cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Sulistiyanto
Contact Email
sulistiyanto@polsri.ac.id
Phone
+6287735639708
Journal Mail Official
editorial@mail.onlinelibrary.id
Editorial Address
jl.ratudibalau, tanjung seneng bandar lampung
Location
Kota bandar lampung,
Lampung
INDONESIA
Journal of Technology and Data Science
Published by Alesha Media Digital
ISSN : -     EISSN : 29627788     DOI : https://doi.org/10.59025
Core Subject : Science,
Computer Science & IT Library & Information Science
Journal of Technology and Data Science merupakan jurnal ilmiah peer-review dengan akses bebas dan terbuka yang peruntukannya sebagai media publikasi hasil penelitian terapan dari berbagai macam bidang keilmuan komputer & teknologi informasi. Jurnal ini mempunyai tujuan untuk menyebarluaskan hasil penelitian, hasil review, laporan, dan lain sebagainya khususnya bidang ilmu kompuer dan teknologi informasi. Artikel yang ada pada media jurnal ini dapat digunakan untuk pemenuhan syarat bagian Pelaksanaan Penelitian dan Kenaikan Jabatan Akademik Dosen Komponen Kegiatan Penelitian
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 30 Documents
 1   2   3 
Sistem Informasi Pemesanan Meubel Berbasis Web pada CV Usaha Musi Palembang dengan Metode RAD Chindy Cisilia
Journal of Technology and Data Science Vol 3 No 1 (2025): Vol. 3 No. 1 (2025): Juni 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/0e0e3362

Abstract

Transformasi digital menjadi keharusan bagi UMKM yang ingin tetap kompetitif di pasar pasca-pandemi. CV Usaha Musi Palembang UMKM penjualan meubel dan perabot rumah tangga selama periode penelitian masih bertumpu pada Microsoft Excel untuk pencatatan dan saluran offline untuk transaksi sehingga jangkauan pasar terbatas dan pelaporan tidak real-time. Penelitian ini bertujuan merancang dan mengimplementasikan sistem informasi pemesanan berbasis web menggunakan metode Rapid Application Development (RAD) dalam empat fase Requirements Planning, User Design, Construction, dan Cutover dengan tiga timebox 1,5 minggu. Sistem dibangun menggunakan PHP 8.1, Laravel 10, dan MySQL 8 dengan model basis data empat tabel relasional. Pengujian Black-Box terhadap 33 skenario uji menunjukkan kesesuaian fungsional 100% dan User Acceptance Testing pada 18 responden mencapai tingkat penerimaan 91% (kategori Sangat Layak). Implementasi RAD memungkinkan go-live dalam lima minggu lebih dari 50% lebih cepat dari estimasi Waterfall pada konteks proyek yang sebanding. Kontribusi utama penelitian ini adalah pemetaan kebutuhan e-commerce UMKM meubel, model basis data yang dapat di-scale, dan validasi empiris efektivitas RAD untuk UMKM dengan sumber daya terbatas.
Sistem Informasi Penjualan Kavling Tanah dengan Pelacakan Angsuran Otomatis Julius Eka Rahmad; Sulistiyanto
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/f5614101

Abstract

Pengembang properti skala menengah di Indonesia banyak yang masih mengandalkan pencatatan manual berbasis buku besar untuk transaksi penjualan kavling tanah dan pelacakan angsuran multi-tahun, kondisi yang membuat data rentan hilang dan menyulitkan deteksi tunggakan. Penelitian ini merancang dan membangun prototipe Sistem Informasi Penjualan Kavling Tanah pada CV. Ariesta Prima Palembang menggunakan metode Waterfall lima fase, dengan implementasi berbasis web (PHP, MySQL, Bootstrap); pengumpulan data dilakukan melalui observasi alur transaksi, wawancara lima narasumber, dan telaah dokumen kontrak empat proyek. Rancangan basis data ditingkatkan dari struktur dua tabel pada sistem manual menjadi lima tabel ternormalisasi (proyek, kavling, pelanggan, kontrak, angsuran) yang mengakomodasi dimensi multi-proyek dan jadwal angsuran terotomasi. Pengujian Black-Box pada 26 skenario menunjukkan kesesuaian fungsional 100%; User Acceptance Testing terhadap 11 responden lintas peran menghasilkan rerata Likert 4,3 dari skala 5 dengan tingkat penerimaan 87%, di mana Bagian Keuangan memberi skor tertinggi karena berkurangnya beban rekonsiliasi manual. Kontribusi penelitian meliputi pemetaan kebutuhan SI penjualan properti skala menengah yang minim diangkat literatur ritel Indonesia dan rancangan basis data yang dapat dijadikan rujukan pengembang serupa.
Perbandingan Static Analysis dan Dynamic Analysis untuk Deteksi Kerentanan Smart Contract Solidity Andreas Perdana; Febri Sugandi; Ridwan Yusuf; Untoro Apsiswanto
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/a948780c

