Techno.Com: Jurnal Teknologi Informasi
Topik dari jurnal Techno.Com adalah sebagai berikut (namun tidak terbatas pada topik berikut) : Digital Signal Processing, Human Computer Interaction, IT Governance, Networking Technology, Optical Communication Technology, New Media Technology, Information Search Engine, Multimedia, Computer Vision, Information Retrieval, Intelligent System, Distributed Computing System, Mobile Processing, Computer Network Security, Natural Language Processing, Business Process, Cognitive Systems, Software Engineering, Programming Methodology and Paradigm, Data Engineering, Information Management, Knowledge Based Management System, Game Technolog
Articles
8 Documents
Search results for
, issue
"Vol 18, No 3 (2019): Agustus 2019"
:
8 Documents
clear
Estimasi Parameter Super Pairwise Alignment pada Kombinasi Virus Dengue Menggunakan Particle Swarm Optimization
Dinita Rahmalia;
Arif Rohmatullah;
Mohammad Syaiful Pradana
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (664.28 KB)
|
DOI: 10.33633/tc.v18i3.2528
Di Indonesia terdapat empat jenis virus dengue atau demam berdarah. Untuk melihat tingkat kesamaan (similarity) antara dua sekuens virus, dibutuhkan proses pensejajaran pada sekuens virus. Metode yang digunakan untuk pensejajaran pada dua sekuens virus adalah Super Pairwise Alignment (SPA). Nilai fungsi objective pada SPA adalah nilai penalty antara dua sekuens virus. Karena nilai fungsi objective tergantung pada parameter SPA, maka pada penelitian ini nilai parameter SPA akan diestimasi menggunakan metode heuristik seperti Particle Swarm Optimization (PSO). Simulasi diterapkan pada enam kombinasi virus dengue untuk proses estimasi parameter SPA. Berdasarkan hasil simulasi pada enam kombinasi virus dengue, PSO dapat menemukan parameter SPA yang optimal secara pendekatan. Parameter SPA yang optimal juga dapat mengetahui posisi dan panjang dari unit sekuens yang mengalami penambahan atau penghapusan.
Penerapan Progressive Web Application (PWA) pada E-Commerce
Nurwanto Nurwanto
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (717.578 KB)
|
DOI: 10.33633/tc.v18i3.2400
Strategi mobile development dibagi dalam dua kelompok utama yaitu native development dan web-base development. Aplikasi native mobile dikembangkan hanya pada satu platform dan menggunakan bahasa pemrograman dan tools dari platform itu sendiri, tetapi memiliki kinerja tinggi dan User Experience (UX) yang baik. Sebaliknya, web-base development yang menggunakan teknologi web, seperti HTML5, CSS, dan JavaScript untuk mengembangkan aplikasi mobile yang dapat digunakan di platform apa pun. Teknologi terbaru dari web-base application adalah Progressive Web Apps (PWA). PWA adalah teknologi yang dirancang untuk mengatasi keterbatasan browser seluler dan aplikasi native. PWA menggunakan kemampuan web modern yang menggambarkan koleksi teknologi, konsep desain, dan API Web yang bekerja bersama-sama untuk menghadirkan pengalaman pengguna seperti aplikasi native. PWA dapat dijalankan dengan mengklik ikon di layar utama ponsel sama seperti bagaimana seseorang menggunakan aplikasi native. PWA dapat langsung dijalanlan walaupun tidak ada jaringan internet serta mendukung splash screen dan push notification. Tujuan dari penelitian ini adalah menerapkan PWA pada web e-commerce agar dapat dijalankan melalui ponsel tanpa harus membuat ulang kode program dengan menggunakan bahasa pemrograman Java dan SDK. Hasil dari penelitian yang dilakukan yaitu dengan merapkan PWA pada e-commerce pengguna dapat menjalankan aplikasi e-commerce layaknya aplikasi native yang dapat dijalankan dengan mengklik ikon pada layar utama ponsel. E-commerce juga dapat diakses pada berbagai platform dengan menggunakan browser seluler maupun desktop dengan adanya jaringan internet maupun offline.
