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 7 Documents
 1 
Search results for , issue "Vol 7, No 1 (2026): April" : 7 Documents clear
ANALISIS PERILAKU KEAMANAN INFORMASI PENGGUNA APLIKASI SHOPEE MENGUNAKAN FRAMEWORK SECURITY BEHAVIOR INTENTIONS SCALE (SeBIS) Leokuna, Yufentus
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8441

Abstract

The rapid development of digital technology has increased the use of e-commerce platforms, making online transactions easier while also raising concerns regarding users’ information security. This study aims to analyze the level of information security behavior of Shopee users in Bandung City using the Security Behavior Intentions Scale (SeBIS) framework and examine the relationship between each dimension and users’ information security behavior. This research employed a quantitative survey approach using an online questionnaire covering four SeBIS dimensions: proactive awareness, password generation, software updating, and device securement. A total of 251 active Shopee users participated in this study, with the sample size determined using the Lemeshow formula with a 10% margin of error. Data analysis was conducted through validity testing, reliability testing, descriptive analysis, and Pearson correlation analysis using IBM SPSS Statistics. The results show that the information security behavior of Shopee users in Bandung is categorized as high. All SeBIS dimensions show positive and significant relationships (p < 0.001) with information security behavior with very strong correlations (r = 0.854–0.902), where device securement has the strongest relationship..
IMPLEMENTASI MACHINE LEARNING MELALUI PENDEKATAN ALGORITMA RANDOM FOREST DALAM PREDIKSI TINGKAT STRES BERDASARKAN POLA GAYA HIDUP Ramadanti, Anita Khansa; Hananto, April Lia; Priyatna, Bayu; Hananto, Agustia
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8457

Abstract

Stres yang tidak terkelola berisiko berkembang menjadi gangguan serius seperti depresi hingga risiko bunuh diri. Machine learning dapat dioptimalkan sebagai solusi deteksi dini berdasarkan kombinasi faktor gaya hidup. Penelitian ini bertujuan untuk mengembangkan model prediksi tingkat stres melalui pendekatan algoritma Random Forest dengan dataset yang diperoleh platform Kaggle. Tahapan penelitian meliputi data preprocessing, penanganan ketidakseimbangan kelas menggunakan SMOTE, hingga evaluasi dan integrasi model.  Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0.80, dengan nilai precision, recall, dan F1-Score secara keseluruhan berada pada angka 0,80. Performa terbaik diperoleh pada klasifikasi tingkat stres kategori High dengan F1-Score sebesar 0.86. Model yang telah tervalidasi kemudian diintegrasikan ke dalam antarmuka melalui Streamlit, sehingga mampu memberikan hasil prediksi secara real-time berdasarkan input data pengguna. Penelitian ini membuktikan bahwa algoritma Random Forest efektif dalam mengidentifikasi tingkat stres, dan implementasinya dalam bentuk aplikasi web berpotensi menjadi alat bantu deteksi dini yang fungsional dan sederhana.
Cover April 2026 April, Cover
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8487

Abstract

-
ANALISIS SENTIMEN ULASAN APLIKASI X PADA GOOGLE PLAY STORE MENGGUNAKAN KOMPARASI SVM, KNN, DAN NAIVE BAYES Manampiring, Jim Maxwell; Halawa, Jenianus; Zai, Jefiri; Kurniawati, Ika; Fahlapi, Riza; Bismi, Waeisul
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8095

Abstract

Transformasi rebranding media sosial Twitter menjadi X menimbulkan respons yang beragam dari pengguna global, termasuk di Indonesia. Ulasan pengguna pada platform Google Play Store memuat informasi berharga mengenai kepuasan dan keluhan pengguna, namun volume data yang besar dan tidak terstruktur menyulitkan analisis secara manual. Studi ini difokuskan pada penerapan analisis sentimen guna mengklasifikasikan opini pengguna menjadi kategori positif dan negatif, serta membandingkan kinerja tiga algoritma Machine Learning, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Naive Bayes. Dataset yang digunakan berjumlah 10.000 data berbahasa Indonesia yang dikumpulkan melalui scraping. Melalui tahapan preprocessing yang meliputi cleaning, tokenizing, dan stemming, data dilatih dengan pembagian rasio 80:20. Hasil pengujian menunjukkan algoritma SVM menggunakan kernel linear menghasilkan kinerja terbaik dengan akurasi sebesar 84,8%, diikuti oleh Naive Bayes sebesar 83,1%, dan KNN sebesar 79,7%. Kesimpulan dari studi ini menegaskan bahwa SVM merupakan metode yang paling efisien guna menangani klasifikasi teks pada data ulasan aplikasi X yang memiliki dimensi tinggi, meskipun terdapat ketidakseimbangan kelas pada dataset.
PENGEMBANGAN VIDEO PEMBELAJARAN METEMETIKA UNTUK ANAK BERKEBUTUHAN KHUSUS DENGAN PENDEKATAN VISUAL Darnita, Yulia; Rinni, Rinni; Sunardi, Dandi; Imanullah, Muhammad
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8371

