cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhamad Fuat Asnawi
Contact Email
fuatasnawi@nacreva.com
Phone
+6285292912229
Journal Mail Official
admin@nacreva.com
Editorial Address
Jl. Dieng KM 11, Kuripan Garung Wonosobo
Location
Kab. wonosobo,
Jawa tengah
INDONESIA
TECHNOMEDIA : Informatics and Computer Science
Published by CV Nature Creative Innovation
ISSN : -     EISSN : 30472180     DOI : https://doi.org/10.58641/technomedia
Core Subject : Science,
Computer Science & IT
TECHNOMEDIA : Informatics and Computer Science adalah Jurnal Ilmiah Informatika dan Ilmu Komputer yang diterbitkan 2 (Dua) kali dalam setahun, yaitu pada bulan Januari dan Juli oleh CV Nature Creative Innovation. Jurnal ini merupakan jurnal yang dapat akses secara terbuka bagi para Peneliti, Mahasiswa dan Dosen yang ingin mempublikasikan hasil penelitiannya pada bidang Informatika dan Ilmu Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 20 Documents
 1   2 
Perancangan Sistem Informasi E- Library Menggunakan UML model Berbasis Client Server Basiroh; Widya Novita Al-Afifah Irwanto
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.122

Abstract

Various information systems are currently experiencing rapid development, one of which is desktop-based, this system is one of the things that will be adopted for library data management activities in schools. Currently, the library system at one of the State Junior High Schools in Prambanan still uses the method of writing guest books to manage library data. One thing that is still being done today is writing borrower data, book data, and visitor data. Library staff record data on students who borrow books, the possibility of the book being returned but not recorded, or returned damaged or lost. Designing a library system using UML is designed to meet system deficiencies. The results of the library information system are expected to make it easier for students to obtain the desired book information. Officers can search through the existing system in library management to borrow books in a relatively quick and structured manner. The book return process is well-systemized
Analisis Model Prediksi Kinerja Karyawan Pada Sebuah Perusahaan Garmen Menggunakan Machine Learning Naf'ul Huja, Wisnu; Muslim Hidayat; Muhamad Fuat Asnawi
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.123

Abstract

Penelitian ini bertujuan untuk menganalisis dan memprediksi tingkat efektivitas buruh di pabrik garmen menggunakan metode regresi linier dan teknik machine learning. Efektivitas buruh dipengaruhi oleh faktor-faktor seperti keterampilan, pengalaman, motivasi, kondisi fisik, dan penggunaan teknologi. Model regresi linier, bersama dengan algoritma machine learning, digunakan untuk mengidentifikasi hubungan antara variabel-variabel tersebut dengan tingkat efektivitas buruh. Hasil analisis ini diharapkan dapat membantu manajemen dalam meningkatkan efisiensi operasional, mengurangi biaya produksi, serta melakukan intervensi yang tepat waktu untuk mengatasi penurunan produktivitas. Dengan demikian, perusahaan dapat lebih efektif dalam meningkatkan kinerja buruh dan pengambilan keputusan berbasis data.
IMPLEMENTASI BIG DATA ANALYTICS DALAM KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA GRADIENT-BOOSTED TREE CLASSIFIER PADA PYSPARK Muhamad Fuat Asnawi; Nur Fitriyanto; M. Agoeng Pamoengkas
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.124

Abstract

This study aims to classify air quality based on PM1.0, PM2.5, and PM10 parameters using a Big Data Analytics approach with the Gradient-Boosted Tree Classifier (GBT) algorithm implemented on the PySpark framework. The dataset used was downloaded from OpenAQ, covering the period from April 14, 2021, to April 16, 2023, with a total of 1,048,154 entries, representing a large and complex volume of data. The research process includes data preprocessing to address data imbalance, dataset splitting for training and testing, and hyperparameter tuning using grid search and cross-validation to optimize model performance. By leveraging PySpark’s advantage in parallel processing of large data, the GBT model achieved an accuracy of 98.87%, precision of 99.00%, recall of 98.87%, and an F1-Score of 98.90%. This study demonstrates how Big Data Analytics can enhance efficiency and accuracy in air quality classification, contributing significantly to the development of real-time monitoring systems that support air pollution mitigation and data-driven policy-making.
DATA MINING UNTUK PREDIKSI KELAYAKAAN PENERIMAAN BEASISWA SDN 2 MLIPAK WONOSOBO MENGGUNAKAN METODE NAIVE BAYES Tegar Alam Pribadi; Adi Suwondo; Dimas Prasetyo Utomo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.125

