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 368 Documents
 33   34   35   36   37 
PENGENAL WAJAH MENGGUNAKAN METODE VIOLA JONESDENGAN MENGGUNAKAN APLIKASI MATLAB 2015 Tarigan, Efraim; Naibaho, Rahmat Sulaiman; Satria, Andi
Djtechno: Jurnal Teknologi Informasi Vol 4, No 1 (2023): Juli
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v4i1.3256

Abstract

Citra photo (photographyc image) adalah hasil dan rekaman objek yang berfungsidalam bentuk sensor kamera. gambaryang akan dideteksi adalah gambar manusia. Dideteksinya wajah didalam gambar atau cita photo adalah dengan mengimplementasikanya gambar pada wajah (face recognition), yang digunakan dalam pengolahan citra digital. Untuk meningkatkan akurasi dari metode yang digunakan, maka dapat dikombinasikan dengan algoritma viola jones sehingga proses pengenalan wajah hanya terhadap daerah wajah saja. gambar integral yang digunakan dalam mengimplementasikan serta mengetahui hasil akurasi dalam mendeteksi wajah seseorang, untuk akurasinya ada sebesar 80,8% untuk gambar wajah dan 55,5% untuk gambar bukan wajah. Ada tiga proses dalam mendeteksi wajah. Pertama “Gambar Integral” yangmengimplementasikan serta mengetahui hasil akurasi dalam mendeteksi wajah seseorang. Kedua adalah cascade-classifier yang dibangun dalam algoritma viola jones dalam memilih jumlah wajah yang ingin diteteksi. dan ketiga metode yang akan digunakan untuk menggabungkan ke dalam cascade-classifier dalam mendeteksilokasi keberadaan wajah dalam citra.
FORECASTING HARGA DAGING AYAM RAS MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN SARIMA DI JAWA TIMUR Septiajayanti, Dwi; Enggrayni, Freya; Dwi K, Yuana Istiqomah; Hardiyanto, Eko
Djtechno: Jurnal Teknologi Informasi Vol 6, No 3 (2025): Desember
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i3.7877

Abstract

Penelitian ini bertujuan untuk memprediksi harga daging ayam ras di Provinsi Jawa Timur sebagai upaya mendukung ketahanan pangan dan perumusan kebijakan yang responsif terhadap kebutuhan masyarakat. Data historis harga harian daging ayam ras periode Januari 2022 hingga Juli 2025 dikumpulkan melalui web scraping dari situs Siskaperbapo. Tahapan penelitian meliputi pengumpulan data, pembersihan dan normalisasi menggunakan Z-Score, analisis eksploratif, pemodelan menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Long Short-Term Memory (LSTM), evaluasi model dengan metrik Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE), serta implementasi forecasting. Hasil penelitian menunjukkan bahwa model SARIMA(0,0,2)(0,1,1,12) menghasilkan nilai RMSE sebesar 1.521 dan MAPE 38,6%, sedangkan model LSTM memberikan performa lebih baik dengan RMSE 0.002 dan MAPE 20,31%. LSTM mampu menangkap pola data dengan baik dan lebih akurat dibanding SARIMA, meskipun terdapat deviasi pada periode penurunan harga yang tajam. LSTM direkomendasikan sebagai metode peramalan harga daging ayam ras di Jawa Timur karena mampu memberikan hasil prediksi yang lebih presisi. Penelitian selanjutnya dapat mengembangkan pendekatan hibrida untuk meningkatkan akurasi peramalan jangka panjang.
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. 

Page 37 of 37 | Total Record : 368

 33   34   35   36   37 

Filter by Year

2020 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