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 30 Documents
 1   2   3 
IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK RESNET50 PADA PENYAKIT MATA DARI CITRA FUNDUS Waruwu, Kalfinus; Syafri Arlis
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.160

Abstract

Kondisi mata seperti katarak, glaukoma, dan retinopati diabetik merupakan penyebab utama kebutaan di dunia. Deteksi dini melalui analisis citra fundus retina sangat penting untuk mencegah komplikasi lebih lanjut. Studi ini merancang sistem klasifikasi penyakit mata berbasis citra retina menggunakan arsitektur Convolutional Neural Network (CNN) ResNet50 dengan pendekatan transfer learning. Dataset yang digunakan berasal dari Kaggle, berjumlah 4.217 citra fundus, dan diklasifikasikan ke dalam empat kategori: normal, katarak, glaukoma, dan retinopati diabetik. Proses pelatihan dilakukan dengan rasio data 80:10:10 untuk training, validasi, dan pengujian. Hasil evaluasi menunjukkan performa tinggi dengan akurasi keseluruhan mencapai 94%, didukung oleh nilai precision, recall, dan F1-score yang optimal, khususnya pada kelas diabetic retinopathy dengan hasil sempurna (1.00). Meskipun demikian, kelas glaukoma masih menghadapi kesulitan klasifikasi akibat kemiripan visual dengan kelas normal. Kontribusi utama penelitian ini terletak pada implementasi ResNet50 yang terbukti efektif dalam mendeteksi penyakit mata berbasis citra fundus secara otomatis, sekaligus memberikan dasar ilmiah untuk pengembangan sistem pendukung keputusan klinis di bidang oftalmologi. Dengan demikian, studi ini tidak hanya menunjukkan keandalan model deep learning dalam diagnosis medis, tetapi juga membuka peluang penerapan lebih luas pada deteksi dini penyakit mata untuk meningkatkan kualitas layanan kesehatan.
Pemodelan Prediksi Harga Saham Emas ANTAM Menggunakan Gated Recurrent Unit dan Regresi Linear Berganda pada Time Series Kamalia, Antika Zahrotul; Wahyu Tri Utami; Arif Susilo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.185

Abstract

This study investigates the prediction of PT Aneka Tambang Tbk (ANTM) stock prices using time-series data by comparing two approaches: the Gated Recurrent Unit (GRU) model and multiple linear regression. The dataset consists of daily historical ANTM data collected from Yahoo Finance spanning 2014–2024, which was preprocessed (including cleaning/normalization) and split chronologically into training (70%) and testing (30%) sets to preserve realistic forecasting conditions. Model performance was assessed using R-squared (R²), Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE), supported by visual comparisons between actual and predicted values. The results indicate that the GRU model achieves superior predictive performance and better captures the dynamic and non-linear behavior of stock price movements compared to multiple linear regression. These findings suggest that GRU is more suitable for ANTM stock price forecasting in a time-series setting, while multiple linear regression remains useful as a simple and interpretable baseline model.
Sistem Integrasi Sistem Absensi Berbasis QR Code untuk Penataan Kursi, Distribusi Snack, dan Pemanggilan Wisudawan: Integrasi Sistem Absensi Berbasis QR Code untuk Penataan Kursi, Distribusi Snack, dan Pemanggilan Wisudawan Prasetyo, Dimas; Az-Zahrawani; Bethoven Bayu Belantara
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.198

Abstract

Pelaksanaan wisuda berskala besar memerlukan pengelolaan data yang terintegrasi agar proses operasional berjalan tertib dan efisien. Permasalahan yang sering muncul meliputi absensi yang memakan waktu, penataan kursi yang kurang optimal, potensi duplikasi distribusi snack, serta ketidaksinkronan data pada pemanggilan wisudawan. Penelitian ini bertujuan mengembangkan dan mengevaluasi sistem absensi berbasis QR Code yang terintegrasi dengan modul penataan kursi, distribusi snack, dan pemanggilan wisudawan dalam satu basis data terpusat. Metode penelitian menggunakan rekayasa perangkat lunak dengan model System Development Life Cycle (SDLC) Waterfall. Hasil pengujian menunjukkan bahwa sistem mampu menyinkronkan data kehadiran, mencegah duplikasi distribusi snack, serta memastikan pemanggilan wisudawan berdasarkan status kehadiran.
Sistem PENGEMBANGAN SISTEM INFORMASI DOSEN WALI UNTUK OPTIMALISASI BIMBINGAN AKADEMIK: PENGEMBANGAN SISTEM INFORMASI DOSEN WALI UNTUK OPTIMALISASI BIMBINGAN AKADEMIK Saifu Rohman; Dhea Anggrestyn; Akhmad Khadziq Khafifi
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.199

