cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hanny Haryanto
Contact Email
hanny.haryanto@dsn.dinus.ac.id
Phone
-
Journal Mail Official
hanny.haryanto@dsn.dinus.ac.id
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
Techno.Com: Jurnal Teknologi Informasi
Published by Universitas Dian Nuswantoro
ISSN : 14122693     EISSN : 23562579     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Engineering
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
Arjuna Subject : -
Articles 43 Documents
 1   2   3   4   5 
Search results for , issue "Vol. 24 No. 3 (2025): Agustus 2025" : 43 Documents clear
Integrasi Algoritma Support Vector Machine dengan Java untuk Memprediksi Kualitas Komponen Otomotif dalam Industri 4.0 Utami, Mailia Putri; Suroso, Finna; Lailasari H. , Fifi; Sibuea, Febry P.J.; Chandra, Kevin
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12719

Abstract

Industri 4.0 menandai transformasi besar dalam sektor manufaktur, termasuk industri otomotif, dengan integrasi teknologi cerdas seperti machine learning untuk meningkatkan efisiensi dan kualitas produksi. Penelitian ini mengkaji penerapan algoritma Support Vector Machine (SVM) yang diintegrasikan dengan bahasa pemrograman Java untuk memprediksi kualitas komponen otomotif secara akurat. SVM dikenal efektif dalam klasifikasi data yang kompleks dan sangat cocok untuk lingkungan produksi yang memerlukan ketepatan tinggi. Proses penelitian mencakup pengumpulan dan pra-pemrosesan data kualitas komponen, pelatihan model SVM, serta implementasi model dalam platform Java guna memungkinkan integrasi dengan sistem otomasi industri yang telah ada. Hasil pengujian menunjukkan bahwa model SVM yang dibangun mampu mengklasifikasikan kualitas komponen dengan akurasi yang tinggi, memberikan potensi signifikan dalam pengurangan produk cacat dan peningkatan efisiensi produksi. Integrasi dengan Java memungkinkan sistem prediksi ini mudah diimplementasikan dalam infrastruktur perangkat lunak industri yang berbasis Java. Penelitian ini menunjukkan bahwa kombinasi machine learning dan pemrograman terapan dapat menjadi solusi strategis dalam mendukung transformasi digital industri otomotif di era Industri 4.0.   Kata kunci - Support Vector Machine (SVM), Java, Prediksi Kualitas, Komponen Otomotif, Industri 4.0
Aplikasi Pengolahan Citra Digital Untuk Kebutuhan Absensi Karyawan Dengan Metode Euclidean Distance Kamil, Ryan; Sholihaningtias , Dian Nur; Saputra , Eddy
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12826

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi pengolahan citra digital guna mendukung pencatatan jam kerja engineer secara efisien, khususnya pada Divisi HISD di PT Multipolar Technology. Aplikasi ini menggunakan metode Euclidean Distance dalam proses pengenalan wajah untuk kebutuhan absensi karyawan. Sistem dirancang agar dapat berfungsi secara optimal sebagai alat pengarsipan data lokal tanpa menimbulkan gangguan teknis maupun operasional. Selain itu, aplikasi ini diharapkan mampu menyediakan data yang andal untuk mendukung perhitungan KPI dan menganalisis beban kerja individu. Aplikasi dibangun menggunakan bahasa pemrograman Python dengan integrasi pustaka OpenCV, InsightFace, dan database Redis. Hasil pengujian menunjukkan bahwa sistem mampu mengenali wajah dengan akurat serta mempermudah proses pencatatan timesheet, sehingga dapat meningkatkan produktivitas dan pemantauan kinerja.   Kata kunci: Face Recognition, Euclidean Distance, Python.
Evaluasi Kinerja Robot Line Follower Dengan Algoritma LSRB Pada Lintasan Maze Bercabang Nina, Nina; Firgiawan, Wawan; Sulfayanti, Sulfayanti
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12849

