstract

Penelitian ini bertujuan untuk mengidentifikasi ibu hamil yang berisiko mengalami gizi buruk menggunakan metode klasifikasi machine learning, khususnya Random Forest, dengan memanfaatkan data dari RISKESDAS 2018. Dataset yang digunakan mencakup informasi demografi dan pola makan, termasuk usia, pendidikan, pekerjaan, status ekonomi, pola makan, dan akses ke layanan kesehatan. Data tersebut diolah melalui proses preprocessing yang meliputi penanganan nilai yang hilang, transformasi variabel kategori menggunakan OneHotEncoder, dan normalisasi fitur numerik. Model Random Forest kemudian dilatih dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score, serta confusion matrix untuk memahami kinerja klasifikasi. Hasil penelitian menunjukkan bahwa model Random Forest memiliki akurasi sebesar 0.67, precision sebesar 0.6, recall sebesar 0.67, dan F1-score sebesar 0.63 dalam mengklasifikasikan risiko gizi buruk pada ibu hamil. Confusion matrix memperlihatkan distribusi prediksi yang benar dan salah, sedangkan feature importance analysis mengidentifikasi fitur pola makan dan status ekonomi sebagai yang paling berpengaruh dalam prediksi risiko gizi buruk. Model Random Forest ini dapat digunakan sebagai alat yang efektif untuk mengidentifikasi ibu hamil yang berisiko tinggi mengalami gizi buruk, memungkinkan intervensi dini dan terarah dalam program kesehatan ibu hamil, sehingga dapat membantu meningkatkan kesehatan ibu dan anak. Penelitian ini juga menyediakan dasar untuk studi lanjutan yang dapat menggunakan dataset yang lebih luas dan beragam untuk memperbaiki akurasi dan generalisasi model.
SENTIMENT ANALYSIS SUDUT PANDANG GENERASI Z TERHADAP KETERWAKILAN KEPEMIMPINAN MUDA PILPRES DI TWITTER MENGUNAKAN ID CONVULATION NEURAL NETWORK Astuti, Tri; Toyib, Rozali
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4653

Abstract

Penelitian ini mengeksplorasi penggunaan pemrosesan bahasa alami (NLP) untuk menganalisis sentimen dalam tweet mengenai kepemimpinan muda dalam pemilihan presiden. Data dikumpulkan dari Twitter, kemudian diproses dan diekstraksi. Proses tokenisasi menghasilkan tokenisasi kata yang kemudian diklasifikasikan menggunakan algoritma Convolutional Neural Network (CNN). Penelitian ini bertujuan untuk membandingkan akurasi algoritma CNN dalam klasifikasi sentimen. Data dikategorikan menjadi dua kelas: positif dan negatif, setelah dikumpulkan dari Twitter. Pre-processing dilakukan menggunakan teknik NLP sebelum tokenisasi. Token yang dihasilkan kemudian dimasukkan ke dalam model CNN untuk proses klasifikasi. Model 1D CNN yang digunakan terdiri dari satu lapisan konvolusi dan satu lapisan pooling, dengan aktivasi ReLU pada lapisan konvolusi. Dataset terdiri dari 200 data, dipecah menjadi 160 data pelatihan dan 40 data uji. Hasil penelitian menunjukkan bahwa label prediksi sesuai dengan label sebenarnya dari kalimat baru. Namun, beberapa faktor seperti ejaan yang tidak konsisten, penggunaan bahasa yang tidak formal, kata-kata yang memiliki arti tersirat atau ambigu,dan kesamaan kata dalam data pelatihan dan uji menyebabkan kesalahan klasifikasi. Penemuan ini menunjukkan bahwa meskipun CNN efektif dalam klasifikasi sentimen, ada tantangan yang perlu diatasi untuk meningkatkan akurasi, terutama dalam memahami konteks bahasa yang kompleks.
PEMANFAATAN APLIKASI iPUSNAS DALAM MEMENUHI KEBUTUHAN INFORMASI MAHASISWA ILMU PERPUSTAKAAN UIN SUMATERA UTARA Gulo, Elsa Karenina; Fathurrahman, Muslih
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4638

Abstract

Cara orang mendapatkan informasi telah berubah karena teknologi informasi dan komunikasi (TIK), termasuk perpustakaan yang kini beralih menjadi digital. iPusnas adalah salah satu aplikasi perpustakaan digital yang ada di Indonesia, yang dirancang untuk memudahkan akses informasi bagi masyarakat, termasuk mahasiswa. Pendekatan deskriptif digunakan dalam penelitian kualitatif ini. 10 mahasiswa ilmu perpustakaan UIN Sumatera utara diwawancarai guna mengumpulkan data untuk memahami pemanfaatan iPusnas dan faktor-faktor yang mempengaruhinya. iPusnas dinilai mudah digunakan dan bermanfaat untuk kebutuhan akademik mahasiswa. Namun, terdapat beberapa kendala seperti kesalahan sistem, koleksi yang kurang lengkap, tidak adanya notifikasi pesan chatting, dan batas peminjaman buku yang rendah. Kendala-kendala ini mempengaruhi efektivitas penggunaan aplikasi oleh mahasiswa.  iPusnas memiliki potensi besar untuk mendukung kebutuhan akademik mahasiswa, namun belum optimal digunakan. Diperlukan peningkatan dalam sistem teknis, perluasan koleksi, penambahan notifikasi pesan chatting, dan revisi batas peminjaman buku untuk meningkatkan pemanfaatan aplikasi ini.
IMPLEMENTASI WIENER, CONTRAST STRETCHING, SHARPENING FILTER PADA CITRA SEMANGKA MENGGUNAKAN MSE,RMSE, DAN PSNR Aviantoro, Kevin; Darnita, Yulia
Djtechno: Jurnal Teknologi Informasi Vol 5, No 2 (2024): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v5i2.4613

Abstract

Penelitian ini mengkaji tiga metode pemrosesan citra Wiener Filter, Contrast Stretching, dan Sharpening Filter untuk meningkatkan kualitas citra semangka. Evaluasi kinerja dilakukan menggunakan Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), dan Root Mean Square Error (RMSE). Wiener Filter efektif mengurangi noise, Contrast Stretching meningkatkan kontras, dan Sharpening Filter menonjolkan detail. MSE mengukur rata-rata kesalahan kuadrat antara citra asli dan citra yang diproses, dengan nilai < 1 menunjukkan kualitas bagus dan > 1 kualitas kurang bagus. PSNR mengukur rasio sinyal maksimum terhadap noise, dengan nilai < 20 dB menunjukkan kualitas kurang bagus dan > 40 dB kualitas bagus. RMSE, sebagai akar dari MSE, memberikan ukuran kesalahan absolut antara citra asli dan citra yang diproses. Nilai RMSE yang lebih rendah menunjukkan kualitas yang lebih baik dan memudahkan pemahaman besaran kesalahan.

Page 1 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 6, No 3 (2025): Desember Vol 6, No 2 (2025): Agustus Vol 6, No 1 (2025): April Vol 5, No 3 (2024): Desember Vol 5, No 2 (2024): Agustus Vol 5, No 1 (2024): April Vol 4, No 2 (2023): Desember Vol 4, No 1 (2023): Juli Vol 3, No 2 (2022): Desember Vol 3, No 1 (2022): Juli Vol 2, No 2 (2021): Desember Vol 2, No 1 (2021): Juli Vol 1, No 2 (2020): Desember Vol 1, No 1 (2020): Juli More Issue