cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rosda Syelly
Contact Email
rosdasyelly@gmail.com
Phone
+628531376763
Journal Mail Official
journaltechnologica@gmail.com
Editorial Address
Jl. Raya Negara km.7 Tanjung Pati, Raya Negara, Kec. Harau, Limapuluh Kota, 26271, Indonesia
Location
Kab. lima puluh kota,
Sumatera barat
INDONESIA
Technologica
Published by Green Engineering Society
ISSN : -     EISSN : 28279492     DOI : 10.55043/technologica
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy
Jurnal Technologica adalah jurnal nasional untuk publikasi kajian ilmiah hasil penelitian pada bidang teknologi yang bertujuan untuk menyebarluaskan ilmu pengetahuan hasil dari penelitian dan pemikiran sebagai sumber referensi akademisi di bidang Teknologi dan untuk pengabdian pada masyarakat luas. Ruang lingkup: teknik mesin, teknik sipil, teknik elektro, teknik komputer, teknik informatika, teknologi pangan, teknologi pertanian dan topik kajian lain yang relevan.
Arjuna Subject : Teknik (semua kategori) - Teknik Kontrol dan Sistem
Articles 83 Documents
 5   6   7   8   9 
Energy-Aware Adaptive TinyML pada IoT Bertenaga Surya untuk Optimalisasi Edge AI Pertanian Presisi Noviardi; Rosda Syelly; Habilillah
Technologica Vol. 5 No. 2 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i2.623

Abstract

Penerapan Tiny Machine Learning (TinyML) pada perangkat IoT bertenaga surya sering terhambat oleh fluktuasi energi dan lonjakan arus aktuator mekanis. Sistem Edge AI konvensional dengan inferensi statis sangat rentan memicu kegagalan daya total (brown-out). Penelitian ini mengusulkan sebuah arsitektur siber-fisik lintas-lapisan yang memungkinkan node IoT mengadaptasi beban kerja kognitif dan fisik secara otonom berdasarkan kesadaran kapasitas energi internal (State of Charge/SoC). Diimplementasikan pada ESP32, sistem ini mengorkestrasi jaringan saraf multi-tingkat (Model Gold, Silver, dan Bronze) yang dikuantisasi ke presisi INT8 secara lossless. Sistem secara mandiri melakukan hot-swapping komputasi sesuai ketersediaan daya, seraya memodulasi beban aktuator irigasi tetes via sinyal Pulse Width Modulation (PWM). Observasi lapangan membuktikan efektivitas sistem; manajemen daya menunjukkan kinerja baik dengan dominasi Model Silver (97,89%) dan eksploitasi surplus daya via Model Gold (0,03%). Keseimbangan komputasi ini memastikan SoC tidak pernah menyentuh defisit kritis (aktivasi Bronze 0,00%), sehingga tidak ditemukan brown-out selama pengujian. Didukung mitigasi perangkat keras dioda penyearah, efisiensi konversi daya sistem keseluruhan mencapai 96,06%, mendukung tercapainya Energy-Neutral Operation (ENO) selama observasi. Secara agronomis, intervensi hard-cutoff PWM saat batas kelembaban tanah 80% terpenuhi menghasilkan Water Use Efficiency (WUE) sebesar 0,3141 %RH/Liter tanpa memicu limpasan permukaan. Kerangka ini menawarkan cetak biru komputasi edge adaptif yang andal untuk ekosistem pertanian presisi off-grid
Deteksi Emosi pada Teks Media Sosial Menggunakan Bidirectional LSTM dan Glove Word Embedding Weri Sirait; Rahmat Hidayat; Laras Niti Mulyani; Arika Juwita Z; Nurhidayat
Technologica Vol. 5 No. 2 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i2.630

