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 
ANALISIS REGRESI LOGISTIK DENGAN SELEKSI FITUR DAN VALIDASI SILANG DALAM MENENTUKAN MODEL PREDIKSI STATUS GIZI ANAK Sari, Dwi Wulandari; Gusti Ayu, Kurnia; Budi Prabowo, Hariesa
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.v6i2.6925

Abstract

The impact of the economic crisis after the COVID-19 pandemic and the Russia-Ukraine conflict has affected Indonesia's food stability, including the nutritional intake of school children. To respond to this, this study developed a multivariate logistic regression-based predictive model to identify children's nutritional status (normal, malnourished or obese) based on questionnaire data of parents with children aged 6-15 years. The variables analyzed included eating patterns, physical activity, snacking habits, and consumption of fast food and sweet drinks. The results of the Pearson correlation analysis showed that children with a balanced diet (rich in vegetables, fruits, and protein) tend to have normal nutritional status, while the consumption of fast food andsugary drinks is negatively correlated with nutritional health. Breakfast and physical activity were also shown to have a positive effect. However, the prediction model built has limited accuracy with high specificity for normal cases at 0.92, but low sensitivity at 0.38 in detecting poor nutrition/obesity. This means that the model is not yet reliable enough for critical medical applications, but it remains useful as an initial scoring tool. These findings leadto three practical recommendations: (1) an early detection system for nutrition problems based onsimple scores, (2) personalized nutrition interventions (such as reducing fastfood and increasing physical activity), and (3) refining the Free Nutritious Meal program so that it is well-targeted. Although still in the proof of concept stage (TKT 3), this research provides a scientific foundation for data-driven nutrition policy at the primary healthcare level, especially in the midst of global economic challenges that affect family food security. With this approach, efforts to prevent malnutrition in school children are expected to be more targeted, efficient and adaptive to changing socio-economic dynamics.
APLIKASI PENGENALAN IKAN HIAS UNTUK PELAJAR MENGGUNAKAN TEKNOLOGI AUGMENTED REALITY BERBASIS ANDROID Purwanto, Heri; Maulana, Dimas Dwi; Sofian, Rudy; Nugraha, Rikky Wisnu; Andriansyah, Edi
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.v6i2.6944

Abstract

Indonesia’s marine biodiversity requires early education, yet conventional learning media are less engaging for children. This study develops an Augmented Reality (AR)-based learning application to introduce Indonesia’s ornamental fish interactively. The application features 3D models, allowing children to engage directly with fish visualizations. The Extreme Programming (XP) method was applied with continuous iterations to ensure application quality. Black Box Testing conducted on 30 early childhood learners showed a 40% increase in learning interest compared to conventional media, along with improved understanding of marine biodiversity. The results demonstrate that this application effectively enhances children's interest in learning and raises awareness of marine conservation. Future developments may include additional features such as interactive quizzes and gamification to improve user engagement.
PENERAPAN ALGORITMA GRONSFELD DALAM PENGAMANAN DATA PENJUALAN SPAREPART satrianto, hendri; zulham, zulham; yasir, amru
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.v6i2.7365

Abstract

AbstrakPerkembangan teknologi informasi telah memungkinkan komunikasi dan pertukaran data tanpa batasan jarak dan waktu. Seiring dengan meningkatnya kebutuhan akan keamanan data, perlindungan terhadap kerahasiaan informasi menjadi sangat penting. Salah satu cara untuk menjaga kerahasiaan data adalah dengan menggunakan kriptografi, yang mencakup proses enkripsi dan dekripsi pesan. Dalam hal ini, algoritma Gronsfeld Cipher digunakan sebagai solusi untuk meningkatkan keamanan data penjualan pada PT. Buana Jaya Lestari, yang masih menggunakan sistem manual berbasis Microsoft Excel untuk menyimpan data penjualan sparepart sepeda motor. Sistem tersebut rentan terhadap pencurian dan manipulasi data. Penelitian ini bertujuan untuk merancang aplikasi berbasis web yang dapat mengamankan database penjualan dengan menerapkan algoritma Gronsfeld Cipher. Algoritma ini bekerja dengan menggantikan karakter plaintext menggunakan angka untuk mengenkripsi data, sehingga menghasilkan ciphertext yang lebih aman. Dengan penerapan algoritma ini, diharapkan dapat mengatasi masalah pencurian data dan memberikan solusi keamanan yang lebih baik untuk perusahaan. Penelitian ini juga memberikan kontribusi dalam meningkatkan pemahaman tentang penerapan kriptografi dalam melindungi data sensitif, khususnya di lingkungan bisnis.
ANALISIS SENTIMEN PENGGUNA APLIKASI SAPAWARGA - JABAR SUPER APPS MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Shafa, Raisya Nadzira Zahirahtush; Herliana, Asti
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.v6i2.6877

