cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
La Ode Agus Salim
Contact Email
sciencetech.group23@gmail.com
Phone
+6289508163057
Journal Mail Official
sciencetech.group23@gmail.com
Editorial Address
Jl. Findayani Indah, Kec. Baruga, Kel. Wundudopi, Kota Kendari, Sulawesi Tenggara
Location
Kota kendari,
Sulawesi tenggara
INDONESIA
Jurnal Teknologi dan Sains Modern
Published by CV. Science Tech Group
ISSN : -     EISSN : 30627966     DOI : -
Core Subject : Science, Agriculture, Engineering,
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management
Jurnal Teknologi dan Sains Modern merupakan publikasi ilmiah yang berkomitmen untuk menyebarluaskan penelitian inovatif dan perkembangan terbaru dalam berbagai disiplin ilmu teknologi dan sains. Fokus jurnal ini mencakup berbagai bidang, mulai dari ilmu pendidikan hingga kajian teoritis dan terapan, dengan tujuan menyediakan platform yang berharga bagi peneliti, akademisi, dan profesional. Sebagai wadah publikasi yang bereputasi, Jurnal Teknologi dan Sains Modern mendorong kontribusi dari para ahli yang berkeinginan untuk berbagi temuan penelitian terkini, ide-ide inovatif, dan perkembangan mutakhir. Artikel yang diterbitkan dalam jurnal ini diharapkan tidak hanya memperkaya wawasan ilmiah tetapi juga memberikan dampak nyata terhadap kemajuan teknologi dan sains modern. Jurnal ini juga berperan penting dalam memperkuat kolaborasi antarilmuwan dan memfasilitasi pertukaran pengetahuan yang esensial untuk kemajuan global.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 1 No. 1 (2024): Mei-Juni" : 5 Documents clear
Transparansi dan Auditabilitas Data Pribadi dalam Layanan Berbasis Cloud Pada Proyek PACE: Studi Literatur Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Hikmah , Nur; Samsidar
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.57

Abstract

Ulasan komprehensif ini mengeksplorasi pendekatan-pendekatan beragam dalam meningkatkan privasi dan keamanan dalam manajemen data di berbagai bidang. Studi pertama menyajikan kerangka konseptual yang bertujuan untuk memperkuat privasi dan keamanan dalam manajemen data kota cerdas dengan mengintegrasikan kecerdasan buatan dan pemodelan big data. Meskipun analisis data empiris absen, kerangka konseptual tersebut memberikan wawasan penting tentang kemungkinan kemajuan. Studi kedua menelusuri proyek Privacy-Aware Cloud Ecosystems (PACE), berfokus pada teknologi blockchain untuk meningkatkan transparansi dan auditabilitas dalam pemrosesan data pribadi berbasis awan. Meskipun secara utama berorientasi pada masa depan, teknologi yang dikembangkan menjanjikan peningkatan privasi dan keamanan data dalam komputasi awan. Tinjauan literatur dalam studi ketiga mengevaluasi tren dan tantangan dalam menerapkan keamanan dan blockchain dalam Internet of Multimedia Things (IoMT), memberikan wawasan berharga meskipun tanpa temuan empiris langsung. Terakhir, sebuah studi eksperimental memperkenalkan sistem pengolahan data berbasis blockchain dan differential privacy untuk komputasi perkotaan, melaporkan kinerja sistem dan peningkatan keamanannya. Meskipun metodologi beragam, setiap studi memberikan kontribusi pada diskusi yang lebih luas tentang privasi dan keamanan data, menawarkan wawasan, kerangka kerja, dan inovasi teknologi untuk penelitian dan implementasi praktis di masa depan.
Inovasi Pembelajaran Mesin untuk Deteksi Malware: Analisis Komprehensif dan Tinjauan Literatur Samsidar; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.58

