cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Andy Sapta
Contact Email
saptaandy@gmail.com
Phone
+6285262193068
Journal Mail Official
adinmantap88@gmail.com
Editorial Address
Jl. Rimbang Perumahan Wahyu Asri Bolk A No 5 Siumbut Baru, Asahan, Sumatera Utara
Location
,
INDONESIA
Jurnal Teknisi
Published by Smart Education
ISSN : -     EISSN : 27750965     DOI : 10.54314
Core Subject : Science,
Computer Science & IT
JURNAL TEKNISI is a scientific journal which is published by Smart Education. This journal contains a collection of research in computer tecnology and information system written by researchers, academicians, professionals, and practitioners
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 4 Documents
 1 
Search results for , issue "Vol 6, No 1 (2026): February 2026" : 4 Documents clear
Analysis Of The Convolutional Neural Network Method With Mobilenet Architecture In A Computer Vision-Based Industrial Waste Detection System Aprilia, Tresi; Nabela, Harlinda Rasvi; Shidik, Beta Arya Ash
JURNAL TEKNISI Vol 6, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5559

Abstract

Abstract: Industrial waste has had a negative impact on the environment and human health. Industrial waste pollution can occur due to improperly managed waste disposal. Managing industrial waste can be one way to reduce the impact of environmental pollution. Checking industrial waste can be a solution for implementing oversight of waste management, but it will be difficult to implement if done in a large industrial area. Waste classification based on organic and non-organic waste categories. Convolutional Neural Networks (CNNs) and MobileNet can be applied to automatically detect organic and non-organic industrial waste systems. Researchers have conducted a comparative study between the Convolutional Neural Network (CNN) and MobileNet models, which is useful for obtaining the best model. The results of the analysis concluded that MobileNet has better accuracy, precision, and recall compared to the CNN model. The accuracy, precision, and recall generated by MobileNet are 99.5%, 99.4%, and 100%. Therefore, MobileNet is very suitable for implementation in an automatic industrial waste detection system in real-time applications.   Keyword: computer vision;  convolutional neural network (CNN); deep learning; industrial waste; mobilenet.  Abstrak: Limbah industri telah mengakibatkan dampak buruk bagi lingkungan dan kesehatan manusia. Pencemaran limbah industri dapat terjadi akibat pembuangan limbah yang tidak terkelola dengan baik. Pengelolaan limbah industri dapat menjadi salah satu cara untuk mengurangi dampak pencemaran lingkungan. Pengecekan limbah industri dapat menjadi solusi untuk menerapkan pengawasan terhadap pengelolaan limbah, namun akan sulit diterapkan jika dilakukan pada area industri yang luas. Klasifikasi limbah berdasarkan kategori limbah organik dan limbah non organik. Convolutional Neural Network (CNN) dan MobileNet dapat diterapkan untuk sistem pendeteksi limbah industri organik dan non organik secara otomatis. Peneliti telah melakukan studi komparatif antara model Convolutional Neural Network (CNN) dan MobileNet yang berguna untuk memperoleh model terbaik. Hasil analisa yang telah dilakukan menyimpulkan bahwasanya MobileNet mempunyai akurasi, precision dan recall yang lebih baik jika dibandingkan dengan model CNN. Akurasi, precision dan recall yang dihasilkan oleh MobileNet sebesar 99,5% 99,4% dan 100%. Oleh karena itu, MobileNet sangat cocok untuk diterapkan pada sistem deteksi limbah industri secara otomatis pada aplikasi real-time.Kata kunci: computer vision; convolutional neural network (CNN); limbah industri; mobilenet; pembelajaran mendalam.
Classification of Obesity Using The Naïve Bayes Method and K-Nearest Neighbor Ari, Ilham Asy; Amin, Muhammad; Saputra, Andi; Irianto, Irianto; Manurung, Nuriadi
JURNAL TEKNISI Vol 6, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5529