Abstract

Navigasi otonom merupakan komponen mendasar dalam pengembangan sistem robot bergerak, terutama saat beroperasi di lingkungan bercabang seperti labirin (maze). Pada sistem berbasis mikrokontroler yang memiliki keterbatasan kapasitas pemrosesan dan memori, dibutuhkan algoritma navigasi yang ringan, efisien, serta tidak bergantung pada penyimpanan data jalur. Salah satu solusi yang sesuai dengan kondisi tersebut adalah algoritma Left–Straight–Right–Back (LSRB), strategi navigasi berbasis aturan prioritas arah secara stateless. Pendekatan ini memprioritaskan arah kiri terlebih dahulu, diikuti oleh lurus, kanan, dan terakhir mundur saat robot menghadapi percabangan. Penelitian ini bertujuan untuk mengevaluasi efektivitas algoritma LSRB dalam mengarahkan robot line follower menuju titik tujuan pada lintasan bercabang dengan struktur yang kompleks. Pengujian dilakukan dengan tiga titik awal berbeda, yang masing-masing mewakili tingkat kompleksitas jalur yang bervariasi. Evaluasi kinerja difokuskan pada dua parameter utama, yaitu waktu tempuh dan kestabilan navigasi robot selama pencarian jalur. Hasil menunjukkan bahwa algoritma LSRB mampu mengarahkan robot secara konsisten hingga mencapai titik akhir yang ditentukan. Namun demikian, waktu tempuh yang dihasilkan bervariasi tergantung pada posisi awal dan struktur jalur. Titik awal A menunjukkan performa terbaik dengan rata-rata 5,29 detik, sementara titik B mencatat waktu tertinggi sebesar 25,51 detik. Temuan ini menunjukkan bahwa LSRB efektif untuk navigasi sederhana dan memiliki potensi untuk ditingkatkan melalui integrasi dengan algoritma pemetaan atau teknik pembelajaran mesin agar lebih adaptif dan optimal. Kata kunci - Navigasi Otonom, Robot Line Follower, Algoritma LSRB, Labirin, Waktu Tempuh
Analisis Kesesuaian Lowongan Pekerjaan dan Kemampuan Pencari Kerja dengan Menggunakan Metode Cosine Similarity Ula, Khoiruna Rohmatul; Faisal, Muhammad
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12852

Abstract

Di tengah pasar kerja yang terus berkembang pesat, mencocokkan lowongan pekerjaan dengan keterampilan pencari kerja menjadi semakin penting. Penelitian ini mengusulkan metode untuk menganalisis kesesuaian antara lowongan pekerjaan dan kompetensi pencari kerja dengan menggunakan Cosine Similarity. Pendekatan yang digunakan meliputi praproses teks, vektorisasi TF-IDF, dan pengukuran kesamaan untuk mengevaluasi sejauh mana resume pencari kerja sesuai dengan deskripsi pekerjaan. Dataset yang digunakan dalam penelitian ini diperoleh dari Kaggle, yang terdiri dari resume dan deskripsi lowongan pekerjaan dari berbagai bidang. Hasil menunjukkan bahwa sebagian besar pencari kerja memiliki skor kesesuaian yang rendah, dengan rata-rata skor berkisar antara 0 hingga 0.05. Namun, beberapa resume menunjukkan tingkat kesesuaian sedang hingga tinggi, dengan skor tertinggi mencapai 0.21. Selain menghitung skor kemiripan, sistem juga memberikan umpan balik yang bermakna berupa rekomendasi keterampilan tambahan yang dapat dikembangkan oleh pencari kerja untuk meningkatkan relevansi mereka terhadap posisi tertentu. Hal ini membantu pencari kerja dalam merancang strategi pengembangan karier yang lebih tepat sasaran. Temuan penelitian ini menegaskan potensi Cosine Similarity sebagai alat yang efektif dalam sistem rekomendasi pekerjaan, yang memberikan hasil yang objektif dan mudah diinterpretasikan.
Klasifikasi Sentimen Ulasan Turis Terhadap Objek Wisata di Bali Menggunakan Support Vector Machine Raudhah, Raudhah; Putra, Fajri Profesio
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12868