Abstract

Penelitian tentang deteksi malware menggunakan pembelajaran mesin dan teknik deep learning telah menjadi topik yang menarik dalam beberapa tahun terakhir. Kombinasi fitur statis dan dinamik telah terbukti efektif dalam meningkatkan akurasi deteksi hingga 95%, sementara pendekatan ensemble learning juga menunjukkan peningkatan yang signifikan, mencapai akurasi hingga 97% untuk malware nol-hari. Implikasi temuan ini sangat penting dalam konteks keamanan siber, dengan kemampuan deteksi yang lebih baik dapat membantu melindungi sistem dan infrastruktur kritis dari serangan malware yang semakin canggih. Namun, ada beberapa batasan dalam penelitian ini, termasuk fokus yang terbatas pada tinjauan literatur dan tidak mencakup evaluasi eksperimental langsung. Oleh karena itu, penelitian lanjutan diperlukan untuk menguji metode ini pada dataset yang lebih beragam dan lingkungan operasional yang lebih realistis. Kontribusi dari penelitian ini terletak pada pengembangan solusi deteksi malware yang lebih efektif dan akurat menggunakan pendekatan pembelajaran mesin dan deep learning. Pertanyaan dan arah penelitian baru termasuk investigasi efektivitas metode dalam lingkungan produksi, pengembangan model hibrid yang menggabungkan pembelajaran mesin dengan teknik lain, serta eksplorasi penggunaan pembelajaran mesin untuk deteksi malware pada perangkat Internet of Things (IoT). Penelitian ini juga menyoroti pentingnya mempertimbangkan variabel tambahan seperti kompleksitas malware, metode penyebaran, dan dampak terhadap sistem target dalam penelitian mendatang. Secara keseluruhan, temuan ini mendukung gagasan bahwa pembelajaran mesin dan deep learning memiliki potensi besar dalam mengatasi tantangan deteksi malware yang semakin kompleks dan dinamis, dengan implikasi yang luas dalam meningkatkan keamanan siber.
Studi Literatur Deep Learning dan Machine Learning untuk Analisis dan Prediksi Pasar Saham: Metodologi, Representasi Data, dan Studi Kasus Sari, Eka Purnama; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.59

Abstract

Penelitian ini mengkaji penggunaan model Machine Learning (ML) dan Deep Learning (DL) untuk peramalan harga saham, sebuah topik yang semakin relevan di sektor keuangan. Model ensemble "Random Forest + XG-Boost + LSTM" terbukti memiliki kinerja yang lebih baik dibandingkan model ML dan DL lainnya, menunjukkan bahwa integrasi model dapat meningkatkan akurasi prediksi. Penelitian lain juga menyoroti potensi jaringan deep learning untuk analisis pasar saham, menemukan bahwa jaringan saraf dapat mengekstrak informasi tambahan yang meningkatkan kinerja prediksi, meskipun sangat bergantung pada representasi data yang digunakan. Penggabungan variabel sentimen publik dari media sosial dengan variabel teknis dapat meningkatkan akurasi prediksi, terutama dalam kondisi pasar yang tidak stabil. Berdasarkan tinjauan pustaka komprehensif terhadap lebih dari 150 artikel dan menemukan bahwa algoritma ML, terutama RNN, menunjukkan kinerja unggul dalam prediksi pasar keuangan. Model yang menggunakan sentimen dari media sosial untuk memprediksi pergerakan harga saham, menunjukkan bahwa informasi sentimen dapat memberikan informasi tambahan yang signifikan untuk prediksi. Penelitian-penelitian ini menegaskan pentingnya penggunaan model ML dan DL dalam peramalan harga saham serta manfaat integrasi variabel non-teknis seperti sentimen dari media sosial dengan variabel teknis. Meski demikian, diperlukan penelitian lebih lanjut untuk memperluas cakupan data dan menguji generalisasi model pada berbagai pasar saham global serta periode waktu yang lebih panjang.
Teknologi Terkini dalam Pemantauan Infrastruktur: Tinjauan Literatur tentang Penerapan IoT dalam Pemantauan Kualitas Air dan Deteksi Retak Permukaan Jalan Samsidar; Kiki; Mustamin, Syaiful Bachri; Atnang, Muhammad; Sahriani; Fajar, Nurhikmah
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.60