Abstract

Pendidikan adalah kunci dalam mengembangkan karakter dan kecerdasan generasi muda di Indonesia, dengan salah satu upayanya adalah melalui beasiswa. SDN 2 Mlipak Wonosobo menerapkan program ini untuk mendukung kesetaraan pendidikan. Data Mining, yang digunakan untuk mengekstrak informasi dari data besar, menjadi penting dalam hal ini. Metode Naïve Bayes terbukti efektif dalam memprediksi kelayakan beasiswa, mengutamakan kecepatan dan akurasi. Pembaruan model Naïve Bayes dengan data terkini dan pelatihan staf sekolah merupakan langkah penting untuk memaksimalkan penggunaan teknologi ini.
SISTEM PENJADWALAN MATA PELAJARAN DI MA NURUL ISLAM SAMPANG KABUPATEN CILACAP MENGGUNAKAN ALGORITMA GENETIKA Muhammad Abror; Dian Asmarajati; Nulngafan; Nur Hasanah; Sukowiyono
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 1 (2025): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i1.126

Abstract

Penjadwalan merupakan aspek penting dalam berbagai instansi dan organisasi baik milik pemerintah maupun milik swasta. Dalam instansi pendidikan, seperti sekolah penjadwalan biasanya diterapkan pada mata pelajaran. Penjadwalan mata pelajaran seringkali kompleks karena harus memperhatikan berbagai batasan seperti preferensi waktu guru, kombinasi mata pelajaran terutama pada mata pelajaran dengan tingkat kesulitan tinggi supaya tidak dijadwalkan dalam satu hari, dan batasan lainnya. Metode algoritma genetika dapat diterapkan untuk membuat jadwal mata pelajaran yang efektif dengan batasan yang ada. Pembuatan tugas akhir ini bertujuan untuk membuat suatu jadwal mata pelajaran yang efektif dan efisien dengan menggunakan algoritma genetika. Berdasarkan hasil uji coba sistem, diketahui bahwa dengan menggunakan metode algoritma genetika diperolah hasil berupa jadwal mata pelajaran yang optimal atau sesuai dengan batasan yang ada.
OPTIMASI PRODUKTIVITAS TENAGA KERJA MELALUI PREDIKSI BERBASIS MACHINE LEARNING Sihombing, Adelina Octavia
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.147

Abstract

Labor welfare is commonly reflected in the increase of wages received by workers, which serves as an indicator of labor productivity. Labor productivity can be influenced by various factors including education, work experience, capital investment, capital expenditure, population density, regional original income, special allocation funds, altitude, and infrastructure. This study applies machine learning techniques to identify the most accurate model for predicting labor productivity in Indonesia. Five models were evaluated: Linear Regression, K-Nearest Neighbors (KNN), Support Vector Regression (SVR), Random Forest, and Gradient Boosting. Among these, the Random Forest model demonstrated the lowest Root Mean Square Error (RMSE) value of 0.270, indicating superior predictive performance. Consequently, the Random Forest model is recommended for labor productivity prediction. Feature importance analysis revealed that education is the most influential factor affecting labor productivity.
SISTEM REKOMENDASI LOKAWISATA DI PURBALINGGA MENGGUNAKAN PENDEKATAN CASE BASED REASONING (CBR) Debby Ummul Hidayah
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.148

Abstract

Dalam sektor pariwisata, Purbalingga menawarkan berbagai destinasi wisata yang menarik. Diketahui terdapat 32 objek wisata yang masing-masing memiliki keunggulan menarik minat wisatawan. Namun, seringkali masih banyak wisatawan yang merasa bingung dalam memilih keputusan untuk menentukan lokasi wisata. Seperti tidak mengetahui informasi nama wisata, harga tiket masuk, maupun lokasi. Melihat kondisi tersebut, dibutuhkan suatu sistem pendukung keputusan yang dapat membantu wisatawan dalam menentukan destinasi wisata secara lebih tepat dan efisien. Salah satu pendekatan yang dapat digunakan untuk membangun sistem rekomendasi wisata adalah metode Case Based Reasoning (CBR) yang dipadukan dengan metode Analytical Hierarchy Process (AHP). Metode ini bekerja dengan cara menyelesaikan kasus baru berdasarkan kemiripan dengan kasus-kasus lama yang pernah terjadi. Sedangkan penggunaan metode AHP untuk melakukan pembobotan terhadap masing-masing alternatif wisata. Dengan demikian tujuan penelitian ini adalah untuk membangun sistem CBR dalam membantu wisatawan untuk menentukan destinasi wisata yang sesuai dengan kebutuhan dan preferensi mereka. Hasil penelitian menunjukkan bahwa pada tahap reuse dihasilkan 3 alternatif wisata meliputi T3 dengan similarity 0,67, T16 dengan similarity 0,5 dan T27 dengan similarity sebesar 0,67. Kemudian dilakukan perhitungan vektor eigen pada masing-masing alternatif. Nilai vektor eigen paling tinggi yaitu pada alternatif T3 sebesar 0,486. Sehingga keputusan untuk memilih rekomendasi wisata yang terbaik yaitu D’LAS Lembah Asri Serang.  
SISTEM PERAMALAN PENJUALAN FROZEN FOOD DENGAN METODE FUZZY TIME SERIES CHENG Simping Puji Lestari; Adi Suwondo; Muslim Hidayat; Dimas Prasetyo Utomo; Rina Mahmudati; Iman Ahmad Ihsanuddin
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.149