Abstract

Pariwisata di Bali memainkan peran penting dalam perekonomian daerah, dan ulasan wisatawan dapat memberikan wawasan berharga terkait kualitas pengalaman yang dirasakan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisatawan berbahasa Inggris terhadap enam objek wisata di Bali, yaitu Pantai Kuta, Pantai Nusa Dua, Pantai Sanur, Tegalalang Rice Terrace, Pura Luhur Uluwatu, dan Pura Penataran Agung Lempuyang, dengan total data sebanyak 4.872 ulasan, masing-masing 812 ulasan per objek. Data diperoleh dari situs TripAdvisor dan Google Maps, dan dianalisis melalui tahapan web scraping, text preprocessing, transformasi menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan dengan algoritma Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) mampu mengklasifikasikan sentimen dengan akurasi sebesar 93,95% saat menggunakan data yang seimbang dengan precision, recall dan F1-score untuk kedua kelas (Negative dan Positive) masing-masing mencapai 94%, dan akurasi sebesar 90,83% pada data yang tidak seimbang dengan kelas Positve memiliki recall dan F1-score yang lebih tinggi (94% dan 92%), sementara kelas Negative memiliki precision dan F1-score yang sedikit lebih rendah (91% dan 88%). Temuan ini menunjukkan bahwa model bekerja lebih optimal pada data dengan distribusi sentimen yang seimbang. Secara keseluruhan, algoritma Support Vector Machine (SVM) terbukti efektif dan akurat dalam menganalisis sentimen ulasan wisatawan terhadap objek wisata di Bali.   Kata kunci: Sentimen, Ulasan Wisatawan, Support Vector Machine (SVM), Objek Wisata, Bali
Klasifikasi Sentimen Ulasan Pengguna terhadap Aplikasi Video Editing Play Store Menggunakan Random Forest Raff, Hafizah Wadji; Ratnawati, Fajar
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12873

Abstract

Kemajuan teknologi mendorong meningkatnya penggunaan aplikasi video editing pada Google Play Store, sehingga menginterpretasikan ulasan dari pengguna secara akurat menjadi sangat penting. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi CapCut, InShot, Kinemaster, dan Filmora. Data ulasan diperoleh melalui web scraping dan selanjutnya diproses dengan metode TF-IDF untuk pembobotan kata. Dataset dipisahkan menjadi dua bagian, yakni 80% untuk pelatihan dan 20% untuk pengujian. Random Forest digunakan sebagai algoritma utama dalam pembuatan model klasifikasi sentimen, sementara penilaian performa model dilakukan melalui pengukuran akurasi, presisi, recall, dan F1-score. Temuan penelitian mengindikasikan algoritma Random Forest dapat mengelompokkan sentimen pengguna dengan tingkat akurasi mencapai 84% dari total 4.000 data ulasan di setiap aplikasi. Temuan ini mengindikasikan Random Forest dinilai handal dalam menangani dan menginterpretasikan opini yang diberikan oleh pengguna terhadap aplikasi video editing. Kesimpulan ini memperkuat peran analisis sentimen dalam pengembangan dan peningkatan kualitas aplikasi berbasis ulasan pengguna di platform digital.   Kata kunci: Analisis Sentimen, Random Forest, TF-IDF, Aplikasi Video Editing, Play Store.
Model Deteksi Tutupan Lahan di Kecamatan Gunungsitoli Menggunakan Algoritma Decision Tree Berbasis Machine Learning Hulu, Amati Eltriman; Alexis, Mizero
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12955

Abstract

Perkembangan teknologi penginderaan jauh semakin berkembang, integrasi data penginderan jauh dan artificial intelligence-machine learning menjadi pendekatan yang sangat efisien dalam mendeteksi tutupan lahan. Penelitian ini bertujuan untuk untuk membangun model algoritma tutupan lahan menggunakan algoritma decision tree. Data yang digunakan yakni Citra PlanetScope NICFI Level 1 yang diturunkan menjadi beberapa indeks spektral yang terdiri atas Normalized Difference Vegetation Index (NDVI), Visible Atmospherically Resistant Index (VARI),  Soil Adjusted Vegetation Index (SAVI), Normalized Difference Water Index (NDWI), dan Green-Red Vegetation Index (GRVI). Untuk mengukur setia variabel digunakan Information Gain, Gini Index, dan Gain Ratio. Hasil penelitian menunjukan bahwa SAVI dan NDVI merupakan variabel yang informatif dalam membangun model. Distribusi tutupan lahan di Kecamatan Gunungsitoli didominasi oleh tutupan hutan. Kata Kunci – Decision Tree, Machine Learning, Tutupan Lahan, Gunungsitoli
Pengujian Kualitas Kode Website Pondok Modern Nurul Hidayah Menggunakan Standar ISO 5055 Najichah, Fikrotun; Fiska, Ryci Rahmatil
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12956