Abstract

Pertumbuhan aplikasi layanan publik digital menjadi bagian penting dalam reformasi birokrasi dan transformasi pelayanan pemerintah kepada masyarakat. Salah satu implementasinya di Provinsi Jawa Barat adalah aplikasi Sapawarga – Jabar Super Apps, yang mempermudah akses masyarakat terhadap layanan publik. Penelitian ini bertujuan mengevaluasi opini publik terhadap aplikasi tersebut melalui pendekatan analisis sentimen berbasis teks ulasan pengguna di App Store, terutama pasca peralihan kepemimpinan daerah. Metode yang digunakan adalah pendekatan lexicon-based sentiment analysis dengan kamus Indonesian Sentiment Lexicon (InSet), dilanjutkan dengan klasifikasi menggunakan algoritma Support Vector Machine (SVM). Proses penelitian meliputi preprocessing data (cleansing, normalisasi, tokenisasi, dan penghapusan stopwords), pelabelan sentimen, ekstraksi fitur menggunakan TF-IDF, dan evaluasi model melalui confusion matrix. Data diperoleh melalui web scraping, menghasilkan 229 ulasan valid, yang diklasifikasikan menjadi 166 sentimen negatif, 47 positif, dan 16 netral. Hasil evaluasi menunjukkan akurasi tertinggi sebesar 86% pada skenario pembagian data latih dan uji 90:10. Penelitian ini memberikan gambaran objektif mengenai persepsi pengguna terhadap layanan digital publik serta rekomendasi berbasis data bagi pengambil kebijakan dan pengembang aplikasi dalam meningkatkan kualitas dan responsivitas pelayanan.
IDENTIFIKASI CYBERBULLYING PADA MEDIA SOSIAL MENGGUNAKAN ALGORITMA NAÏVE BAYES Nita, Taura; Alam, RG Guntur; Muntahanah, Muntahanah
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.v6i2.7154

Abstract

Platfom mendorong pertumbuhan sosial media sebagai sarana komunikasi utama dalam kehidupan sehari-hari. Platfom seperti Instagram yang dapat menggunakan kata-kata, gambar, atau video untuk mengekspresikan diri dan berbagi informasi. Media sosial menawarkan banyak manfaat, tetapi juga bisa membuka peluang bagi munculnya berbagai perilaku negatif, Cyberbullying, yang sering dikenal sebagai perundungan di dunia maya, adalah salah satunya. Data untuk penelitian ini diambil melalui crawling igcomment.com, yang bisa menggambil komentar dengan mengklik linknya dan masukkan salin link video ke dalam tautan postingan. Teknik ini memungkinkan untuk mengekstrak data dari komentar pos di Instagram, yang akan digunakan sebagai sumber data. Informasi yang dikumpulkan terdiri dari komentar yang ditinggalkan pada postingan yang dibuat oleh akun @safnoviart.  Periode pengumpulan data adalah dari 28 April 2025 hingga 4 Mei 2025. Selanjutnya hasil dari pelabelan akan dialkukan Tokenizing, cleaning data, Removal, Stemming, stopword, casefoldin adalah semua contoh praproses yang akan dilakukan. TF-IDF kemudian akan digunakan untuk memberikan bobot pada setiap kata dalam dokumen. Evaluasi terhadap model dilakukan dengan membandingkan hasil prediksi dengan membandingkan pelabelan awal pada data uji dengan hasil yang diharapkan. Dari total 203 data uji, model berhasil memcapai akurasi sebesar 93.10%, dengan precision 94.44%, recall 98.42%, dan F1-score 96.38%. ini menunjukkan bahwa model cukup efektif dalam mengenali komentar bullying secara tepat dan menyeluruh. Penggunaan algoritma Naïve Bayes terbukti bisa membantu mengelompokkan komentar secara otomatis  berdasarkan kata-kata yang sering muncul dalam komentar bullying. Pendekatan ini cukup menjanjikan dan bisa dikembangkan lebih lanjut sebagai alat bantu untuk mendeteksi cyberbullying.
POLA-POLA PENGGUNAAN KECERDASAN ARTIFISIAL DALAM PENELITIAN KEAMANAN PANGAN Suharjo, Bambang
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.v6i2.6685