Abstract

Smart contract pada platform Ethereum mengelola aset finansial bernilai besar, namun sifat immutable membuat kerentanan kode berdampak permanen sebagaimana ditunjukkan kasus The DAO, Parity Wallet, dan Ronin Bridge. Dua pendekatan pendeteksian kerentanan telah berkembang luas: static analysis yang memeriksa kode sumber atau bytecode tanpa eksekusi, dan dynamic analysis yang menjalankan kontrak pada lingkungan simulasi dengan masukan terstruktur. Keduanya memiliki trade-off kecepatan, cakupan, dan tingkat false positive yang berbeda, namun perbandingan sistematis pada lingkungan pengembangan lokal Indonesia menggunakan alat versi terbaru masih jarang dilakukan. Artikel ini memaparkan rancangan penelitian eksperimental kuantitatif yang akan membandingkan Slither (static) dengan Foundry dan Echidna (dynamic) pada dataset 25 smart contract Solidity yang mencakup lima kategori kerentanan utama: reentrancy, integer overflow, access control, unchecked return values, dan unbounded loop. Metrik perbandingan meliputi precision, recall, F1-score, dan waktu komputasi. Kontribusi yang diharapkan adalah kerangka komparatif yang dapat menjadi rujukan praktis bagi pengembang Web3 Indonesia dalam memilih alat keamanan dan strategi pengujian hibrid yang sesuai dengan tingkat risiko proyek serta sumber daya tim.
Kajian Konseptual AI Agent On-Chain Berbasis LLM untuk Manajemen Aset DeFi Ridwan Yusuf; Andreas Perdana; Febri Sugandi; Untoro Apsiswanto
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/ef9b943c

Abstract

Pada periode 2024-2025, pertemuan antara Large Language Model dan teknologi blockchain melahirkan kelas perangkat lunak baru yang disebut AI Agent on-chain, perangkat lunak otonom yang menerjemahkan tujuan pengguna menjadi rangkaian transaksi Decentralized Finance dan menandatanganinya tanpa intervensi manusia. Adopsi yang berlangsung cepat memperlihatkan tiga celah konseptual yang belum terjawab: kompleksitas alur eksekusi multi-langkah pada DeFi, lansekap kerentanan yang khas LLM seperti indirect prompt injection dan jailbreak yang berimplikasi langsung pada aset finansial, dan ketiadaan kerangka tata kelola yang akuntabel pada ekosistem yang terdesentralisasi. Kajian ini menyintesis 34 publikasi terverifikasi dari basis data Zotero ke dalam empat tema yang saling terkait: arsitektur agen dan kolaborasi multi-agen, manajemen kunci pada agentic wallet, lansekap ancaman keamanan, serta peran blockchain sebagai trust layer. Temuan kunci yang muncul adalah bahwa pertahanan yang hanya bertumpu pada lapisan bahasa terbukti tidak memadai; kontrol pada lapisan tindakan, melalui kebijakan yang dinamis, isolasi enclave, atau secret sharing multi-pihak, menjadi prasyarat ketika konsekuensi finansial bersifat permanen. Kontribusi yang diajukan mencakup taksonomi vektor ancaman per lapis arsitektur, kerangka pertahanan tiga-lapis hibrid, serta agenda riset masa depan dengan lima arah konkret.
Pengembangan Platform Web Modular untuk Deteksi, Segmentasi, dan Pelacakan Objek dengan Manajemen Model Dinamis Sylvia; Atika Arpan; Rizka Permata; Muhammad Reza Redo Islami
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/48b50fbf

Abstract

Riset computer vision di lingkungan kampus seringkali tertahan oleh siklus pengujian model yang lambat: setiap pergantian model deteksi atau segmentasi memaksa restart server, modifikasi kode, dan rekonfigurasi pipeline. Penelitian ini bertujuan mengembangkan Poli SEG, sebuah platform web modular berbasis Flask yang menyatukan empat tugas utama computer vision (deteksi objek, segmentasi instance, pelacakan objek, dan anotasi otomatis) dalam satu antarmuka terintegrasi dengan mekanisme manajemen model dinamis berbasis hash MD5. Pengembangan menggunakan model proses berbasis SDLC iteratif dengan tujuh tahapan, dari studi literatur hingga evaluasi fungsional. Inti kontribusinya adalah modul model_manager yang mendukung pemuatan dan penggantian model secara langsung (hot-swap) tanpa restart server, dipadu lapisan Blueprint Flask yang memisahkan tiap fitur sebagai modul independen. Pengujian black-box pada enam modul utama dengan 60 skenario menunjukkan tingkat keberhasilan rata-rata 96,2%, waktu inferensi rata-rata 38,4 ms untuk gambar 640x640 piksel, dan keberhasilan hot-swap antar enam model berbeda pada 100% percobaan. Implementasi mode Slicing Aided Hyper Inference berhasil meningkatkan deteksi objek kecil pada gambar resolusi tinggi. Poli SEG dapat dimanfaatkan sebagai sandbox riset multi-tugas dan platform pengujian model lintas peneliti tanpa hambatan teknis pemuatan model.
Sistem Informasi Pelaporan Kesehatan Ibu dan Anak Berbasis Web dengan Pendekatan Agile Scrum Rika Oktariani
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/8fbc9c3e