Perancangan Jaringan Backbone Selular 10 dan 15 GHz SCM-WDM ROF
As'ad Muhammad Nashrullah;
Binar Alam Pamungkas;
Alfikri D. Pratama;
Erna Sri Sugesti
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1091.778 KB)
|
DOI: 10.33633/tc.v18i3.2410
Kebutuhan akan layanan broadband di Indonesia meningkat dengan signifikan. Menurut APJII masyarakat yang mengakses internet sebesar 54,67 % di Indonesia. Pengembangan teknlogi komunikasi optik salah satunya adalah Radio Over Fiber (RoF). Objek penelitian ini menggunakan frekuensi 10 dan 15 GHz yang digabungkan dengan teknologi WDM dan SCM pada site operator “3†sebagai rujukan yang berada di kota Tangerang. Parameter yang disimulasikan adalah BER, Q-factor dan keluaran sinyal di output. Berdasarkan hasil analisis diperoleh nilai parameter kualitas Q-Factor pada jaringan 10 GHz adalah 21,721, dan pada jaringan 15 GHz adalah 938867. Nilai BER pada jaringan 10 GHz adalah 5.3557 x 10-105 dB, dan pada jaringan 15 GHz adalah 2.55134 x 10-21 dB.Â
Alat Pengukur Keatomikan Kebutuhan Perangkat Lunak Berbasis Kemajemukan Kalimat
Jati Hiliamsyah Husen;
Rosa Reska Riskiana
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (965.361 KB)
|
DOI: 10.33633/tc.v18i3.2383
Keatomikan kebutuhan perangkat lunak adalah bagian penting dalam pengembangan perangkat lunak. Kebutuhan yang bersifat tidak atomik dapat mengakibatkan masalah serius dalam proses pengembangan perangkat lunak. Kami membangun metode perhitungan keatomikan kebutuhan perangkat lunak berdasarkan kemajemukan kalimat spesifikasi kebutuhan perangkat lunak. Untuk menguji metode tersebut kami membuat alat pengukur keatomikan yang hasilnya kami bandingkan dengan hasil perhitungan ahli. Kami mendapatkan sistem kami memiliki akurasi sebesar 75%. Kami juga menemukan masalah-masalah seperti pendeteksian konteks dan ketergantungan terhadap kebenaran struktur kalimat yang harus diperbaiki agar metode kami dapat digunakan dengan baik.
Deteksi Cacat Ubin Keramik Dengan Metode K-Nearest Neighbor
Riza Alamsyah;
Ade Davy Wiranata;
Rafie Rafie
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (711.008 KB)
|
DOI: 10.33633/tc.v18i3.2459
Perusahaan industri manufaktur harus dapat menjaga kualitas dari setiap produk yang diproduksi, termasuk perusahaan industri manufaktur yang memproduksi ubin keramik. Selama beberapa tahun, inspeksi visual secara otomatis sudah diterapkan untuk menentukan kualitas ubin keramik yang diproduksi. Sulitnya mendeteksi ubin keramik yang cacat bisa berdampak pada menurunnya kualitas hasil produksi, menurunnya tingkat kepercayaan konsumen, dan penurunan laba bagi perusahaan. Masalah yang dibahas di dalam penelitian ini adalah bagaimana mendeteksi ubin keramik yang cacat sehingga model yang dibangun dapat meningkatkan akurasi untuk mendeteksi ubin keramik yang cacat. Langkah penyelesaian masalah ini adalah dengan mengumpulkan data berupa citra dari ubin keramik, kemudian data citra dilakukan preprocessing menggunakan Median Filtering untuk menghilangkan noise salt and paper dan Teknik Morfologi untuk memperbaiki hasil segmentasi citra. Setelah dilakukan preprocessing, data citra diekstraksi ciri berdasarkan tekstur dengan menggunakan metode Gray Level Co-occurrence Matrix (GLCM) yang dilanjutkan dengan mengklasifikasikan data citra menggunakan metode K-Nearest Neighbor (KNN). Hasil dari penelitian ini adalah model yang dibangun menggunakan metode K-Nearest Neighbor dapat meningkatkan akurasi untuk mendeteksi kecacatan pada ubin keramik dengan nilai akurasi sebesar 98.9474% untuk k = 3.
