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 464 Documents
 43   44   45   46   47 
OPTIMASI GRID SEARCH PADA SISTEM DETEKSI INTRUSI JARINGAN MENGGUNAKAN SUPPORT VECTOR MACHINE Radhiyatammardhiyyah Radhiyatammardhiyyah
Djtechno: Jurnal Teknologi Informasi Vol 7, No 2 (2026): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i2.9509

Abstract

Ancaman serangan digital yang terus meningkat mendorong kebutuhan akan sistem deteksi intrusi jaringan yang akurat dan efisien. Sistem ini berperan dalam memantau lalu lintas jaringan serta mengidentifikasi aktivitas mencurigakan sebelum berdampak pada infrastruktur. Penelitian ini bertujuan untuk mengevaluasi kinerja metode Support Vector Machine dalam mengklasifikasikan lalu lintas jaringan ke dalam tiga kategori, yaitu Normal, Exploits, dan Generic, menggunakan dataset UNSW-NB15. Tahapan penelitian meliputi preprocessing data, encoding fitur kategorikal, standardisasi fitur numerik, serta pembagian data latih dan data uji. Untuk mengatasi ketidakseimbangan data, dilakukan proses sampling pada setiap kelas. Model dilatih menggunakan kernel Radial Basis Function dengan parameter terbaik yang diperoleh melalui proses optimasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 95% dengan performa klasifikasi yang baik pada seluruh kategori. Berdasarkan hasil tersebut, metode Support Vector Machine efektif digunakan untuk mendukung sistem deteksi intrusi jaringan dalam mengidentifikasi berbagai jenis serangan secara akurat.
SMART BRANDING DIGITAL BERBASIS AI DAN OTOMASI UNTUK ESKALASI PRODUK LOKAL UMKM KECAMATAN TELANAIPURA KOTA JAMBI Irma Yunita; cecilia cecilia; Abe Wisnu Syaputra; fadhliazis fadhliazis; Nurul Sri Handini; Arie Agus Setiawan
Djtechno: Jurnal Teknologi Informasi Vol 7, No 2 (2026): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i2.9719

Abstract

Digitalisasi Usaha Mikro, Kecil, dan Menengah (UMKM) di Kecamatan Telanaipura Kota Jambi masih menghadapi kendala rendahnya kapasitas branding digital, keterbatasan literasi teknologi, dan minimnya otomasi dalam pengelolaan konten promosi. Penelitian ini bertujuan merancang dan membangun sistem Smart Branding Digital berbasis kecerdasan buatan (AI) dan otomasi untuk membantu pelaku UMKM menghasilkan konten pemasaran secara mandiri, cepat, dan konsisten. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan model prototyping, meliputi tahap pengumpulan kebutuhan, perancangan antarmuka, pembangunan sistem, pengujian black-box dan User Acceptance Test (UAT), serta evaluasi terhadap pelaku UMKM di enam kelurahan Kecamatan Telanaipura. Sistem yang dihasilkan terdiri atas modul direktori UMKM, katalog produk, studio konten AI untuk menghasilkan deskripsi produk, caption promosi, tagar, dan ide konten secara otomatis, kalender publikasi dengan penjadwalan otomatis, etalase digital publik, serta dasbor analitik skor kesiapan branding per kelurahan. Hasil pengujian menunjukkan seluruh fungsi utama berjalan sesuai rancangan dengan tingkat penerimaan pengguna yang tinggi, dan skor kesiapan branding digital pelaku UMKM meningkat signifikan setelah menggunakan fitur studio konten AI. Penelitian ini menyimpulkan bahwa integrasi AI generatif dan otomasi penjadwalan konten dapat menjadi solusi praktis dan berkelanjutan untuk mempercepat eskalasi produk lokal UMKM ke pasar digital.Kata Kunci: Smart Branding, Kecerdasan Buatan, Otomasi, UMKM, Telanaipura
TRANSFORMASI LAYANAN MANDIRI WARGA BERBASIS ADMINISTRASI MOBILE DALAM MENDUKUNG AGILE GOVERNANCE KOTA JAMBI Arif Setiadi; Saut Horas Tua Siagian; Akhmad Faisal Husni; fadhliazis fadhliazis; Fitra Kebesa Miten; Tri Rizqi Ariantoro
Djtechno: Jurnal Teknologi Informasi Vol 7, No 2 (2026): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i2.9737