Abstract

Abstrak - Website Pondok Modern Nurul Hidayah berfungsi sebagai sarana utama informasi dan komunikasi antara lembaga Pendidikan dan Masyarakat. Namun, belum tersedia dokumentasi sistematis mengenai kualitas kode perangkat lunak. Penelitian ini bertujian menguji kualitas kode website tersebut menggunakan standar internasional ISO 5055, yang mencakup empat aspek: keamanan, keandalan, efisiensi kinerja, dan kemudahan pemeliharaan. Metode yang digunakan adalah Software Testing Life Cycle (STLC), dengan alat bantu seperti SQLMap, PHPUnit, PHP CodeSniffer, dan PHP Metrics. Hasil pengujian menunjukkan bahwa sistem cukup efektif menahan serangan SQL Injection, meskipun terdapat celah autentikasi pada halaman formulir. Dari sisi keandalan, seluruh unit berhasil di uji tapa kesalahan fatal, namun terdapat peringatan deprecation. Efisiensi kinerja terhambat oleh pelanggaran standar PSR-12 seperti penamaan dan visibilitas metode. Nilai kompkeksitas kode yang tinggi (Cyclomatic Complexity = 23.34) mengindikasi Tingkat maintainability yang rendah. Dengan skor rata-rata 68.75 dari empat aspek, disimpulkan bahwa meskipun sistem memiliki pondasi teknis yang baik, dibutuhkan refactoring dan penerapan standar penulisan kode yang konsisten untuk peningkatan berkelanjutan. Penelitian ini juga menyajikan kerangka pengujian praktis berbasis open-source yang dapat diadopsi institusi Pendidikan berskala kecil. Kata kunci: ISO 5055, Keamanan, Keandalan, Efisiensi Kinerja, Pemeliharaan
Monitoring Dan Controlling Aktivitas Tidur Menggunakan Smart Belt Berbasis Internet of Things Gunawan, Gunawan; Hidayati, Rahmi; Suhery, Cucu
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.12983

Abstract

Tidur adalah aktivitas penting untuk pemulihan energi, perbaikan sel, dan pengaturan hormon. Tidur yang nyenyak dan optimal bergantung pada posisi tidur yang nyaman dan durasi yang cukup. Namun, banyak orang yang masih mengabaikan faktor-faktor tersebut, sehingga mengakibatkan pengalaman tidur yang kurang nyenyak. Penelitian ini bertujuan untuk mengembangkan perangkat Smart Belt untuk memantau dan mengatur posisi dan durasi tidur dengan menggunakan sensor akselerometer dan sensor denyut jantung. Pengujian terdiri dari 30 uji coba deteksi posisi tidur, 30 pengukuran durasi tidur, dan 60 evaluasi sistem secara keseluruhan. Hasil penelitian menunjukkan bahwa sensor akselerometer dapat mengidentifikasi dan mendeteksi posisi tidur dengan akurasi 100%, sedangkan sensor denyut jantung menentukan durasi tidur berdasarkan denyut jantung dengan akurasi 83,33%. Secara keseluruhan, sistem Smart Belt beroperasi dengan akurasi 88,33%. Kata kunci: Posisi Tidur, Durasi Tidur, Sabuk Pintar, Internet of Things
Optimasi MPPT pada Sistem Turbin Angin Nonlinear Menggunakan Firefly Algorithm Prayogi, Soni
Techno.Com Vol. 24 No. 3 (2025): Agustus 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i3.13068

Abstract

Penelitian ini membahas pendekatan optimasi Maximum Power Point Tracking (MPPT) pada sistem turbin angin nonlinier menggunakan Firefly Algorithm (FA). Karakteristik nonlinier turbin angin, yang disebabkan oleh fluktuasi kecepatan angin serta interaksi mekanik dan elektrik, menjadi tantangan utama dalam proses ekstraksi daya maksimum. Metode MPPT konvensional sering mengalami keterbatasan dalam hal kecepatan konvergensi dan akurasi pelacakan pada kondisi angin yang dinamis. Oleh karena itu, penelitian ini mengusulkan penggunaan algoritma FA, yaitu algoritma optimasi metaheuristik yang terinspirasi dari perilaku cahaya kunang-kunang, untuk meningkatkan performa MPPT. Sistem konversi energi angin dimodelkan secara matematis dengan mempertimbangkan sifat nonlinier, dan FA digunakan untuk menyesuaikan duty cycle konverter guna mencapai titik daya maksimum secara efisien. Hasil simulasi pada lingkungan MATLAB/Simulink menunjukkan bahwa metode MPPT berbasis FA mampu meningkatkan akurasi pelacakan dan waktu respon dibandingkan dengan metode tradisional seperti Perturb and Observe (P&O) dan Incremental Conductance (IncCond). Metode yang diusulkan juga menunjukkan ketahanan terhadap perubahan kondisi angin dan dinamika sistem. Hasil penelitian ini menunjukkan bahwa Firefly Algorithm merupakan solusi yang menjanjikan untuk optimalisasi sistem energi angin nonlinier dan mendukung efisiensi teknologi energi terbarukan.   Kata kunci: MPPT, Turbin Angin Nonlinear, Firefly Algorithm, Optimasi, Energi Terbarukan.