Abstract

Abstract: Obesity is a major health problem that significantly impacts quality of life and can trigger various chronic diseases. Early detection of obesity levels is crucial for public health management, but traditional methods such as BMI often have limitations. Solution: This study proposes a data mining-based approach using feature engineering techniques to improve the accuracy of obesity classification. The purpose of this study is to classify obesity levels and compare the performance of Naïve Bayes and K-Nearest Neighbor (KNN) methods. This research method includes preprocessing stages, feature extraction using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA), feature selection using CFS and Chi-Square, classification with Naïve Bayes and KNN, and model evaluation using accuracy and confusion matrix on 2,111 data sets from Kaggle. The results of this study show that on the original data without LDA, KNN achieves a higher accuracy (88.41%) than Naïve Bayes (63.82%). However, after using LDA, the accuracy of Naïve Bayes increased sharply to 93.61%, surpassing KNN's 92.19%. The study concluded that KNN was more effective on raw data, while Naïve Bayes was more optimal when combined with LDA-based dimensionality reduction. Keyword:  classification_ naïve_bayes; data mining; k-nearest neighbor; obesity; LDA; PCA.  Abstract: Obesitas merupakan salah satu masalah kesehatan utama yang berdampak signifikan pada kualitas hidup dan dapat memicu berbagai penyakit kronis. Deteksi dini tingkat obesitas sangat krusial untuk manajemen kesehatan masyarakat, namun metode tradisional seperti BMI seringkali memiliki keterbatasan. Solusi: Penelitian ini mengusulkan pendekatan berbasis penambangan data (data mining) menggunakan teknik rekayasa fitur untuk meningkatkan akurasi klasifikasi tingkat obesitas. Tujuan penelitian ini adalah untuk mengklasifikasikan tingkat obesitas dan membandingkan kinerja metode Naïve Bayes dan K-Nearest Neighbor (KNN). Metode penelitian ini mencakup tahap prapemrosesan, ekstraksi fitur menggunakan Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA), seleksi fitur menggunakan CFS dan Chi-Square, klasifikasi dengan Naïve Bayes dan KNN, serta evaluasi model menggunakan accuracy dan confusion matrix pada 2.111 data dari Kaggle. Hasil penelitian ini menunjukkan bahwa pada data asli tanpa LDA, KNN mencapai akurasi lebih tinggi (88,41%) dibandingkan Naïve Bayes (63,82%). Namun, setelah penggunaan LDA, akurasi Naïve Bayes meningkat tajam menjadi 93,61%, melampaui KNN yang mencapai 92,19%. Kesimpulan dari penelitian ini adalah KNN lebih efektif pada data mentah, sedangkan Naïve Bayes menjadi lebih optimal ketika dikombinasikan dengan reduksi dimensi berbasis LDA. Keywords: klasifikasi naïve bayes; k-nearest neighbor; obesitas; PCA; penambangan data; LDA
Implementation Of The SAW Method For Proposing KIS-PBI Recipients In Padang Sari Village Putra, Guntur Maha; Rasyid, Hainur
JURNAL TEKNISI Vol 6, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5688

Abstract

Abstract: Determining recipients of health assistance at the village level often faces obstacles of subjectivity and inaccuracy of targeting due to the proposal process which is still carried out manually without structured assessment criteria. This study aims to apply the Simple Additive Weighting (SAW) method in determining recipients of the Indonesian Health Card - Contribution Assistance Recipient (KIS-PBI) in Padang Sari Village to improve the accuracy and objectivity of the proposal process. The method used is a computer-based Decision Support System with a Multiple Attribute Decision Making (MADM) approach, where the assessment is carried out based on a number of predetermined social and economic criteria and is weighted according to their level of importance. The calculation process is carried out through the formation of a decision matrix, matrix normalization, and calculation of preference values for each alternative. The results of the study indicate that the application of the SAW method is able to produce a clear ranking of alternatives, thus facilitating the determination of residents who are eligible to be proposed as KIS-PBI recipients. The conclusion of this study is that the SAW method is effective for use as a decision-making tool in the distribution of health assistance at the village level because it is able to produce more objective, transparent, and measurable decisions compared to the manual method.Keyword: kis-pbi; multiple attribute decision making (MADM); simple additive weighting Abstrak: Penentuan penerima bantuan kesehatan di tingkat desa seringkali menghadapi kendala subjektivitas dan ketidaktepatan sasaran akibat proses pengusulan yang masih dilakukan secara manual tanpa kriteria penilaian yang terstruktur. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) dalam penentuan penerima Kartu Indonesia Sehat–Penerima Bantuan Iuran (KIS-PBI) di Desa Padang Sari guna meningkatkan ketepatan dan objektivitas proses pengusulan. Metode yang digunakan adalah Sistem Pendukung Keputusan berbasis komputer dengan pendekatan Multiple Attribute Decision Making (MADM), di mana penilaian dilakukan berdasarkan sejumlah kriteria sosial dan ekonomi yang telah ditetapkan dan diberi bobot sesuai tingkat kepentingannya. Proses perhitungan dilakukan melalui pembentukan matriks keputusan, normalisasi matriks, dan perhitungan nilai preferensi untuk setiap alternatif. Hasil penelitian menunjukkan bahwa penerapan metode SAW mampu menghasilkan perankingan alternatif secara jelas sehingga memudahkan penentuan warga yang layak diusulkan sebagai penerima KIS-PBI. Simpulan dari penelitian ini adalah bahwa metode SAW efektif digunakan sebagai alat bantu pengambilan keputusan dalam penyaluran bantuan kesehatan di tingkat desa karena mampu menghasilkan keputusan yang lebih objektif, transparan, dan terukur dibandingkan dengan metode manual.Kata kunci: kis-pbi; multiple attribute decision making (MADM); sistem pendukung keputusan
Analysis Development and Design of Local Area Network: Systematic Literature Review Waluyo, Tri Muji; Novitaningrum, Dian; Handayani, Yuni; Hidayat, Taufik
JURNAL TEKNISI Vol 6, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/teknisi.v6i1.5307

