cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Nurchim
Contact Email
nurchim@udb.ac.id
Phone
+62271-719552
Journal Mail Official
dutacom@udb.ac.id
Editorial Address
Jl. Bhayangkara No 55 Surakarta Jawa Tengah 57154
Location
Kota surakarta,
Jawa tengah
INDONESIA
Duta.com : Jurnal Ilmiah Teknologi Informasi dan Komunikasi
Published by Universitas Duta Bangsa Surakarta
ISSN : 20869436     EISSN : 29623340     DOI : https://doi.org/10.47701/dutacom.v15i1
Core Subject : Science,
Computer Science & IT
Duta.Com is an article journal in the field of Information Technology and Communication, published in February and August are published annually by the Institute for Research and Service, Faculty of Computer Sciences, University Duta Bangsa Surakarta. The aim is to share, develop, facilitate research findings related to Information Technology and Communication so that they can provide benefits for managers, decision makers, lecturers, and students.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 88 Documents
 5   6   7   8   9 
Search results for , issue "Vol 1" : 88 Documents clear
KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG DENGAN ALGORITMA CNN  Hamzah, Amir; Renna Yanwastika Ariyana; Untung Joko Basuki; Muhammad Sholeh; Bagas Tri Basgoro
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/xmqa2d79

Abstract

Bananas are the most widely produced fruit in Indonesia, which is around 9.69 million tons in 2024. With this amount of data, bananas have quite promising economic value. The production of large quantities of bananas according to the previous data needs to be carried out a rapid distribution process, because the time the bananas after harvesting may only last about 5 to 7 days in normal temperatures before the fruit rotting process will finally occur. For this reason, it is necessary to carry out a quick banana classification process, the process is carried out automatically using a machine. This study elaborates on the capabilities of the CNN algorithm  in the classification of bananas. Dataset was taken from Keagle's open source as many as 3000 image data. In their classification, researchers divided bananas into three levels of fruit ripeness, namely raw, ripe, and overripe. The study used a CNN model  consisting of several layers consisting of a 2D convolutional layer (Conv2D), a 2D pooling layer (MaxPooling2D), a flatten layer, a fully connected layer (Dense), and a Dropout layer. After the model creation process is complete, the model will be tested for accuracy with  the Confusion matrix method. In the 3rd experiment the model produced the highest level of accuracy in its trials, with 300 test images resulting in 290 correctly predicted images so that the accuracy reached 97%. From the results  of deploying using the website interface using flask, it was found that the classification had an accuracy of above 95% so it was good enough to be used as a prototype for classification engine applications.
A RECOMMENDATION MODEL FOR SELECTING INTERNSHIP PLACEMENTS FOR DIGITAL BUSINESS STUDENTS AT TELKOM UNIVERSITY PURWOKERTO THROUGH AN ANP APPROACH Mayliawan, Muhammad Kadek Fajri; Ikhsan, Muhammad; Ilham, Muhammad; Purbaya, Muhammad Eka
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/hdrxt179

Abstract

In the face of digital industry transformation and global competition, students are required to be well-prepared before entering the workforce. Internships are a strategic solution to bridge the gap between graduate competencies and industry needs, but the variety of alternative internship places demands a systematic selection process. This research aims to develop a recommendation model for selecting internship places based on the Analytical Network Process (ANP) method for students of the Telkom University Purwokerto Digital Business Study Program. Data was obtained through a paired comparison questionnaire to experts, as well as historical data from previous internship partners. The results showed that the Career Opportunities and Networking criteria had the highest global weight (0.35942), with the main sub-criteria of company name and reputation (0.056016) and the opportunity to be recruited after internship (0.045611). Startup internship alternatives received the highest weight, followed by Large-Scale Private Companies and State-Owned Enterprises. The ANP model built is able to capture the interrelationships between elements in the decision-making process adaptively and systematically. These findings contribute to the design of internship programs that are more relevant to student needs and encourage educational institutions to establish strategic partnerships with industries that support student career development.
Prediksi Harga Karet Di Sumatera Selatan Menggunakan Algoritma Linear Regression izal, Fahrizal; Ovi Yuniar, Reski; Nusa Putri, Amanda; Pujianto
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/0yh1k236