Page 1 of 5 | Total Record : 43

 1   2   3   4   5 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol. 25 No. 1 (2026): February 2026 Vol. 24 No. 4 (2025): November 2025 Vol. 24 No. 3 (2025): Agustus 2025 Vol. 24 No. 2 (2025): Mei 2025 Vol. 24 No. 1 (2025): Februari 2025 Vol. 23 No. 4 (2024): November 2024 Vol. 23 No. 3 (2024): Agustus 2024 Vol. 23 No. 2 (2024): Mei 2024 Vol. 23 No. 1 (2024): Februari 2024 Vol. 22 No. 4 (2023): November 2023 Vol 22, No 3 (2023): Agustus 2023 Vol 22, No 2 (2023): Mei 2023 Vol. 22 No. 1 (2023): Februari 2023 Vol 21, No 4 (2022): November 2022 Vol 21, No 3 (2022): Agustus 2022 Vol 21, No 2 (2022): Mei 2022 Vol 21, No 1 (2022): Februari 2022 Vol 20, No 4 (2021): November 2021 Vol 20, No 3 (2021): Agustus 2021 Vol 20, No 2 (2021): Mei 2021 Vol 20, No 1 (2021): Februari 2021 Vol 19, No 4 (2020): November 2020 Vol 19, No 3 (2020): Agustus 2020 Vol 19, No 2 (2020): Mei 2020 Vol 19, No 1 (2020): Februari 2020 Vol. 18 No. 4 (2019): November 2019 Vol 18, No 3 (2019): Agustus 2019 Vol 18, No 2 (2019): Mei 2019 Vol 18, No 1 (2019): Februari 2019 Vol 17, No 4 (2018): November 2018 Vol 17, No 3 (2018): Agustus 2018 Vol 17, No 3 (2018): Agustus 2018 Vol 17, No 2 (2018): Mei 2018 Vol 17, No 1 (2018): Februari 2018 Vol 16, No 4 (2017): November 2017 Vol 16, No 3 (2017): Agustus 2017 Vol 16, No 2 (2017): Mei 2017 Vol 16, No 1 (2017): Februari 2017 Vol 15, No 4 (2016): November 2016 Vol 15, No 3 (2016): Agustus 2016 Vol 15, No 2 (2016): Mei 2016 Vol 15, No 1 (2016): Februari 2016 Vol 14, No 4 (2015): November 2015 (Hal. 242-342) Vol 14, No 3 (2015): Agustus 2015 (Hal. 165-241) Vol 14, No 2 (2015): Mei 2015 (Hal. 79-164) Vol 14, No 1 (2015): Februari 2015 (Hal. 1-78) Vol 13, No 4 (2014): November 2014 (Hal. 198-262) Vol 13, No 3 (2014): Agustus 2014 (Hal. 132-197) Vol 13, No 2 (2014): Mei 2014 (Hal. 69-131) Vol 13, No 1 (2014): Februari 2014 (Hal. 1-68) Vol 12, No 4 (2013): November 2013 (Hal. 188-240) Vol 12, No 3 (2013): Agustus 2013 (Hal. 136-187) Vol 12, No 2 (2013): Mei 2013 (Hal. 73-135) Vol 12, No 1 (2013): Februari 2013 (Hal. 1-72) Vol 11, No 4 (2012): November 2012 (Hal. 156-210) Vol 11, No 3 (2012): Agustus 2012 (Hal. 108-158) Vol 11, No 2 (2012): Mei 2012 (Hal. 55-106) Vol 11, No 1 (2012): Februari 2012 (Hal. 1-54) More Issue