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 754 Documents
 26   27   28   29   30 
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

Abstract

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%. 
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

Abstract

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

Abstract

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%.
Interpretasi Pengujian Usabilitas Wibatara Menggunakan System Usability Scale Handayani, Febria Sri; Adelin, Adelin
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (393.901 KB) | DOI: 10.33633/tc.v18i4.2882

Abstract

Wibatara.com sedari awal dirancang untuk dapat digunakan sebagai katalog online ragam batik nusantara. Ide utamanya berasal dari keresahan bahwa adanya upaya asing untuk menguasai batik karena tidak bisa diberlakukan paten terhadap batik. Oleh karena itu diberikan solusi untuk menrancang wibatara.com sebagai media untuk memperkenalkan ragam batik nusantara bahkan hingga ke mancanegara. Untuk dapat digunakan sebagaimana mestinya, perlu dilakukan pengujian usabilitas terhadap wibatara.com. Pengujian ini dilakukan dengan menggunakan kuesioner System Usability Scale (SUS). Distribusi kuesioner dilakukan pada 50 orang responden yang terdiri dari pelajar, mahasiswa, guru, dosen, maupun masyarakat umum. Responden ini dinilai cukup mewakili karena keseharian mereka lumayan intens berkenaan dengan batik, terutama budaya menggunakan batik setiap hari kamis atau jumat, baik disekolah, perguruan tinggi, perkantoran ataupun pada acara lainnya. Pembobotan pilihan jawaban untuk tiap pertanyaan dalam kuesioner menggunakan skala Likert. Perhitungan hasil pengujian menggunakan rumus (SUS). Hasil uji reliability data kuesioner SUS menunjukkan angka 0,615 (questionable) dan hasil rata-rata skor SUS wibatara.com sebesar 79,52 (acceptable).
Implementasi E-Arsip Untuk Penyimpanan Dokumen Digital Pada PT BPD Jateng (Bank Jateng) Nilawati, Florentina Esti; Rizal, Mohammad; Rachmawanto, Eko Hari; Setiadi, De Rosal Ignatius Moses; Sari, Christy Atika
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1058.177 KB) | DOI: 10.33633/tc.v18i4.2508

Abstract

Bank Pembangunan Daerah Jawa Tengah merupakan Bank milik Pemerintah Provinsi Jawa Tengah bersama-sama dengan Pemerintah Kota/Kabupaten Se-Jawa Tengah. Seiring dengan kemajuan teknologi pengarsipan di Bank Pembangunan Daerah Jawa Tengah memerlukan digitalisasi dalam hal pengarsipan data. Pengarsipan data adalah proses memindahkan data yang tidak aktif lagi digunakan ke perangkat penyimpanan terpisah untuk jangka panjang. Data arsip terdiri dari data lama, serta data yang harus dipertahankan untuk kepatuhan terhadap peraturan. Arsip data diindeks dan memiliki kemampuan pencarian sehingga file dan bagian file dapat dengan mudah ditemukan dan diambil. Backup data digunakan sebagai mekanisme pemulihan data yang bisa digunakan untuk mengembalikan data jika rusak atau hancur. Sebaliknya, arsip data melindungi informasi lama yang tidak diperlukan untuk operasi sehari-hari namun mungkin harus diakses sesekali. Arsip data berfungsi untuk mengurangi konsumsi penyimpanan primer dan biaya terkait, daripada bertindak sebagai mekanisme pemulihan data. Beberapa arsip data memperlakukan data sebagai read-only untuk melindunginya dari modifikasi, sedangkan data lain produk pengarsipan memperlakukan data sebagai read / write. Dengan dibangunnya e-Arsip pada PT. Bank Pembangunan Daerah Jawa Tengah (Bank Jateng) diharapkan di kemudian hari untuk proses pencarian dan penyimpanan data dapat dilakukan dengan mudah, sehingga dapat menghemat waktu dan tenaga pada proses pencarian arsip.
Rancang Bangun Smart Home System Menggunakan NodeMCU Esp8266 Berbasis Komunikasi Telegram Messenger Purnawan, Peby Wahyu; Rosita, Yuni
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (621.311 KB) | DOI: 10.33633/tc.v18i4.2862