Abstract

Academic advising is an important activity between academic advisors and students to ensure that study plans run in accordance with applicable regulations. In many study programs, this process is still carried out manually, so consultation data is often not well recorded and communication becomes less effective. This condition encourages the development of an Academic Advisor Information System that can help manage the advising process in a structured manner. The system is designed to provide features for submitting consultation requests, reviewing study plans (KRS), recording the results of advising sessions, as well as displaying student information for academic advisors. The development stages are carried out starting from needs analysis, interface design, development of main functions, to simple testing to ensure the system runs according to its initial objectives. Based on the results of initial use, this system is considered capable of
SISTEM PREDIKSI PENJUALAN BERBASIS WEB MENGGUAKAN METODE SINGLE EXPONENTIAL SMOOTHING Lina Setiawati; Muhamad Fuat Asnawi; Dimas Prasetyo Utomo; Adi Suwondo; Nahar Mardiyantoro; M Alif Muwafiq B
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 1 (2026): Januari
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i1.200

Abstract

Prediksi penjualan diperlukan untuk membantu pelaku usaha dalam merencanakan pengadaan barang secara tepat dan efisien. Penelitian ini bertujuan untuk membangun dan mengimplementasikan sistem prediksi penjualan berbasis web menggunakan metode Single Exponential Smoothing (SES). sistem dikembangkan menggunakan framework Laravel, basis data MySQL, serta Chart.js untuk visualisasi hasil prediksi. Data penelitian berasal dari dataset publik Kaggle dan direkap menjadi data bulanan selama 1 periode, yaitu Agustus 2022 hinga Juli 2023, tanpa nilai kosong agar memenuhi syarat perhitungan SES. Sistem menghasilkan nilai prediksi penjualan secara otomatis berdasarkan parameter alpha yang dipilih pengguna. Evaluasi akurasi dilakukan pada produk Ivory230 menggunakan metrik MAPE, MAD, dan MSE. Hasil pengujian menunjukkan bahwa parameter α = 0,9 memberikan hasil terbaik dengan nilai MAPE sebesar 26% atau akurasi 74% yang menurut kategori Lewis (1982) termasuk kategori good forecasting (cukup baik). Temuan ini juga diperkuat oleh penelitian Chaerunnisa dan Momon (2021) yang menyatakan bahwa SES tetap memberikan hasil yang dapat diterima pada data penjualan fluktuatif. Berdasarkan hal tersebut, sistem prediksi penjualan berbasis web yang dibangun dapat dinyatakan valid dan layak digunkan sebagai dasar evaluasi prediksi penjulan.
SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT APARATUR SIPIL NEGARA MENGGUNAKAN METODE PROFILE MATCHING (Studi kasus: Kantor Kementerian Agama Kabupaten Cilacap): SISTEM PENDUKUNG KEPUTUSAN KENAIKAN PANGKAT APARATUR SIPIL NEGARA MENGGUNAKAN METODE PROFILE MATCHING Muhamad Lutfi; Muhamad Fuat Asnawi; M. Alif Muwafiq Baihaqy
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.258

Abstract

Proses penilaian kelayakan kenaikan pangkat Aparatur Sipil Negara (ASN) di Kantor Kementerian Agama Kabupaten Cilacap saat ini menghadapi kendala pada tahapan rekapitulasi data. Tidak terintegrasinya data secara otomatis dari sistem pusat seperti SIASN dan Pusaka menyebabkan proses penyaringan harus dilakukan secara konvensional, yang berisiko memunculkan human error dan bias subjektivitas. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) berbasis web menggunakan metode Profile Matching guna memberikan rekomendasi urutan prioritas kenaikan pangkat yang objektif, transparan, dan sesuai dengan prinsip meritokrasi, khususnya untuk Jabatan Fungsional Guru ASN. Sistem dikembangkan menggunakan model Waterfall dengan bahasa HTML, CSS, JavaScript, PHP, dan MySQL. Hasil pengujian kebergunaan antarmuka dengan System Usability Scale (SUS) memperoleh skor 80 (Good/Acceptable). Selain itu, uji validitas objektivitas hasil menggunakan analisis Spearman Rank Correlation menghasilkan koefisien korelasi 0,8 (Sangat Kuat). Dengan demikian, SPK ini layak dan efektif digunakan sebagai alat penyaring internal yang akurat sebelum usulan kepangkatan diajukan secara resmi.
SISTEM KLASIFIKASI MUTU BUAH SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Zaid Husni Abdillah; Nahar Mardiyantoro; Muslim Hidayat; Saifu Rohman; Nur Hasanah
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.269