Abstract

Abstract: The development of information technology is very important, especially in computer networks. The lack of information related to the development of computer networks, particularly Local Area Networks (LAN), necessitates this research to improve network performance. Therefore, this necessitates analysis and planning of computer networks in offices and companies, which has been done previously. This study aims to evaluate the application of computer networks, particularly the development of LAN in previous studies. The solution to this problem is one of the factors behind this study. Meanwhile, the research method used is Systematic Literature Review (SLR) using journals published in 2022–2025 from Google Scholar. The results of the research obtained are references in the form of advantages, disadvantages, and recommendations for development in the majority of schools. Therefore, this study emphasises the importance of technological development as the basis for internet implementation. Thus, the conclusion is that the use of LAN networks is highly recommended for use in institutions, one of which is educational institutions or schools. Keyword: internet; local area network (LAN); technological development Abstrak: Perkembangan teknologi informasi sangat penting terutama pada jaringan komputer, minimnya informasi terkait perkembangan jaringan komputer khususnya Local Area Network (LAN) membuat diperlukannya penelitian ini untuk meningkatkan performa jaringan. Oleh karena itu hal tersebut melatar belakangi diperlukannya analisis dan perencanaan pada sebuah jaringan komputer pada kantor maupun perusahaan yang telah dilakukan sebelumnya. Penelitian ini bertujuan untuk mengevaluasi penerapan Jaringan Komputer utamanya pada perkembangan LAN pada penelitian sebelumnya. Solusi dari permasalahan tersebut menjadi salah satu factor dilakukannya penelitian ini. Sedangkan, metode penelitian yang digunakan yaitu Systematic Literature Review (SLR) dengan menggunakan jurnal yang terbit pada 2022 – 2025 dari Google Scholar. Hasil penelitian yang didapatkan adalah referensi berupa keunggulan, kelemahan, dan rekomendasi perkembangan pada mayoritas sekolah. Oleh karena itu, penelitian ini menekankan pentingnya perkembangan teknologi sebagai dasar dalam penerapan internet. Maka dari itu kesimpulannya bahwa penggunaan jaringan LAN sangat direkomendasikan untuk digunakan pada instansi salah satunya adalah instansi pendidikan atau sekolah.Kata kunci: internet; local area network (LAN); perkembangan teknologi

Page 1 of 1 | Total Record : 4

 1 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 6, No 1 (2026): February 2026 Vol 5, No 2 (2025): Agustus 2025 Vol 5, No 1 (2025): February 2025 Vol 4, No 2 (2024): Agustus 2024 Vol 4, No 1 (2024): February 2024 Vol 3, No 2 (2023): Agustus 2023 Vol 3, No 1 (2023): February 2023 Vol 2, No 2 (2022): Agustus 2022 Vol 2, No 1 (2022): February 2022 Vol 1, No 2 (2021): Agustus 2021 Vol 1, No 1 (2021): February 2021 More Issue