Abstract

Setiap harinya, platform media sosial memproduksi jutaan teks yang memuat beragam ekspresi emosional penggunanya. Kemampuan untuk mengenali emosi secara otomatis memiliki manfaat strategis dalam berbagai bidang, seperti analisis sentimen, pemantauan citra merek, dan pengawasan kesehatan mental. Studi ini mengajukan model deteksi emosi yang dibangun berbasis Bidirectional Long Short-Term Memory (BiLSTM) dan dipadukan dengan Glove Word Embedding berdimensi 100 (dilatih pada 6 miliar token dengan kosakata 400.000 kata dari Common Crawl) guna mengklasifikasikan teks media sosial ke dalam enam kategori emosi: joy, sadness, anger, fear, love, dan surprise. Data yang digunakan berasal dari Emotions Dataset for NLP yang tersedia di Kaggle, mencakup 20.000 sampel teks berbahasa Inggris dengan sebaran kelas yang tidak merata (joy: 5.362, sadness: 4.666, anger: 2.159, fear: 1.937, love: 1.304, surprise: 572 pada data latih). Keunggulan penelitian ini terletak pada kajian komparatif yang terstruktur, yang menunjukkan bahwa kualitas representasi vektor melalui pretrained Glove memberikan dampak lebih besar dibandingkan sekadar peningkatan arsitektur (BiLSTM tanpa pretrained), serta bahwa penggabungan keduanya secara sinergis mampu melampaui model baseline. Model BiLSTM + Glove yang diusulkan mencapai akurasi 89,35%, presisi macro 88,12%, recall macro 87,64%, dan F1-score macro 87,88% pada data uji, melampaui LSTM + Glove (86,10%) dan BiLSTM tanpa pretrained embedding (84,75%). Selisih performa ini diperkuat oleh analisis kurva konvergensi dan confusion matrix yang memperlihatkan keunggulan yang konsisten di seluruh kelas emosi
Perancangan UI/UX Aplikasi Kliping Berita Koran Digital Berbasis Web Menggunakan Metode Design Thinking Pada Diskominfo Provinsi Jambi Kanaya; Rizqa Raaiqa Bintana; Mohamad Ilhami; Agung Prayugo
Technologica Vol. 5 No. 2 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i2.649

Abstract

Dinas Komunikasi dan Informatika Provinsi Jambi masih melakukan proses monitoring berita koran secara manual sehingga menyebabkan pekerjaan kurang efisien, berisiko terjadi kesalahan input, dan menyulitkan pencarian arsip berita. Penelitian ini bertujuan merancang User Interface (UI) dan User Experience (UX) aplikasi monitoring berita koran digital berbasis website menggunakan metode Design Thinking yang terdiri atas tahapan empathize, define, ideate, prototype, dan test. Evaluasi dilakukan menggunakan Maze dan User Experience Questionnaire (UEQ) yang melibatkan 20 responden. Pada Maze Testing, responden diminta menyelesaikan 7 task untuk peran pegawai dan 4 task untuk peran kepala seksi untuk mengukur tingkat keberhasilan penyelesaian tugas (completion rate). Hasil penelitian menunjukkan bahwa rancangan sistem mampu mendukung pengelolaan berita, penyimpanan arsip, dan penyusunan laporan secara terstruktur. Pengujian Maze menghasilkan completion rate sebesar 93% pada pegawai dan 100% pada kepala seksi, sedangkan hasil UEQ menunjukkan seluruh dimensi memperoleh kategori Excellent. Hasil tersebut menunjukkan bahwa rancangan aplikasi memiliki tingkat usability yang baik serta mampu memberikan pengalaman pengguna yang positif sesuai kebutuhan pengguna

Page 9 of 9 | Total Record : 83

 5   6   7   8   9 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2026): Technologica Vol. 5 No. 1 (2026): Technologica Vol. 4 No. 2 (2025): Technologica Vol. 4 No. 1 (2025): Technologica Vol. 3 No. 2 (2024): Technologica Vol. 3 No. 1 (2024): Technologica Vol. 2 No. 2 (2023): Technologica Vol. 2 No. 1 (2023): Technologica Vol. 1 No. 2 (2022): Technologica Vol. 1 No. 1 (2022): Technologica