Abstract

Penelitian ini mengkaji penggunaan kecerdasan buatan (AI) dalam meningkatkan ketahanan pangan melalui tinjauan sistematis dan analisis bibliometrik. Dengan meningkatnya tantangan global seperti perubahan iklim dan pertumbuhan populasi, AI menawarkan solusi inovatif dalam sektor pangan. Studi ini menggunakan data dari Scopus dan analisis dilakukan dengan perangkat lunak VOSviewer untuk mengidentifikasi tren dan klaster tematik dalam literatur yang berkaitan dengan AI dan ketahanan pangan. Hasil menunjukkan peningkatan signifikan dalam publikasi terkait AI dalam lima tahun terakhir, dengan dominasi topik seperti prediksi hasil panen, deteksi penyakit tanaman, dan pengelolaan sumber daya pertanian. Klasterisasi tematik mengungkapkan adanya fokus pada pengembangan aplikasi prediktif dan diagnostik yang memanfaatkan teknologi penginderaan jauh dan pembelajaran mendalam. Penelitian ini menyarankan integrasi lebih lanjut antara teknologi AI dan sistem pertanian presisi untuk mendukung keputusan berbasis data dalam ketahanan pangan dan pertanian berkelanjutan.
RANCANG BANGUN SISTEM PENGAJUAN KEGIATAN ORMAWA DENGAN MENGGUNAKAN METODE PROTOTYPING 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.v6i2.7053

Abstract

Proses pengajuan kegiatan Organisasi Mahasiswa (Ormawa) di lingkungan kampus masih menghadapi kendala administratif, seperti prosedur manual yang memakan waktu dan tidak efisien. Penelitian ini bertujuan merancang dan mengembangkan sistem pengajuan kegiatan Ormawa berbasis web dengan metode Prototyping, guna mempermudah validasi, revisi, dan persetujuan proposal secara digital. Penelitian dilakukan melalui tahapan identifikasi kebutuhan, perancangan prototype, evaluasi, pengujian (black box testing), dan User Acceptance Testing. Sistem ini dibangun menggunakan teknologi PHP dan MySQL serta diuji secara fungsional dan kualitatif terhadap pengguna utama seperti pengurus Ormawa dan pihak kemahasiswaan. Hasilnya menunjukkan bahwa sistem mampu mempercepat proses pengajuan, mengurangi cetak ulang dokumen, dan mendukung komunikasi revisi melalui fitur komentar terintegrasi. Kesimpulan dari penelitian ini menyatakan bahwa sistem yang dirancang efektif dalam mengatasi permasalahan administrasi kegiatan Ormawa serta meningkatkan efisiensi, transparansi, dan kepuasan pengguna dalam proses pengajuan kegiatan.
KLASIFIKASI ULASAN APLIKASI KOPI KENANGAN PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Fadli, Muhammad Abil; tukino, Tukino; Novalia, Elfina; Hananto, April Lia
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.v6i2.7037

