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 267 Documents
 23   24   25   26   27 
OPTIMALISASI PREDIKSI SAHAM APPLE DAN SAMSUNG DENGAN ALGORITMA BPNN Mutiarachim, Atika; Kusumawati, Yupie; Nurchayati, Nurchayati; Indriawati, Aulia
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6707

Abstract

Pasar saham global khususnya bidang teknologi mengalami volatilitas yang signifikan, dengan saham Apple Inc. dan Samsung Electronics Co., Ltd sebagai pemain utama. Prediksi signifikan sangat diperlukan untuk mengurangi resiko investasi. Penelitian ini menganalisis dan membandingkan kinerja Backpropagation Neural Network (BPNN) dalam memprediksi pergerakan saham Apple dan Samsung. Dataset publik diperoleh dari Kaggle, saham Samsung dengan 6128 data periode 4 Januari 2000 sampai 13 Juni 2024 dan saham Apple dengan 2476 data periode 2 Januari 2014 sampai 31 Oktober 2023. Metode BPNN diterapkan dengan optimasi parameter learning rate, momentum, dan training cycle, pembagian data 10-fold cross validation, evaluasi nilai Root Mean Square Error (RMSE). Hasil terbaik menunjukkan konfiguasi optimal diperoleh dari learning rate 0.1, momentum 0.9, error epsilon 1.0E-4 dan training cycle 60. Nilai RMSE terbaik saham Apple 0.802 0.263 dengan akurasi 99.85%, dan pada saham Samsung RMSE terbaik 399.806 102.670 dengan akurasi 99.36%. Penelitian membuktikan BPNN dengan pola 0.1-0.9-60 sangat efektif memprediksi harga Close sehingga mampu memberikan kontribusi signifikan bagi investor dalam melakukan evaluasi investasi sebagai strategi meminimalisir resiko saham.
MODEL PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA DENGAN TEKNIK DATA MINING Salsabillah, Tasya
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7113

Abstract

Pada penelitian ini bertujuan untuk membangun model prediksi kelulusan tepat waktu dengan teknik data mining menggunakan algoritma C4.5. Model ini diharapkan mampu memberikan kontribusi nyata dalam meningkatkan efisiensi dan efektivitas proses pembelajaran di perguruan tinggi serta membantu mahasiswa dalam mencapai target kelulusan tepat waktu. Dengan memanfaatkan algoritma C4.5, prediksi kelulusan tepat waktu dapat dilakukan berdasarkan sejumlah atribut atau variabel seperti Jenis Kelamin, Indeks Prestasi Kumulatif (IPK), Masa Studi, SKS, Status Pekerjaan (Bekerja, Tidak Bekerja). Hasil prediksi ini dapat membantu pihak perguruan tinggi dalam mengidentifikasi mahasiswa yang memiliki risiko tidak lulus tepat waktu Sehingga hal ini membutuhkan solusi yang lebih efisien untuk mengatasi masalah yang terjadi.
PEMBUATAN PLATFORM DIGITAL UNTUK EDUKASI DAN E-COMMERCE HIDROPONIK BERBASIS BUSINESS INTELLIGENCE: STUDI KASUS HYDROSPACE Hanifah, Nurrizkyta Aulia; Musthafa Arrachman, Muhammad Aqil Musthafa Arrachman; Al Fatih, Muhammad Fillah; Salsabila, Nasywa Shafa; Mindara, Gema Parasti; Wicaksono, Aditya
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6501

Abstract

Urban farming has become one of the solutions to address limited land availability in cities, with hydroponics being an effective method. However, the low literacy level of the public regarding hydroponics hinders the adoption of this technology. This research aims to develop a digital platform, HydroSpace, which integrates hydroponic education and e-commerce services to facilitate the public's access to information and hydroponic supplies. The Waterfall method was used in the platform's development, focusing on educational features in the form of video tutorials, a hydroponic product marketplace, and a Business Intelligence (BI) system for user data analysis. Data was collected through platform testing with various users, and the results show that HydroSpace effectively improved users' understanding of hydroponics and facilitated the purchase of hydroponic supplies. The conclusion of this research is that HydroSpace can be an efficient solution to enhance hydroponic literacy and support sustainable urban farming.
Cover Agustus 2025 Agustus, Cover
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7393

Abstract

-
ANALISIS TINGKAT KEBUTUHAN DETOKSIFIKASI MEDIA SOSIAL TERHADAP GENERASI Z DI KOTA BATAM Hu, Cendy; Chang, Shelina; Huang, Jocelyn; Yeo, Kennedi; Tan, Calvin
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6967