Abstract

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidakkonsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur MobileNetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, dan C), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian pada perangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B. Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas.
SISTEM DIAGNOSA GANGGUAN KWH METER DENGAN METODE DECISION TREE BERBASIS WEBSITE Azis Nurokhman; Muhamad Fuat Asnawi; Nur Hasanah; Iman Ahmad Ihsanuddin; Dimas Prasetyo Utomo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.270

Abstract

KWH meter merupakan perangkat penting dalam sistem kelistrikan yang berfungsi mengukur konsumsi listrik pelanggan. Gangguan teknis pada KWH meter dapat menyebabkan ketidaktepatan pencatatan daya dan menurunkan kualitas layanan kelistrikan. Penelitian ini bertujuan untuk merancang dan membangun sistem diagnosis gangguan KWH meter berbasis website menggunakan metode Decision Tree. Metode pengembangan sistem menggunakan pendekatan System Development Life Cycle (SDLC) model Waterfall yang terdiri dari analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data gangguan diperoleh dari laporan teknisi di PT. PLN (Persero) ULP Denpasar dalam format Excel, yang kemudian digunakan untuk melatih model klasifikasi Decision Tree. Sistem ini dirancang agar dapat menerima input parameter teknis seperti tegangan, arus, dan daya, lalu mengidentifikasi jenis gangguan secara otomatis. Hasil pengujian menunjukkan bahwa model memiliki tingkat akurasi rata-rata sebesar 83,08% dalam mengklasifikasikan gangguan. Sistem juga menyediakan antarmuka web yang ramah pengguna, fitur riwayat diagnosis, serta fungsi pembaruan data dan pelatihan ulang model. Dengan demikian, sistem ini dapat menjadi alat bantu diagnosis yang efektif dan dapat dikembangkan lebih lanjut untuk jenis KWH meter lainnya.
SISTEM PAKAR DIAGNOSA PENYAKIT AYAM PEDAGING MENGGUNAKAN METODE CERITAINTY FACTORY BERBASIS MOBILE Giri Wijanarko; Erna Dwi Astuti; Rina Mahmudati; Hidayatus Sibyan; Adi Suwondo
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.271

Abstract

Permasalahan penyakit pada ayam pedaging menjadi tantangan serius bagi peternak karena dapat menyebabkan kematian massal dan kerugian ekonomi yang signifikan. Kurangnya akses terhadap tenaga ahli dan kemampuan diagnosa mandiri menjadi hambatan utama dalam penanganan penyakit tersebut, khususnya di daerah pedesaan. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis Android untuk mendiagnosa penyakit ayam pedaging menggunakan metode Certainty Factor. Metode Certainty Factor digunakan untuk mengukur tingkat kepastian diagnosa berdasarkan kombinasi nilai keyakinan dari pakar dan pengguna terhadap gejala yang dialami ayam. Hasil pengujian menunjukkan bahwa sistem pakar yang dikembangkan mampu memberikan hasil diagnosa dengan tingkat keakuratan mencapai 95% dibandingkan perhitungan manual. Sistem ini diharapkan dapat membantu peternak melakukan diagnosa terhadap penyakit ayam secara mandiri dan akurat, serta menjadi solusi praktis di tengah keterbatasan akses terhadap pakar.
CHATBOT ASSISTANT DENGAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) SEBAGAI LAYANAN TANYA JAWAB MENTEE DI INFINITE LEARNING Rahmad Noor Ikhsan; Adi Suwondo; Muslim Hidayat; Dian Asmarajati; Sukowiyono
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.272

Abstract

Mentor pada program Studi Independen di Infinite Learning sering menghabiskan waktu menjawab pertanyaan umum yang berulang dari mahasiswa, sehingga mengurangi efisiensi pendampingan. Penelitian ini bertujuan membuat chatbot sebagai layanan tanya jawab mentee dengan metode eksperimental. Pengembangan chatbot menggunakan Long Short-Term Memory (LSTM), arsitektur deep learning yang efektif untuk Natural Language Processing (NLP). Data berupa pertanyaan dan jawaban dibagi menjadi 3 bagian: pre-register, running program, dan end program. Model dilatih selama 39 epoch dengan nilai loss 0.0279, accuracy 99.71%, validation loss 0.0237, dan validation accuracy 99.72%. Evaluasi menggunakan confusion matrix menunjukkan accuracy 99%, precision 97%, recall 98%, dan f1-score 97%. Model kemudian diimplementasikan ke Telegram bot untuk layanan tanya jawab otomatis bagi mentee.

Page 3 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2024 2026


Reset
Filter By Issues
All Issue Vol 3 No 2 (2026): Juli Vol 3 No 1 (2026): Januari Vol 2 No 2 (2025): Juli Vol 2 No 1 (2025): Januari Vol 1 No 2 (2024): Juli Vol 1 No 1 (2024): Januari