cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ahmad Farhan
Contact Email
teknologi@ft.unipdu.ac.id
Phone
+628563555518
Journal Mail Official
teknologi@ft.unipdu.ac.id
Editorial Address
Kompleks Ponpes Darul 'Ulum Peterongan Jombang, East Java, Indonesia 61481
Location
Kab. jombang,
Jawa timur
INDONESIA
Teknologi : Jurnal Ilmiah Sistem Informasi
Published by Universitas Pesantren Tinggi Darul ulum
ISSN : 20878893     EISSN : 25273671     DOI : https://doi.org/10.26594/teknologi
Core Subject : Science,
Computer Science & IT
Enterprise Systems (ES) Enterprise Resource Planning Business Process Management Customer Relationship Management Marketing Analytics System Dynamics E-business and e-Commerce Marketing Analytics Supply Chain Management and Logistics Business Analytics and Knowledge Discovery Production Management Task Analysis Process Mining Discrete Event Simulation Service Science and Innovation Innovation in the Digital Economy Information Systems Management (ISM) Software Engineering Software Design Pattern System Analysis and Design Software Quality Assurance Green Technology Strategies Strategic Information Systems IT Governance and Audits E-Government IT Service Management IT Project Management Information System Development Research Methods of Information Systems Adoption and Diffusion of Information Technology Health Information Systems and Technology Accounting Information Systems Human Behavior in Information System Social Technical Issues and Social Inclusion Domestication of Information Technology ICTs and Sustainable Development Information System in developing countries Software metric and cost estimation IT/IS audit IT Risk and Management Data Acquisition and Information Dissemination (DAID) Open Data Social Media Knowledge Management Social Networks Big Data Web Services Database Management Systems Semantics Web and Linked Data Visualization Information Social Information Systems Social Informatics Spatial Informatics Systems Geographical Information Systems Data Engineering and Business Intelligence (DEBI) Business Intelligence Data Mining Intelligent Systems Artificial Intelligence Autonomous Agents Intelligent Agents Multi-Agent Systems Expert Systems Pattern Recognition Machine Learning Soft Computing Optimization Forecasting Meta-Heuristics Computational Intelligence Decision Support Systems IT Infrastructure and Security (ITIS) Information Security and Privacy Digital Forensics Network Security Cryptography Cloud and Virtualization Emerging Technologies Computer Vision and Image Ethics in Information Systems Human Computer Interaction Wireless Sensor Networks Medical Image Analysis Internet of Things Mobile and Pervasive Computing Real-time Systems and Embedded Systems Parallel and Distributed Systems
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 5 Documents
 1 
Search results for , issue "Vol 15 No 1 (2025): January" : 5 Documents clear
Perbandingan Algoritma KNN dan SVM Dalam Memprediksi Metaverse Crypto Token Putra, Kurnia Ramadhan; Rizqullah, Bahy Tsany
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 15 No 1 (2025): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v15i1.5066

Abstract

Perubahan harga cryptocurrency cenderung fluktuatif, sehingga diperlukan teknik khusus untuk memprediksi harga cryptocurrency tersebut. Teknik prediksi data mining dengan metode regresi digunakan untuk membangun model prediksi harga cryptocurrency tersebut. Algoritma yang digunakan untuk pemodelan yaitu K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM), kemudian hasil dari kedua algoritma tersebut dibandingkan untuk mendapatkan pemodelan yang lebih baik. Beberapa variabel yang digunakan pada data yaitu variabel independen seperti open, high, dan low serta variabel dependen seperti close. Evaluasi terhadap pengujian model dilakukan menggunakan berbagai teknik seperti menggunakan data murni, remove outlier, pembagian data mulai dari 70:30, 80:20, dan 90:10, serta standarisasi. Dari hasil evaluasi didapatkan bahwa algoritma SVM dengan teknik standarisasi z-score, dan pembagian data 70:30 memberikan nilai error paling kecil yaitu 5% serta dan nilai R2 Square yaitu 0,98.
Penerapan Metode Weigthed Product (WP) dalam Sistem Pendukung Keputusan Pemilihan Benih Ikan Nila Terbaik Dari, Rahmatia Wulan; Yesri Elva; Sapriadi, Sopi; Prima, Wahyu; Eko Syaputra, Aldo
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 15 No 1 (2025): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v15i1.5339

Abstract

This study aims to understand the selection of the best quality Nile tilapia seeds using a Decision Support System (DSS) with the Weighted Product (WP) method at Tambak Nagari. The research employed two approaches: manual calculations and a system based on Visual Basic.NET. The results showed that the Visual Basic.NET-based system significantly facilitates decision-making, accelerates the process, and minimizes human error compared to manual methods. This system enables users to easily identify the best Nile tilapia seeds based on criteria such as growth rate, disease resistance, and feed efficiency. However, the system requires regular updates to enhance its reliability and flexibility, particularly in handling large-scale data and adding new criteria. The integration of this technology makes the seed selection process more efficient and objective, supporting the sustainability of Nila Fish farming and marking an important step toward digital transformation in the fisheries sector.
Perancangan Aplikasi Inventory Menggunakan Google Appsheet Di Badan Pusat Statistik Kabupaten Jombang Muhammad Ma'shum; Mukhamad Masrur; Eddy Kurniawan
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 15 No 1 (2025): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v15i1.5359