Abstract

Aplikasi Kopi Kenangan merupakan aplikasi yang digunakan untuk pemesanan minuman secara online milik perusahaan PT Bumi Berkah Boga. Selain hal tersebut aplikasi ini juga membantu perusahaan menerima ulasan terkait pengalaman pelanggan dalam menggunakan layanan aplikasi kopi kenangan. Namun ulasan pelanggan di Google Playstore memiliki jumlah data yang banyak sehingga sulit dianalisis secara manual. Tujuan penelitian ini melakukan klasifikasi ulasan pelanggan pada aplikasi Kopi Kenangan mempergunakan algoritma Naïve bayes. Metode penelitian ini meliputi pengumpulan data, preprocessing, pemodelan dan evaluasi. Data yang dipergunakan dalam penelitian ini yaitu sebesar 1000 data dengan lima kategori yaitu promo, pelayanan, performa aplikasi, transaksi dan kualitas produk. Hasil penelitian menunjukkan bahwa kategori ulasan terbanyak adalah tentang performa aplikasi dengan persentase 45% dari total 1000 data ulasan. Hasil akurasi penelitian yaitu sebesar 85% yang menunjukkan bahwa model dapat melakukan klasifikasi data kategori sentimen dengan cukup baik.
ANALISIS SENTIMENT PENGGUNA APLIKASI MOBILE LEGEND DI PLAYSTORE DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM) Yani, Fitri
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.v6i2.7313

Abstract

Perkembangan industry game di Indonesia menunjukkan pertumbuhan yang signifikasn, dengan aplikasi Mobile legends: Bang-Bang menjadi salah satu game MOBA paling popular dan banyak diulas oleh pengguna di Google Play Store. Ulasan pengguna ini mencerminkan persepsi terhadap kualitas aplikasi, yang dapat dianalisis melalui pendekatan analisis sentiment. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma klasifikasi teks, yaitu Naïve Bayes dan Support vector machine (SVM), dalam mengklasifikasikan sentiment ulasan pengguna ke dalam kategori positif dan negative. Data diperoleh dari hasil web scraping  terhadap 6.000 ulasan berbahasa Indonesia, kemudian dilakukan text processing dan pelabelan sentiment. Hasil evaluasi menunjukkan bahwa algoritma SVM menghasilkan akurasi tertinggi sebesar 95,5%, sementara Naïve Bayes memperoleh akurasi sebesar 76,08%. Berdasarkan hasil dari confussion matrix, SVM menunjukkan performa yang lebih konsisten dan akurat dalam mengklasifikasikan ulasan. Temuan ini mengindikasikan bahwa SVM lebih efektif dalam melakukan analisis sentiment pada ulasan pengguna aplikasi Mobile legends
OPTIMASI SUPPORT VECTOR MACHINE MENGGUNAKAN SELEKSI FITUR RANDOM FOREST DAN HYPERPARAMETER GRIDSEARCHCV UNTUK KLASIFIKASI RAISIN DATASET Anugrah, Gregian Bayu; Arifin, Toni
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.v6i2.7008

Abstract

Raisin (kismis) merupakan buah kering yang memiliki nilai kandungan gizi yang tinggi dan kaya akan serat. Seiring dengan meningkatnya produksi global, kebutuhan akan sistem klasifikasi otomatis yang akurat menjadi semakin krusial untuk efisiensi industri. Proses klasifikasi manual dinilai tidak efisien, memakan waktu, serta rawan kesalahan manusia, sehingga diperlukan pendekatan berbasis kecerdasan buatan. Penelitian ini bertujuan untuk mengoptimalkan model klasifikasi Support Vector Machine (SVM) dengan penerapan seleksi fitur menggunakan algoritma Random Forest dan optimasi hyperparameter menggunakan GridSearchCV. Dataset yang digunakan adalah Raisin Dataset dari UCI Machine Learning Repository yang terdiri dari 900 sampel dua jenis raisin, yaitu Kecimen dan Besni, masing-masing memiliki tujuh fitur numerik morfologis. Hasil evaluasi menunjukkan bahwa model SVM yang telah dioptimasi mampu mencapai akurasi sebesar 90.00% dan nilai AUC 0,9388. Temuan ini menunjukkan bahwa kombinasi seleksi fitur dan optimasi hyperparameter dapat meningkatkan kinerja model klasifikasi. Penelitian ini juga memiliki perbedaan dari studi sebelumnya dalam hal objek, waktu pelaksanaan, literatur, pendekatan teori, serta hasil akhir yang diperoleh. Pendekatan ini memperkuat pemanfaatan machine learning dalam sektor agroindustri dan membuka peluang pengembangan sistem klasifikasi pangan yang lebih efisien dan presisi.

Page 26 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