Abstract

Kecanduan media sosial menjadi isu yang signifikan terutama bagi Generasi Z yang hidup dalam lingkungan digital yang intensif. Studi ini memiliki tujuan untuk menganalisis pengaruh Fear of Missing Out (FOMO) dan Kesepian terhadap tingkat kebutuhan detoksifikasi media sosial pada Generasi Z di Kota Batam. Pendekatan kuantitatif di terapkan, melibatkan 397 responden. Data diperoleh melalui kuesioner daring yang mengukur tiga variabel utama: FOMO, kesepian, dan adiksi media sosial. Uji validitas dan reliabilitas dilakukan dengan bantuan SPSS, menghasilkan nilai Cronbach’s Alpha > 0,7. Analisis data menggunakan Structural Equation Modeling (SEM) menunjukkan bahwa FOMO memiliki dampak yang kuat dan substansial akan adiksi media sosial, sementara kesepian berpengaruh secara signifikan namun relatif lemah. Temuan ini menegaskan pentingnya intervensi psikologis dan upaya detoksifikasi digital guna menjaga kesehatan mental dan keseimbangan penggunaan media sosial di kalangan Generasi Z.
PERAN INTERNET OF THINGS (IOT) DAN ARTIFICIAL INTELLIGENCE (AI) DALAM MAINTENANCE LABORATORIUM: TINJAUAN LITERATUR Rara, Rara; Wulandari, Dwi Noviana; Maliya, Fina; Akhsan, Hamdi; Amri, Iful
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6538

Abstract

Penelitian ini bertujuan untuk mengkaji peran teknologi Internet of Things (IoT) dan Artificial Intelligence (AI) dalam mendukung proses pemeliharaan (maintenance) di laboratorium modern. Metode yang digunakan adalah Systematic Literature Review (SLR) berdasarkan pedoman PRISMA, 26 artikel dengan rentang tahun (2015-2025) dari database seperti Scopus dan IEEE Xplore dianalisis untuk menjawab empat pertanyaan penelitian : (1) penggunaan IoT (sensor dan platform), (2) aplikasi AI (algoritma dan fungsi), (3) dampak terhadap efisiensi, pengukuran dan produktivitas serta (4) tantangan implementasi. IoT dengan sensor DHT11 dan platform Docker memungkinkan pemantauan peralatan secara real-time dan otomatis. AI, melalui algoritma pembelajaran mesin memungkinkan prediksi kerusakan dan eksperimen otomatis. Teknologi ini meningkatkan efisiensi energi hingga 30% dan akurasi hasil laboratorium, tetapi tantangan seperti kompleksitas sistem, interoperabilitas, kualitas data, dan kesiapan SDM menghambat penerapan AI dan IoT. Rekomendasi meliputi proyek percontohan berbasis Raspberry Pi dan pelatihan teknis.
PENINGKATAN BRAND AWARENESS PADA SOSIAL MEDIA INSTAGRAM UNGGUL SMART LIVING MENGGUNAKAN METODE SOSTAC Yudianto, Firman
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.7238

Abstract

Penelitian ini bertujuan untuk meningkatkan brand awareness pada akun Instagram @unggulsmartliving dengan menerapkan metode SOSTAC (Situation, Objectives, Strategy, Tactics, Action, Control). Penelitian dilakukan dengan pendekatan kualitatif deskriptif yang dimulai dengan analisis situasi menggunakan wawancara, Instagram Insight, analisis kompetitor, dan SWOT. Strategi ditetapkan melalui pendekatan STP dan taktik dirancang dengan 4P Marketing Mix. Implementasi dilakukan melalui penjadwalan konten secara konsisten dengan memanfaatkan fitur Reels, Stories, dan interaksi langsung dengan audiens. Evaluasi menggunakan Key Performance Indicators (KPI) menunjukkan peningkatan signifikan: followers meningkat 88,6%, jangkauan akun 31,2%, kunjungan profil 49,2%, tayangan 58,0%, dan interaksi audiens 73,8%. Hasil ini membuktikan bahwa metode SOSTAC efektif dalam membangun kesadaran merek secara digital bagi brand baru seperti Unggul Smart Living.
INTEGRASI MACHINE LEARNING DAN ANALISIS SPASIAL UNTUK PREDIKSI WILAYAH RAWAN TUBERKULOSIS DI PROVINSI SUMATERA UTARA Ramadhani, Fanny; Iskandar Al-Idrus, Said; Septiana, Dian; Arnita, Arnita; Retno Wahyuningrum, Diah
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6840