Abstract

Smart Home System bertujuan memaksimalkan pengawasan, pemantauan, keamanan dan sebagainya. sistem ini terintegrasi dari telekomunikasi dan sistem pengendali dari mikrokontroller, sehingga  tercipta Internet Of Things. Pada Penelitian ini dilakukan perancangan sistem Smart Home, dengan sistem client-server berbasis NodeMCU ESP8266 v3 dengan user interface Telegram Messenger yang melakukan komunikasi data melalui wireless. Tahapan perancangan terdiri dari perancangan server, interface, serta sistem kendali Smart Home nya. Hasil akhir pengujian tersebut dapat disimpulkan Aplikasi Telegram Messenger sangat cocok untuk pengontrol dan monitoring Smart Home  jarak jauh, berdasarkan Jarak yang diukur dari 1,7 km sampai 151 km area beda wilayah didapatkan delay rata-rata 20,66 detik, Pada pengujian kinerja Quality of Service dalam sistem komunikasi data ini, berdasarakan standarisasi paramater hasil pengujian bekerja dengan sangat baik. Pada  pengujian nilai RSSI indoor didapat bahwa  kekuatan  komunikasi  wireless  lebih  baik  dibanding outdoor, sehingga RSSI nya lebih kuat. Nilai RSSI  yang tertinggi berada pada -28 dBm dan yang terkecil pada -88 dBm. Berdasarkan pengujian terhadap obstacle, dengan karakteristik redaman yang berbeda - beda dari tiap obstacle nya menghasilkan pengaruh terhadap RSSI dari sinyal wirelessnya.  Obstacle RSSI terkuat dihasilkan oleh pintu kayu dengan nilai -33dbm dBm , serta RSSI terkecil pada obstacle 2 bangunan rumah dengan nilai -78 dBm.  
Sistem Monitoring Tekanan Darah Berbasis Wireless Zakaria, Alamsyah; Subito, Mery; Amir, Ardi
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v18i4.2553

Abstract

Teknologi jaringan nirkabel saat ini berkembang secara pesat khususnya di bidang kesehatan seperti monitoring tekanan darah. Pemeriksaan tekanan darah sangat penting dilakukan untuk mengetahui kondisi sistem peredarah darah pasien. Pada umumnya petugas kesehatan menggunakan tensimeter analog atau digital dalam melakukan pemeriksaan tekanan darah. Namun, penggunaan alat ini masih memiliki kelemahan dalam hal efisiensi pelayanan kesehatan karena setiap saat petugas kesehatan masih melakukan pemeriksaan pasien di setiap kamar dan alat ini belum dilengkapi modul nirkabel untuk mengirim data pasien ke setiap unit layanan secara real time. Permasalahan ini tentunya menjadi perhatian khusus akibat terbatasnya jumlah tenaga medis dalam melayani pasien, membutuhkan waktu yang cukup lama dalam melakukan proses diagnosa penyakit pasien, dan biaya administrasi menjadi meningkat. Untuk meningkatkan pelayanan kesehatan dan mengurangi beban kerja petugas kesehatan, peneliti mengusulkan rancangan sistem monitoring tekanan darah berbasis wireless menggunakan modul raspberry pi. Penelitian ini sangat membantu tenaga medis untuk dapat diterapkan pada rumah sakit atau puskesmas dalam memonitor kondisi penyakit pasien, khususnya tekanan darah. Rancangan yang diusulkan terdiri dari perangkat keras (sensor MPX5050GP, LCD, catu daya, dan laptop) dan perangkat lunak (bahasa pemrograman C, program aplikasi IDE, PHP, MySQL, dan dreamweaver). Hasil pengujian menunjukkan bahwa rancangan yang diusulkan berkerja dengan normal dengan tingkat akurasi 97,53%.
Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ) Sugianto, Castaka Agus; Maulana, Firdi Rizky
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (952.632 KB) | DOI: 10.33633/tc.v18i4.2587