Convolutional Neural Network untuk Pengenalan Citra Notasi Musik
Dzikry Maulana Hakim;
Ednawati Rainarli
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (664.23 KB)
|
DOI: 10.33633/tc.v18i3.2387
Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Masalah utama dalam pendeteksian notasi musik adalah bagaimana sistem dapat mendeteksi sebuah notasi musik dan kemudian mengenali notasi musik tersebut. Notasi musik yang telah dikenali oleh mesin dapat dimanfaatkan untuk diproses kembali menjadi suara. Pada penelitian ini, proses segmentasi dilakukan untuk memotong setiap notasi. Untuk pengenalan notasi musik digunakan Convolutional Neural Network (CNN). Arsitektur CNN yang dipakai adalah kernel 3x3, jumlah layer pada feature learning sebanyak 3 convolutional layer dan 3 pooling layer, filter pada convolutional layer 64,128, 256 dan jumlah neuron pada hidden layer sebanyak 7168. Pengujian dilakukan dengan dua cara, yang pertama menguji performasi CNN menggunakan data notasi musik yang telah dipotong dan yang kedua adalah melakukan pengujian menggunakan sebaris notasi musik. Nilai akurasi yang didapatkan untuk pengenalan sebaris notasi musik tidak terlalu besar, yaitu 26,19%. Walaupun untuk proses segmentasi masih belum maksimal dalam memotong setiap notasi, namun metode CNN bekerja sangat baik untuk mengenali setiap notasi musik yang telah dipotong dengan benar. Hal ini ditunjukkan dari nilai akurasi yang mencapai 95,56%.Â
Penerapan Fuctional Testing pada Uji Kelayakan Aplikasi Mobile Smart Malnutrition Detection
Rani - Purbaningtyas
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (772.092 KB)
|
DOI: 10.33633/tc.v18i3.2504
Aplikasi Smart Malnutrition Detection merupakan aplikasi berbasis mobile yang dapat membantu deteksi dini secara mandiri terhadap status gizi setiap individu serta memberikan rekomendasi asupan gizi harian yang didasarkan pada kebutuhan kalori harian pengguna. Sebelum aplikasi Smart Malnutrition Detection ini digunakan secara luas, maka perlu dilakukan pengujian untuk menentukan tingkat kelayakan dari sistem yang telah dibuat. Pengujian sistem dilakukan secara black box testing dengan menerapkan teknik functional testing. Pengujian secara functional testing menunjukkan bahwa tahapan dan hasil perhitungan yang dilakukan oleh sistem sudah sesuai dengan ketentuan yang berlaku. Hasil perhitungan rekomendasi asupan gizi yang dilakukan oleh sistem juga telah diuji konsistensinya dengan menggunakan rumus pembalik perhitungan kalori. Sehingga dapat dinyatakan bahwa aplikasi ini layak uji secara functional testing sehingga dapat digunakan secara luas.
Sistem Klasifikasi Jenis Jeruk Impor Menggunakan Metode Klasifikasi Logarithmic Generalized Classifier Neural Network (LGCNN)
Supria Supria
Techno.Com Vol 18, No 3 (2019): Agustus 2019
Publisher : LPPM Universitas Dian Nuswantoro
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (654.225 KB)
|
DOI: 10.33633/tc.v18i3.2374
Jeruk merupakan salah satu jenis buah yang sering dikonsumsi oleh manusia. Selain karena rasanya yang cukup disukai, jeruk juga dipilih sebagai buah favorit karena manfaatnya yang begitu banyak bagi kesehatan karena kaya akan vitamin C. beberapa manfaat dari buah jeruk antaralain adalah mencegah kanker, menjaga kesehatan jantung dan ginjal, menjaga stamina, membantu kesehatan syaraf, mencegah kerusakan kulit, membantu menjaga system imun dan masih banyak manfaat lainnya. Ada beberapa jenis jeruk yang dapat dibedakan melalui penginderaan. Namun jika orang tidak mengerti jenis jeruk maka sulit untuk membedakan jenis jeruk tersebut. Pada penelitian ini diusulkan Sistem klasifikasi jenis jeruk impor menggunakan metode klasifikasi LGCNN. Ada beberapa tahapan pada sistem yang dirancang yaitu preprocessing, segmentasi, ekstraksi fitur dan klasifikasi. Sistem ini dirancang untuk mengetahui jenis jeruk impor seperti jeruk ponkam, jeruk navel, jeruk valencia dan jeruk santang. Dari hasil ujicoba yang telah dilakukan menunjukkan sistem ini dapat mengklasifikasikan jenis jeruk dengan tingkat akurasi 95.75%.