Abstract

Maternal and Child Health (Kesehatan Ibu dan Anak/KIA) service records at primary health centers in Indonesia remain largely paper-based, causing monthly LB3 KIA reporting to take up to six hours and exposing the workflow to duplicate entry. This study designs and implements a web-based KIA reporting information system at Puskesmas Alang-Alang Lebar Palembang using the Agile Scrum approach, executed across four two-week sprints with midwives and posyandu cadres acting as functional product owners. Data were collected through two weeks of service workflow observation, interviews with five key informants totaling 195 minutes, and analysis of nine standard KIA clinical documents. The system was developed using PHP 8.1, the Laravel 10 framework, and MySQL 8 database, producing 35 controllers, 7 models, and 52 views in 4,520 lines of code. Black-Box testing of 35 scenarios achieved 100% functional conformance, while User Acceptance Testing with 14 respondents recorded a 92% acceptance score. The recapitulation time for LB3 KIA reports was reduced from six hours to 4.5 seconds. The study contributes an integrated database model spanning eight KIA modules and empirical validation of Agile Scrum for primary healthcare information systems serving users with heterogeneous digital literacy.
Perbandingan Estimator Kovarians Sampel, Shrinkage, dan Robust dengan Data Sintetis Gaussian Dwi Handoko; Dian Meilantika
Journal of Technology and Data Science Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/e4a8e8de

Abstract

Evaluasi metode dalam data sains menghadapi hambatan mendasar: data riil jarang menyediakan ground truth yang lengkap, sehingga akurasi estimator sulit diukur secara objektif. Penelitian ini menyusun kerangka evaluasi berbasis data sintetis dan menerapkannya pada studi kasus estimasi matriks kovarians data Gaussian multivariat. Eksperimen Monte Carlo dengan 100 iterasi membandingkan tiga estimator — kovarians sampel, shrinkage Ledoit-Wolf, dan Minimum Covariance Determinant (MCD) — pada tiga skenario: baseline tanpa kontaminasi, kontaminasi 10% outlier dari N(5,I), dan noise Gaussian 20% dengan simpangan baku 2. Kesalahan Frobenius relatif terhadap matriks populasi diukur sebagai metrik utama. Hasil menunjukkan estimator shrinkage unggul pada dua dari tiga skenario dengan rata-rata kesalahan 0,09 (baseline), 0,21 (outlier), dan 0,18 (noise), sementara kovarians sampel melonjak hingga empat kali lipat pada skenario outlier. MCD menunjukkan ketahanan superior terhadap outlier namun kurang optimal pada noise Gaussian. Temuan ini memperkuat posisi data sintetis sebagai instrumen evaluasi yang reprodusibel, terkontrol, dan mampu memetakan profil ketahanan metode secara sistematis.
Implementasi PHP Native dan MySQL pada Sistem Inventaris Perangkat Keras Berbasis Web PT Prabutirta M. Ridho Firmansyah; Dwirgo Sahlinal; Henry Kurniawan
Journal of Technology and Data Science Vol 4 No 1 (2026): January – June 2026
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/42825c6d