Abstract

Kelurahan Utama merupakan instansi pemerintahan di cimahi selatan. Kelurahan utama menjalankan program pemerintah yaitu program Bantuan Pangan Non Tunai, dalam menjalankan program Bantuan Pangan Non Tunai sebagian warga banyak yang mengeluh karena tidak mendapat bantuan, sedangkan ada beberapa warga yang dianggap mampu justru mendapatkan bantuan. Berdasarkan latar belakang tersebut maka penulis melakukan proses pengolahan data menggunakan data mining untuk mengklasifikasi penerima dan bukan penerima bantuan pangan non tunai dengan metode klasifikasi menggunakan Algoritma Naïve Bayes dan Algoritma Decision Tree sebagai pembanding. Diharapkan data yang dihasilkan dari proses data mining bisa menjadi bahan evaluasi untuk pemerintah. Dalam penelitian ini penulis mengklasifikasi data penerima dan bukan penerima bantuan pangan non tunai menggunakan teknik klasifikasi pada data mining menggunakan Algoritma Naïve Bayes dan Algoritma Decision Tree sebagai pembanding. Model data mining di buat menggunakan RapidMiner, dengan hasil nilai Probabilitas untuk class ‘’PENERIMA’’ yaitu 0,481 dengan pembulatan nilai menjadi 0,48 dan nilai Probabilitas untuk class ‘’Bukan Penerima’’ yaitu 0,519 dengan pembulatan nilai menjadi 0,52. Algoritma Naïve Bayes mempunyai tingkat Accuracy sebesar 58,29%, Precision 92,90%, Recall 21,84%, AUC 0,765, F-Measure 34.42%. Sedangkan algoritma Decision Tree mempunyai tingkat Accuracy sebesar 73,97%, Precision 85,04%, Recall 61,92%, AUC 0,746, F-Measure 71,17%. Dalam hasil pengujian T-Test antara Algoritma Naive Bayes dan Algoritma Decision Tree didapat alpha ≤ 0.000, maka dapat disimpulkan pengujian T-Test antara Algoritma Naïve Bayes dan Algoritma Decision Tree hasilnya signifikan.
Rancang Bangun Sistem Rekomendasi Tempat Makan Menggunakan Algoritma Typicality Based Collaborative Filtering Muliadi, Kevin Hartato; Lestari, Caecilia Citra
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (528.521 KB) | DOI: 10.33633/tc.v18i4.2515

Abstract

Makanan merupakan bagian penting bagi manusia baik sebagai kebutuhan primer maupun sebagai bagian dari gaya hidup seseorang. Tempat makan yang semakin banyak dan tawaran makanan yang beragam, membuat seseorang memiliki lebih banyak pilihan akan tempat makan yang dapat dikunjungi. Dengan dibantu oleh teknologi, sekarang seseorang bisa mencari rekomendasi dengan menggunakan algoritma sistem rekomendasi. Saat ini ada tiga algoritma sistem rekomendasi yang populer yaitu Content Based Filtering (CBF), Collaborative Filtering (CF) dan metode hybrid. Metode CF merekomendasikan sebuah item kepada pengguna dengan memprediksi preferensi dari pengguna aktif terhadap sejumlah item berdasarkan preferensi dari pengguna atau item lain yang mirip. Ada dua jenis metode dalam CF yaitu User Based CF dan Item Based CF. Terdapat sebuah metode baru yang dikembangkan dari metode User Based CF, metode ini adalah Typicality Based CF. Typicality Based CF (TyCo) memiliki kelebihan yang tidak dimiliki metode CF lainnya dapat memberikan prediksi yang akurat walau data terbatas, dapat melakukan clustering tanpa algoritma tambahan dan dapat mengatasi masalah cold-start yang biasa dialami metode CF. Berdasarkan pengujian yang telah dilakukan diketahui bahwa aplikasi ini memiliki nilai rata-rata Mean Absolute Error (MAE) sebesar 1.366 yang disebabkan karena kurangnya data training.
Perbandingan Kinerja Filter Butterworth Berdasarkan Spesifikasi Frekuensi untuk Pengolahan Sinyal Suara Bustamin, Anugrayani; Prayogi, A. Ais
Techno.Com Vol. 18 No. 4 (2019): November 2019
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (650.123 KB) | DOI: 10.33633/tc.v18i4.2714

Abstract

Sinyal suara terkadang masih mengandung noise pada saat dilakukan proses pengolahan. Filter dilakukan untuk menyaring sinyal-sinyal suara yang tidak dibutuhkan ataupun dianggap mengganggu (noise). Penelitian ini bertujuan untuk melakukan preprocessing sinyal suara dengan membandingkan kinerja filter Infinite Impulse Respon (IIR) pada desain filter Butterworth berdasarkan frekuensi yang dilewatkan. Tujuan yang ingin dicapai dari tahap preprocessing yaitu  mengolah suara agar dapat diambil karakteristik atau cirinya. Sinyal suara sampel yang akan difilter yaitu perekaman suara laki-laki pada frekuensi sampling 16000Hz. Pada penelitian ini filter Infinite Impulse Respon (IIR) digunakan dengan respon filter Butterworth. Validasi dilakukan dengan menghitung Signal Noise to Ratio (SNR) dari masing-masing jenis filter berdasarkan frekuensi yang dilewatkan. Hasil yang diperoleh berdasarkan nilai SNR tertinggi yaitu 29,9321 dB pada orde filter 6. Nilai dari SNR ini juga menunjukkan bahwa BPF lebih baik dibandingkan dengan LPF dan HPF.   

Page 28 of 76 | Total Record : 754

 26   27   28   29   30 

Filter by Year

2012 2026


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