Abstract

Fluktuasi harga karet alam di Provinsi Sumatera Selatan dalam beberapa tahun terakhir telah menjadi isu krusial yang berdampak terhadap stabilitas pendapatan petani. Penelitian ini bertujuan membangun model prediksi harga karet tahun 2025 menggunakan algoritma Linear Regression melalui aplikasi Orange. Metode yang digunakan adalah pendekatan kuantitatif dengan data historis harga dari April 2021 hingga April 2025. Model dievaluasi dengan teknik k-fold cross-validation menggunakan tiga metrik: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model memiliki MAE terendah sebesar 1.074, RMSE sebesar 1.311, dan nilai R² tertinggi hanya 0.279. Hal ini mengindikasikan bahwa meskipun model mampu menangkap tren linier sederhana, kemampuannya dalam menjelaskan variabilitas data masih terbatas. Oleh karena itu, model ini dinilai cukup sebagai baseline prediktif awal namun belum optimal untuk prediksi jangka panjang. Penelitian ini memberikan kontribusi awal dalam pengembangan sistem prediksi harga berbasis data untuk mendukung transformasi digital di sektor agribisnis.
DETEKSI JERAWAT DI WAJAH MENGGUNAKAN SEGMENTASI GAMBAR Napitupulu, Harapan; Ariatmanto, Dhani
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/h55kdy38

Abstract

Jerawat merupakan suatu penyakit yang biasa terjadi di wajah bagi anak remaja atau dewasa atau juga disebut masa puberitas dari usia Sembilan tahun sampai delapan belas tahun keatas. Penyakit kulit ini sangat sulit disembuhkan walaupun tidak berdampak pada kesehatan fisik manusia, tapi sangat mempengaruhi mental psikologi jiwa manusia yang ingin tampil pede, bersih, rapih, cantik, dan tampan. Sudah banyak penelitian yang digunakan dalam mendeteksi jerawat dengan berbagai metode yang masih rumit dalam mendeteksi jerawat. Dalam pengobatan wajah berjerawat diperlukan pengidentifikasi jerawat yang cepat mudah dan sederhana dengan tenologi, agar hasil pengobatan dapat dilakukan secara maksimal dan biaya yang murah. Tujuan dari penelitian ini adalah untuk mendeteksi jerawat dengan menggunakan segmentasi gambar yang lebih mudah dan simple untuk dipahami dengan mengkopres gambar menggunakan algoritma K-means lalu disegmentasi. Segmentasi gambar adalah pembagian gambar digital menjadi kelompok piksel diskrit untuk mendeteksi objek dan klasifikasi objek. Hasil dari penelitian ini menunjukan bahwa menggunakan metode segmentasi gambar mampu mendeteksi jerawat dengan identifikasi berbentuk titik dan lingkaran di wajah dengan mencocokan gambar asli dengan gambar yang di segmentasikan. Maka dari itu dengan menggunakan metode ini dapat digunakan dan membantu dalam pengobatan wajah berjerawat menggunakan segmentasi gambar. .  
PENGEMBANGAN SISTEM INFORMASI PENDAFTARAN MAGANG DI DINAS LINGKUNGAN HIDUP KOTA SURAKARTA Susena, Edy; Edy Susena; Widar Fernando
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/wmcpd107