Abstract

Pemantauan kualitas air dan deteksi retak permukaan jalan merupakan dua bidang penting dalam teknologi infrastruktur dan lingkungan. Artikel-artikel yang dipelajari dalam tinjauan ini memberikan wawasan mendalam tentang perkembangan terkini dalam kedua bidang tersebut, dengan fokus utama pada penerapan Internet of Things (IoT) dan teknik pengolahan citra digital. Pembahasan dalam beberapa artikel meliputi tinjauan terhadap sistem pemantauan kualitas air berbasis IoT untuk aplikasi domestik. Tinjauan ini mengidentifikasi tren, teknik, dan tantangan terkini dalam sistem tersebut, memberikan wawasan tentang potensi pemanfaatan teknologi IoT untuk pengembangan sistem pemantauan kualitas air yang lebih efisien dan aman. Implikasi dari temuan ini mencakup meningkatnya pemantauan kualitas air secara real-time untuk menjamin keamanan air minum dan potensi penerapan teknologi IoT dalam skala yang lebih luas seperti kota pintar. Namun, keterbatasan utama adalah ketiadaan studi empiris yang menguatkan temuan literatur. Pada artikel lainnya membahas pengembangan metode deteksi retak pada permukaan jalan menggunakan teknik non-lokal dalam pengolahan citra digital. Temuan ini mengungkapkan bahwa metode denoising dan peningkatan kualitas citra non-lokal dapat meningkatkan akurasi deteksi retak pada permukaan jalan, yang berpotensi digunakan dalam pemantauan kondisi jalan dan perencanaan pemeliharaan infrastruktur. Kontribusi dari penelitian ini adalah pengembangan metode deteksi retak yang lebih akurat, meskipun batasan utamanya adalah kurangnya informasi tentang validasi hasil secara lebih komprehensif.
Klasifikasi Jenis Buah berdasarkan Citra menggunakan Metode Ekstraksi Ciri Hidayat, Rahmad; Firmando, Andrey; Lestari, Ninik Sri; Hermawaty; Fadriani, Hetty
Jurnal Teknologi dan Sains Modern Vol. 1 No. 1 (2024): Mei-Juni
Publisher : CV. Science Tech Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69930/jtsm.v1i1.62

Abstract

Banyak sekali jenis buah yang terdapat di seluruh penjuru dunia yang cukup rumit untuk dipelajari, sehingga banyak orang melakukan pengenalan dan pengelompokan jenis buah berdasarkan kriteria-kriteria tertentu yang mereka buat sendiri tanpa mengetahui nama sesungguhnya dari buah tersebut. Mengenali jenis buah merupakan pekerjaan yang membutuhkan waktu dan pengetahuan. Seiring berkembangnya teknologi era digital, hal ini dapat dipermudah dengan membuat sistem pengenalan jenis buah secara otomatis menggunakan metode ekstraksi ciri. Pada penelitian ini dibangun suatu program klasifikasi jenis buah menggunakan metode ekstraksi ciri warna RGB dan tekstur Gray-Level Co-ocurrence Matrix (GLCM) pada citra buah, dipadukan dengan algoritma klasifikasi K-Nearest Neighbor (KNN). Hasil eksperimen yang telah dilakukan menggunakan platform pemrograman MATLAB pada dataset 210 citra latih dan 70 citra uji untuk 14 kelas yang berbeda dapat mengenali jenis buah secara tepat dengan akurasi pengujian senilai 98,57%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 2 No. 6 (2025): November-Desember Vol. 2 No. 5 (2025): September-Oktober Vol. 2 No. 4 (2025): Juli-Agustus Vol. 2 No. 3 (2025): Mei-Juni Vol. 2 No. 2 (2025): Maret-April Vol. 2 No. 1 (2025): Januari-Februari Vol. 1 No. 4 (2024): November-Desember Vol. 1 No. 3 (2024): September-Oktober Vol. 1 No. 2 (2024): Juli-Agustus Vol. 1 No. 1 (2024): Mei-Juni