Abstract

Tuberkulosis (TBC) masih menjadi masalah kesehatan masyarakat yang serius di Provinsi Sumatera Utara. Prevalensi tinggi terutama di daerah padat penduduk dan terbatasnya akses layanan kesehatan menjadi tantangan utama dalam pengendalian TBC. Penelitian ini bertujuan untuk memprediksi wilayah rawan TBC dengan mengintegrasikan algoritma machine learning dan analisis spasial. Data sekunder diperoleh dari Sistem Informasi Tuberkulosis Nasional (SITB), Badan Pusat Statistik (BPS), dan shapefile administrasi wilayah kabupaten/kota di Sumatera Utara. Variabel prediktor meliputi kepadatan penduduk, status gizi, jumlah fasilitas kesehatan, tingkat kemiskinan, kualitas hunian, dan cakupan imunisasi. Model dikembangkan menggunakan algoritma Random Forest, sementara analisis spasial dilakukan menggunakan QGIS untuk menghasilkan peta risiko TBC. Hasil model menunjukkan akurasi sebesar 86,2% dengan variabel paling berpengaruh adalah kepadatan penduduk, kualitas hunian, dan akses fasilitas kesehatan. Peta risiko yang dihasilkan mengidentifikasi wilayah seperti Kota Medan, Deli Serdang, dan Labuhanbatu sebagai zona merah. Hasil penelitian ini diharapkan menjadi dasar perencanaan intervensi kesehatan yang lebih tepat sasaran di Sumatera Utara.
ANALISIS SENTIMEN ULASAN APLIKASI IBI LIBRARY PADA GOOGLE PLAY STORE MENGGUNAKAN NAIVE BAYES CLASSIFIER Reyan, Muhammad; Purwaningtyas, Franindya
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6968

Abstract

Riset bertujuan sebagai cara mengidentifikasi persepsi pengguna terhadap aplikasi iBI Library dan mengevaluasi kualitas layanan perpustakaan digital berbasis mobile library dalam memenuhi kebutuhan informasi. Pendekatan Knowledge Discovery in Database (KDD) yang diintegrasikan bersama metode klasifikasi Naive Bayes dalam tiga model meliputi Gaussian, Multinomial dan Bernoulli digunakan pada penelitian.  Pemerolehan data ulasan berasal dari web scraping google play store, kemudian dianalisis melalui proses preprocessing, pelabelan sentimen dengan VADER, transformasi fitur menggunakan TF-IDF, evaluasi model dengan confusion matrix akan dilakukan. Dari yang dilakukan tersebut, ditunjukkan bahwa model MultinomialNB menghasilkan akurasi tertinggi (68,89%), diikuti BernoulliNB (66,67%) dan GaussianNB (51,11%). Sebagian besar ulasan berada dalam kategori netral, yakni sebanyak 76,9% dari total data. Sementara itu, ulasan dengan sentimen positif (12,0%) dan sentimen negatif tercatat sebanyak (11,1%). Visualisasi wordcloud memperkuat analisis dengan menampilkan kosakata dominan pada tiga jenis sentiment, yaitu positif, negatif dan netral. Dengan begitu, kesimpulan kajian ini ialah integrasi NLP dan klasifikasi Naive Bayes merupakan pendekatan efektif dalam mengevaluasi opini pengguna dan meningkatkan pengambilan keputusan dalam pengembangan aplikasi perpustakaan digital.
PENDEKATAN DATA-DRIVEN: CLUSTERING UNTUK SEGMENTASI KARYAWAN YANG CENDERUNG MENGALAMI ATRISI Purnamasari, Fanindia
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6676

Abstract

Analisis sumber daya manusia dapat dilakukan melalui pendekatan berbasis data untuk mendukung pengambilan keputusan yang lebih efektif. Clustering, yaitu metode pengelompokan data berdasarkan kesamaan fitur tanpa label sebelumnya, merupakan salah satu teknik yang banyak digunakan. Penelitian ini bertujuan untuk menemukan pola dan mengklasifikasikan kelompok karyawan yang berpotensi mengalami atrisi berdasarkan karakteristik seperti performa kerja, masa kerja, dan data demografis. Dua algoritma clustering, yaitu K-Means dan DBSCAN, dibandingkan untuk mendapatkan hasil terbaik. Hasil penelitian menunjukkan adanya empat kelompok utama: pekerja senior dengan performa tinggi, karyawan dengan pengalaman baru, tenaga teknis berpengalaman, dan kelompok produktif dengan latar belakang pengalaman yang beragam. Proses prapemrosesan, analisis data, dan penerapan algoritma clustering dilakukan untuk menghasilkan segmentasi yang akurat. Hasil segmentasi ini diharapkan dapat menjadi dasar bagi manajemen dalam merancang strategi pengembangan SDM yang lebih tepat sasaran, serta meningkatkan efisiensi dan perencanaan SDM secara keseluruhan.  

Page 25 of 27 | Total Record : 267

 23   24   25   26   27 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue 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