Abstract

Penelitian ini dilatarbelakangi oleh kebutuhan untuk menerapkan digitalisasi dalam layanan publik, terutama pada proses pendaftaran magang di Dinas Lingkungan Hidup (DLH) Kota Surakarta yang sebelumnya masih dilakukan secara manual. Tujuan dari penelitian ini adalah membuat sistem informasi pendaftaran magang berbasis aplikasi mobile menggunakan Kodular, agar proses administrasi magang lebih efisien, tepat, dan transparan. Metode penelitian yang digunakan mengikuti model Waterfall yang terdiri dari beberapa tahap, yakni analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa aplikasi e-Magang yang dikembangkan memiliki fitur seperti pendaftaran online, verifikasi data, pencarian, serta penghapusan data yang terhubung dengan Google Spreadsheet sebagai tempat penyimpanan datanya. Uji coba aplikasi dilakukan dengan metode black box testing dan menunjukkan bahwa semua fungsi bekerja dengan baik sesuai kebutuhan pengguna tanpa adanya kesalahan signifikan. Implementasi sistem ini berhasil mempercepat proses pendaftaran hingga 60% dibandingkan cara manual, mengurangi risiko kesalahan data, serta meningkatkan transparansi dan kinerja pegawai. Pemeliharaan sistem juga dilakukan secara teratur untuk menjaga stabilitas dan update sesuai perkembangan teknologi. Secara keseluruhan, aplikasi e-Magang berbasis Kodular dinilai efisien, mudah digunakan, dan mendukung pengembangan layanan publik yang akuntabel sesuai prinsip good governance.
ANALISIS PEMANFAATAN SISTEM INFORMASI MEDIA SOSIAL INSTAGRAM @CANVAINDONESIA DALAM PENGEMBANGAN KEMAMPUAN KREATOR PEMULA Alfath, Muhammad; Santoso, Hudi; Dharmawan, Leonard
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/rm2f5378

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara pemanfaatan sistem informasi media sosial Instagram @canvaindonesia dan pengembangan kemampuan kreator pemula dalam membuat konten digital. Latar belakang penelitian ini berangkat dari fenomena meningkatnya pemanfaatan media sosial sebagai sistem informasi berbasis digital yang mendukung proses pembelajaran non-formal dan pengembangan kompetensi kreatif. Penelitian dilakukan menggunakan metode kuantitatif dengan rancangan korelasional, melibatkan 100 responden yang dipilih melalui teknik purposive sampling. Pengumpulan data dilakukan menggunakan kuesioner berskala Likert lima poin yang disusun berdasarkan model AIDA (Attention, Interest, Desire, Action) untuk variabel independen dan Theory of Planned Behavior (TPB) untuk variabel dependen. Hasil analisis deskriptif menunjukkan bahwa seluruh dimensi AIDA berada pada kategori tinggi, dengan nilai tertinggi pada aspek Desire (78,3%) dan Interest (71,3%), menandakan efektivitas konten edukatif dalam menarik perhatian dan mendorong tindakan pengguna. Uji korelasi Spearman menghasilkan nilai ? = 0,765 dengan signifikansi p < 0,001, yang menunjukkan adanya hubungan yang kuat dan positif antara kedua variabel. Temuan ini menegaskan bahwa semakin optimal pemanfaatan sistem informasi melalui konten edukatif @canvaindonesia, semakin tinggi pula pengembangan kemampuan kreator pemula dalam aspek kognitif, afektif, dan perilaku. Penelitian ini menyimpulkan bahwa sistem informasi berbasis media sosial memiliki potensi signifikan dalam mendukung pembelajaran non-formal dan peningkatan self efficacy kreator digital.
AI-STYLIZED CHIBI SEBAGAI ESTETIKA VISUAL INFLUENCER DI INSTAGRAM: STUDI KASUS @NOVIFTRNI._ Hadi, Claresta Asfa Anindita; Santoso, Hudi; Dharmawan, Leonard
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/zrtpyz54