Abstract

Pembelajaran matematika bagi Anak Berkebutuhan Khusus (ABK) sering terkendala karena sifat materi yang abstrak dan minimnya media pembelajaran yang sesuai. Penelitian ini bertujuan mengembangkan video pembelajaran matematika berbasis multimedia interaktif dengan pendekatan visual untuk siswa kelas VI SD dan kelas III SMP. Metode pengembangan menggunakan model Luther–Sutopo (MDLC) dengan tahapan concept, design, material collecting, assembly, testing, dan distribution. Materi meliputi operasi bilangan, pecahan, persen, SPLDV, hingga teorema Pythagoras. Media dirancang dengan storyboard, flowchart, serta visualisasi menggunakan Blender dan Canva, dilengkapi kuis interaktif. Hasil uji coba menunjukkan media layak digunakan, mampu meningkatkan fokus, motivasi, dan pemahaman konsep matematika siswa ABK. Penelitian ini diharapkan memberi kontribusi bagi pendidikan inklusif dengan menyediakan alternatif media ajar yang lebih adaptif dan menarik
IMPLEMENTASI ALGORITMA LOGISTIC REGRESSION DALAM MEMPREDIKSI KELAS HARGA SMARTPHONE BERDASARKAN SPESIFIKASI Sembiring, Dimas -
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8401

Abstract

AbstractThe rapid growth of the smartphone industry requires a deeper understanding of price segmentation based on device specifications. This study aims to develop a smartphone price classification model using Logistic Regression and to evaluate the impact of data preprocessing and hyperparameter tuning on model performance. The results show that the model achieves good classification accuracy, with RAM and screen resolution as the most influential features. Data normalization also improves the stability of the model’s predictions. 
Systematic Literature Review: Analisis Faktor Yang Memengaruhi Discontinued Penggunaan Aplikasi LINE Menggunakan Model UTAUT 2 Muhammad Sharhan khatami
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8376

Abstract

Penurunan penggunaan aplikasi pesan instan LINE di Indonesia menunjukkan adanya perubahan preferensi pengguna dalam memilih media komunikasi digital. Fenomena ini menegaskan pentingnya memahami faktor-faktor yang memengaruhi niat penghentian penggunaan (discontinued intention) pada tahap pasca-adopsi teknologi. Meskipun model Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) digunakan untuk mengkaji penerimaan dan keberlanjutan penggunaan teknologi, kajian yang secara sistematis merangkum faktor-faktor yang berkaitan dengan penghentian penggunaan aplikasi komunikasi digital masih terbatas. Penelitian ini bertujuan mengidentifikasi dan mensintesis temuan penelitian terkait faktor-faktor yang memengaruhi discontinued intention dengan menggunakan pendekatan Systematic Literature Review (SLR). Proses SLR dilakukan melalui penelusuran basis data ilmiah, seleksi artikel berdasarkan kriteria inklusi dan eksklusi, serta ekstraksi dan analisis temuan dari studi yang relevan. Hasil kajian menunjukkan bahwa variabel seperti Performance Expectancy, Effort Expectancy, Social Influence, Hedonic Motivation, dan Price Value sering berkaitan dengan perubahan niat penggunaan, termasuk kecenderungan penghentian penggunaan, sedangkan Facilitating Conditions dan Habit menunjukkan hasil yang lebih tidak konsisten. Temuan ini menunjukkan bahwa persepsi manfaat, kemudahan penggunaan, pengalaman pengguna, dan faktor sosial berperan penting dalam keputusan pengguna untuk melanjutkan atau menghentikan penggunaan aplikasi komunikasi digital. Penelitian ini diharapkan dapat menjadi dasar konseptual bagi studi empiris selanjutnya mengenai penghentian penggunaan aplikasi pesan instan

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 7, No 1 (2026): April 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