Abstract

Penjualan yang fluktuatif dari waktu ke waktu menimbulkan kesulitan dalam perencanaan produksi dan pengambilan keputusan bisnis, terutama dalam menentukan jumlah stok yang optimal. Permasalahan ini menimbulkan kebutuhan akan sistem yang mampu meramalkan penjualan secara akurat. Penelitian ini bertujuan untuk mengembangkan sistem peramalan penjualan berbasis web dengan menerapkan metode Fuzzy Time Series Cheng guna membantu pelaku usaha memahami pola penjualan dan memprediksi jumlah penjualan di masa mendatang. Metode Fuzzy Time Series Cheng digunakan melalui tahapan pembentukan interval, fuzzifikasi, pembentukan relasi fuzzy, dan defuzzifikasi. Dataset yang digunakan terdiri dari data penjualan selama 26 bulan. Akurasi hasil peramalan diukur menggunakan indikator Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan bahwa sistem menghasilkan tingkat kesalahan prediksi yang rendah, sehingga layak digunakan sebagai alat bantu dalam pengambilan keputusan bisnis. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL, serta dilengkapi fitur pengelolaan data dan laporan berbasis web untuk memudahkan pengguna dalam mengakses hasil peramalan secara praktis.
SISTEM DETEKSI DAN KLASIFIKASI PENYAKIT TANAMAN PADI BERDASARKAN DAUN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR ResNet-50 Zulian Firmansyah; Dian Asmarajati; Muslim Hidayat; Nur Hasanah; Muhammad Alif Muwafiq Baihaqy; Nulngafan; Saifu Rohman
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.150

Abstract

Diagnosa penyakit padi secara konvensional dinilai bergantung pada pengamatan manual yang lambat dan kurang akurat maka diperlukan solusi yang lebih efisien dan objektif dengan pemanfaatan kecerdasan buatan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman padi menggunakan bagian dari kecerdasan buatan yaitu metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50. Sistem dirancang untuk mendeteksi enam penyakit padi berdasarkan citra daun yaitu Blast, Bacterial Blight, Brown Spot, Tungro, False Smut dan Cercospora. Dataset berasal dari kombinasi data publik (kaggle.com) dan citra lapangan yang diambil langsung di daerah Kabupaten Wonosobo. Model dikembangkan dan di modifikasi dengan penambahan GlobalAveragePooling, Dense layer dengan aktivasi ReLU dan regularisasi L2, serta Dropout untuk mengurangi overfitting. Lapisan output menggunakan softmax untuk klasifikasi multi kelas. Evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Model dapat menunjukkan akurasi pengujian yang tinggi sebesar 79.52% dan performa efektif dengan akurasi 92% pada Classification Report. Hasil deteksi langsung ditampilkan pada sistem berbasis web berupa skala probabilitas penyakit yang terdeteksi.
Tinjauan Pustaka Sistematis tentang Teknologi Keamanan Data: Tren dan Tantangan Asnawi, muhamad Fuat Asnawi; Nur Fitriyanto; M. Agoeng Pamoengkas
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 2 No 2 (2025): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v2i2.151

Abstract

Penelitian ini merupakan tinjauan pustaka sistematis (Systematic Literature Review/SLR) yang bertujuan mengidentifikasi tren dan tantangan utama dalam teknologi keamanan data selama periode 2020–2025. Sebanyak 91 artikel dari basis data IEEE Xplore dan ScienceDirect telah dikaji secara mendalam dengan fokus pada inovasi teknologi enkripsi, penerapan kecerdasan buatan (AI) dan machine learning dalam keamanan data, serta tantangan dalam perlindungan data pribadi di lingkungan cloud computing dan Internet of Things (IoT). Hasil kajian menunjukkan bahwa tren utama teknologi keamanan data meliputi adopsi Advanced Encryption Standard (AES), homomorphic encryption, searchable encryption, hingga enkripsi berbasis blockchain, serta integrasi AI untuk deteksi dan mitigasi ancaman secara proaktif. Meskipun demikian, penelitian ini juga menyoroti tantangan besar berupa keamanan data pribadi, kompleksitas pengelolaan data di cloud, serta implementasi regulasi seperti GDPR yang masih menghadapi berbagai kendala teknis dan hukum. Studi ini memberikan kontribusi penting dengan memetakan perkembangan terbaru sekaligus mengidentifikasi gap riset yang relevan untuk penguatan keamanan data di masa mendatang.

Page 2 of 2 | Total Record : 20

 1   2 

Filter by Year

2024 2025


Reset
Filter By Issues
All Issue Vol 2 No 2 (2025): Juli Vol 2 No 1 (2025): Januari Vol 1 No 2 (2024): Juli Vol 1 No 1 (2024): Januari