Abstract

PT Prabutirta Jaya Lestari, sebuah produsen Air Minum Dalam Kemasan (AMDK) di Lampung, mengelola 152 unit perangkat keras lintas-divisi melalui pencatatan buku besar dan spreadsheet yang rentan duplikasi data, kehilangan dokumen, dan menghabiskan rata-rata 35 menit setiap hari hanya untuk merekapitulasi laporan stok. Penelitian ini merancang dan membangun aplikasi inventaris berbasis web menggunakan stack PHP Native 8.x, MySQL 8.0, dan XAMPP, dengan metode pengembangan Waterfall lima tahap. Arsitektur three-tier diterapkan untuk memisahkan lapisan presentasi, logika bisnis, dan basis data, sedangkan trigger MySQL pasca-INSERT digunakan untuk memperbarui stok secara otomatis ketika transaksi masuk maupun keluar dicatat. Validasi sistem dilakukan melalui dua tingkat: pengujian blackbox terhadap 18 kasus uji pada enam modul inti dan User Acceptance Testing (UAT) lima dimensi terhadap empat responden internal. Hasil menunjukkan tingkat keberhasilan blackbox 100% dan skor UAT rata-rata 90,0% — meningkat 40,0 poin persentase dibandingkan sistem manual (50,0%). Dimensi efficiency mencatat kenaikan tertinggi (+44,0 poin) karena rekapitulasi 35 menit per hari berhasil disederhanakan menjadi proses otomatis kurang dari satu detik. Temuan ini menyediakan blueprint praktis kombinasi PHP Native dan MySQL untuk transformasi digital inventaris pada industri AMDK skala menengah.
Penjadwalan Adaptif Siklus Kerja Sensor IoT Bertenaga Baterai Menggunakan Reinforcement Learning: Studi Simulasi Willy Artanika Rikarda; Imam Mualim
Journal of Technology and Data Science Vol 4 No 1 (2026): January – June 2026
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/3b1369e8

Abstract

Sensor IoT bertenaga baterai menghadapi dilema fundamental antara konservasi energi dan responsivitas QoS. Penjadwalan tidur statis (fixed duty cycle) hemat energi tetapi membuang siklus aktif saat trafik rendah, sementara penjadwalan berbasis ambang sederhana rentan oscillation pada beban dinamis. Penelitian ini mengusulkan kerangka reinforcement learning berbasis Q-learning tabular untuk pengambilan keputusan siklus kerja adaptif yang menyeimbangkan usia baterai dengan latensi paket. Lingkungan disimulasikan sebagai Markov Decision Process dengan ruang keadaan tiga dimensi (level baterai, beban antrian, kelas trafik) dan empat aksi diskrit interval tidur. Agen dilatih pada generator trafik sintetis Poisson selama 50.000 episode dengan epsilon-greedy exploration dan dievaluasi pada lima skenario pengujian termasuk lonjakan trafik dan baterai rendah. Hasil simulasi menunjukkan agen RL memperpanjang masa pakai baterai 28,4% dibanding penjadwalan tetap dan 14,7% dibanding penjadwalan ambang, dengan latensi rerata tetap di bawah batas QoS 2 detik. Studi ini berkontribusi pada tiga aspek: formulasi MDP kompak yang sesuai untuk mikrokontroler kelas TelosB/CC2650, demonstrasi konvergensi Q-learning tabular tanpa fungsi pendekatan, serta evaluasi sensitivitas terhadap variasi trafik. Keterbatasan utama mencakup pelatihan offline dan validasi simulasi, dengan rencana lanjutan berupa adaptasi tile coding, integrasi solar harvest, dan validasi testbed fisik.
Pengembangan Asisten AI Multi-Model dan Evaluasi Penerimaan Pengguna pada Tugas Akademik Mahasiswa Muhammad Reza Redo Islami; Dwirgo Sahlinal
Journal of Technology and Data Science Vol 4 No 1 (2026): January – June 2026
Publisher : PT. Alesha Media Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59025/b4ba9209

Abstract

Penelitian ini mengembangkan asisten akademik berbasis kecerdasan buatan multi-model yang memanfaatkan empat model bahasa besar (LLM) melalui platform OpenRouter API, meliputi Llama 3.3 70B, DeepSeek R1 Distill Llama 70B, Gemma 3 27B, dan Phi-4. Pengembangan sistem menggunakan metodologi Prototype SDLC dengan pendekatan iteratif. Evaluasi penerimaan pengguna dilakukan menggunakan Technology Acceptance Model (TAM) terhadap 30 responden mahasiswa Politeknik Negeri Lampung. Hasil penelitian menunjukkan nilai Perceived Usefulness (PU) sebesar 4,32, Perceived Ease of Use (PEOU) sebesar 4,18, dan Behavioral Intention to Use (BIU) sebesar 4,27, yang mengindikasikan tingkat penerimaan yang tinggi. Sistem mampu mengintegrasikan respons dari keempat model secara simultan dan menyajikan perbandingan hasil secara terstruktur, sehingga memberikan perspektif yang lebih komprehensif bagi mahasiswa dalam menyelesaikan tugas akademik.

Page 3 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2022 2026


Reset
Filter By Issues
All Issue Vol 4 No 1 (2026): January – June 2026 Vol 3 No 2 (2025): Vol. 3 No. 2 (2025): Desember 2025 Vol 3 No 1 (2025): Vol. 3 No. 1 (2025): Juni 2025 Vol 2 No 2 (2024): 2024 Vol 2 No 1 (2024): 2024 Vol 1 No 1 (2022): 2022