Abstract

Perkembangan kecerdasan buatan (Artificial Intelligence/AI) telah membawa perubahan besar dalam cara kreator digital menghasilkan dan menyajikan konten visual di media sosial. Salah satu tren yang berkembang pesat adalah AI-Stylized Chibi, yaitu gaya ilustrasi digital yang menampilkan karakter berbentuk mungil, imut, dan ekspresif yang dihasilkan sepenuhnya melalui pemrosesan gambar berbasis AI. Tren ini semakin sering digunakan oleh influencer sebagai strategi estetika baru untuk meningkatkan daya tarik visual dan memperkuat identitas konten pada platform Instagram. Penelitian ini bertujuan untuk menganalisis persepsi audiens terhadap konten AI-Stylized Chibi serta menguji pengaruhnya terhadap daya tarik visual postingan influencer. Studi kasus dilakukan pada akun Instagram @noviftrni._ dengan melibatkan 96 responden aktif yang mengisi kuesioner daring menggunakan skala Likert. Data dianalisis dengan statistik deskriptif dan regresi ordinal. Hasil penelitian menunjukkan bahwa penerapan AI-Stylized Chibi dapat meningkatkan persepsi estetika visual, menarik perhatian lebih tinggi, serta memperjelas penyampaian pesan visual. Analisis regresi ordinal mengonfirmasi adanya pengaruh positif dan signifikan antara konten AI-Stylized Chibi dan daya tarik visual postingan. Temuan ini menegaskan bahwa visual berbasis AI dapat menjadi strategi estetika yang efektif bagi influencer dalam membangun karakter visual serta meningkatkan engagement audiens di media sosial.
Perbandingan Model Rekomendasi Wisata Yogyakarta Berbasis Rating dan Segmentasi Usia Fiyas Mahananing Puri
Jurnal DutaCom Vol 19 No 1
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/y5ah6z21

Abstract

Ledakan informasi pada platform digital pariwisata membuat wisatawan kesulitan memilih destinasi yang paling relevan dengan preferensi mereka, sehingga sistem rekomendasi menjadi semakin penting untuk menyaring pilihan berdasarkan data rating pengguna. Penelitian ini bertujuan menganalisis dan membandingkan kinerja tiga model rekomendasi destinasi wisata di Yogyakarta, yaitu baseline global berbasis rata-rata rating, item-based collaborative filtering, dan demographic filtering berbasis segmentasi usia. Penelitian menggunakan pendekatan kuantitatif dengan studi kasus pada dataset pariwisata Yogyakarta yang berisi 2.870 interaksi antara 300 pengguna dan 126 destinasi. Data dipra-proses melalui integrasi tiga berkas, pembersihan data, pembentukan kelompok usia, serta pembagian data menjadi 80 persen latih dan 20 persen uji. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), baik secara global maupun per kelompok usia. Hasil menunjukkan bahwa baseline global memberikan MAE terendah secara keseluruhan, yaitu 1,222, sedangkan demographic filtering dan collaborative filtering memperoleh MAE masing-masing 1,283 dan 1,301. Pada seluruh kelompok usia, baseline tetap menjadi model dengan MAE terkecil, sehingga pendekatan sederhana berbasis rata-rata rating terbukti lebih stabil pada dataset yang relatif kecil dan jarang. Meskipun demikian, demographic filtering tetap bermanfaat untuk memetakan preferensi destinasi per segmen usia. Penelitian selanjutnya disarankan menggunakan dataset yang lebih besar, menambahkan atribut kontekstual, menguji model hibrida, serta melengkapi evaluasi dengan metrik berbasis ranking dan studi kepuasan pengguna.

Page 9 of 9 | Total Record : 88

 5   6   7   8   9 

Filter by Year

2011 2026


Reset
Filter By Issues
All Issue Vol 19 No 1 Vol 18 No 2 (2025): Dutacom Vol. 18 No. 2 Vol 18 No 1 (2025) Vol 18 No 2 Vol 17 No 2 Vol 16 No 2 Vol 16 No 1 Vol 15 No 2 Vol 15 No 1 Vol 14 No 2 Vol 14 No 1 Vol 10 No 1 Vol 13 No 2 (2017) Vol 13 No 1 (2017) Vol 12 No 1 Vol 11 No 1 Vol 9 No 2 Vol 9 No 1 Vol 8 No 2 Vol 8 No 1 Vol 7 No 2 Vol 7 No 1 Vol 6 No 2 Vol 5 Vol 4 Vol 3 Vol 2 Vol 1 More Issue