Abstract

Pelayanan administrasi kependudukan di lingkungan pemerintah daerah selama ini masih banyak bergantung pada mekanisme tatap muka yang menuntut warga hadir langsung ke kantor pelayanan, sehingga menimbulkan antrean panjang dan waktu tunggu yang tidak efisien. Penelitian ini bertujuan untuk merancang dan mengevaluasi transformasi layanan mandiri warga berbasis administrasi mobile sebagai wujud penerapan prinsip agile governance di lingkungan Pemerintah Kota Jambi. Metode penelitian yang digunakan adalah design and development research dengan pendekatan studi kasus pada purwarupa aplikasi layanan mandiri berbasis web dan mobile yang mengadopsi siklus pengembangan iteratif (sprint) serta pengujian black-box terhadap modul pengajuan, verifikasi, dan pemantauan status layanan. Hasil penelitian menunjukkan bahwa pendekatan agile pada siklus pengembangan layanan mampu mempercepat waktu rilis fitur, meningkatkan responsivitas terhadap kebutuhan warga, serta menyederhanakan proses verifikasi berkas melalui dasbor petugas yang terintegrasi. Uji fungsionalitas terhadap sembilan skenario inti menunjukkan tingkat validitas 100%, sementara evaluasi pengalaman pengguna menunjukkan peningkatan signifikan pada dimensi kemudahan penggunaan dan kecepatan layanan dibandingkan mekanisme manual sebelumnya. Penelitian ini menyimpulkan bahwa transformasi layanan mandiri berbasis administrasi mobile dapat menjadi instrumen strategis bagi pemerintah daerah untuk mewujudkan tata kelola yang lincah, responsif, dan berorientasi pada kebutuhan warga, sekaligus memberikan rekomendasi praktis bagi replikasi di organisasi perangkat daerah lain.
ALGORITMA CNN DENGAN ARSITEKTUR MOBILENETV2 UNTUK KLASIFIKASI KUNYIT, JAHE, DAN LENGKUAS: STUDI KASUS MULTIBENTUK Delvita Widaningsih Caniago; Kiki Ahmad Baihaqi; Nurhayati Nurhayati
Djtechno: Jurnal Teknologi Informasi Vol 7, No 2 (2026): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i2.9750

Abstract

Penelitian ini bertujuan untuk merancang dan menerapkan algoritma Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2 dalam mengklasifikasikan citra rempah famili Zingiberaceae, yaitu kunyit, jahe, dan lengkuas. Klasifikasi dilakukan pada tiga bentuk: utuh, iris, dan bubuk. Metode MobileNetV2 diterapkan karena keunggulannya dalam ekstraksi fitur visual secara otomatis dan efisien untuk membedakan objek dengan kemiripan bentuk. Dataset citra diuji pada model yang dikembangkan untuk mengukur performa pengenalan pada setiap bentuk rempah. Hasil penelitian menunjukkan kinerja model yang baik pada data uji, dengan capaian akurasi sebesar 94% untuk bentuk utuh, 96% untuk bentuk iris, dan 91% untuk bentuk bubuk. Nilai precision, recall, dan F1-score menunjukkan tingkat keandalan yang tinggi, khususnya pada variasi utuh dan iris. Namun, model mengalami penurunan performa pada bentuk bubuk, terutama saat mengidentifikasi jahe bubuk dengan precision 0,85 dan F1-score 0,86. Kesimpulannya, penggunaan arsitektur MobileNetV2 menunjukan efektivitas dalam klasifikasikan citra rempah multibentuk. Peningkatan kualitas citra, perluasan variasi dataset, dan optimasi model lebih lanjut diperlukan untuk meingkatkan akurasi lebih lanjut. 

Page 47 of 47 | Total Record : 464

 43   44   45   46   47 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol 7, No 2 (2026): Agustus 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