Abstract

Pemberkasan di badan pusat statistic kabupaten jombang dalam hal meminta dan meminjam barang masih dilakukan secara manual, hal tersebut kurang efektif dikarenakan sering terjadi human eror(kesalahan menulis). Oleh karena itu tujuan dari proyek ini adalah untuk memberikan solusi kesalahan input dalam permintaan dan peminjaman barang, dan pemantauan keluar dan masuknya barang di bps jombang. Metodologi yang digunakan meliputi analisis kebutuhan, desain sistem, serta pengembangan, dan pengujian aplikasi. Aplikasi ini dilengkapi dengan fitur-fitur penting, seperti pencatatan barang masuk dan keluar, laporan stok, serta pemantauan barang. Hasil dari penelitian ini adalah membuat aplikasi inventory berbasis appsheet yang berfungsi untuk menjawab permasalahan-permasalahan di bps jombang. Dan aplikasi ini sudah di uji menggunakan blackbox untuk memastikan lagi bahwa fitur-fitur yang ada sudah berfungsi dengan baik sesuai yang di harapkan, dan hasilnya adalah sudah memenuhi dan fitur yang ada sudah sesuai dengan yang di harapkan.
Klasifikasi Ulasan Pelanggan pada Aplikasi MitraShopee Menggunakan Metode Support Vector Machine dan Naïve Bayes Perdana, Adika Surya; Istian Kriya Almanfaluti; Alshaf Pebrianggara
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 15 No 1 (2025): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v15i1.5577

Abstract

Penelitian ini bertujuan untuk menghasilkan ulasan pelanggan aplikasi MitraSHopee ke dalam tiga kategori, yaitu, kritik, saran, dan pertanyaan, menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Sebanyak 6.000 ulasan diambil dari Google Play Store dan diproses melalui tahapan pembersihan data seperti case folding, tokenizing, stopword removal, dan normalisasi menggunakan Python di Google Colab. Data yang telah dibersihkan kemudian dianalisis dengan TF-IDF dan dilabeli berdasarkan pendekatan berbasis atiran. Hasil evaluasi menujukkan bahwa algoritma SVM memiliki performa lebih unggul dengan akurasi sebesar 81%, sedangkan Naibe Bayes mencatatkan akurasi 56%. SVM menunjukkan keseimbangan yang baik antara precision dan recall, khususnya dalam mendeteksi ulasan saran dan pertanyaan. Sementara itu, Naïve Bayes cenderung bias terhadap satu kelas dan kurang mampu mengenali kritik dengan baik. Penelitian ini menunjukkan pentingnya pemilihan algoritma dan tahap preprocessing dalam klasifikasi teks. Hasil yang diperoleh diharapkan dapat membantu pengembang aplikasi dalam memahami kebutuhan pengguna secara lebih cepat dan tepat sasaran melalui system klasifikasi otomatis.
Pengenalan Ucapan Pelo Menggunakan Short Time Fourier Transform dengan Pemodelan Lightweight Convolutional Neural Network Andi Sugandi; Irianta, Henry Ardian; Muhammad Fauzan Gustafic
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 15 No 1 (2025): January
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v15i1.5625

Abstract

Disartria adalah gangguan neurologis yang menghambat penderita untuk mengucapkan kata-kata dengan benar. Saat ini, Speech Command Recognition (SCR) turunan rumpun ilmu Automatic Speech Recognition (ASR) sedang diteliti dan dikembangkan untuk membantu penderita disartria atau pelo sehingga sulit berkomunikasi. Salah satu tahap dasar dalam membangun SCR adalah proses pengenalan kata, klasifikasi dan prediksi ucapan kata. Penelitian ini bertujuan untuk membangun pemodelan Deep learning, untuk pengenalan ucapan pelo, dengan desain arsitektur deep learning efisien yaitu Lightweight Convolutional Neural Network (LCNN), menggunakan ekstarksi ciri Short Time Fourier Transform STFT (STFT-LCNN). Augmentasi data dengan noise posisition dan re-pitch agar menambah variasi dataset yang efisien. Pendekatan arsitektur LCNN dihgunakan untuk implementasi edge devices kedepanya. Dalam pengimplementasiannya, model menggunakan 2 layer konvolusi, ekstraksi ciri menggunakan spektrogram, dan mennggunakan mini dataset dari EasyCall untuk pendeteksian, 5 kelas klasifikasi dengan penutur pelo atau disartria. Metode ini menghasilkan akurasi pemodelan sebesar 82%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 15 No 2 (2025): July Vol 15 No 1 (2025): January Vol 14 No 2 (2024): July Vol 14 No 1 (2024): January Vol 13 No 1 (2023): January Vol 12 No 1 (2022): January