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
 35   36   37   38   39 
Optimasi Parameter K Pada Algoritma K-NN Untuk Klasifikasi Prioritas Bantuan Pembangunan Desa Saiful Ulya; M Arief Soeleman; Fikri Budiman
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4215

Abstract

Klasifikasi adalah proses menemukan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma klasifikasi berdasarkan pembelajaran dari data yang sudah terklasifiasi sebelumnya. Algoritma k-NN (k Nearest Neighbors) merupakan algoritma yang sangat bagus dalam menangani beberapa kasus, salah satu kelebihan k-NN diantaranya adalah tangguh terhadap data training yang noisy dan sangat efektif apabila data trainingnya besar. Namun terdapat beberapa masalah pada algoritma k-NN diantaranya adalah penentuan nilai k untuk pemilihan jumlah tetangga terdekatnya sangat sulit, karena nilai k sangat peka atau sensitif terhadap hasil klasifikasi. Pada penelitian ini, akan dilakukan pemodelan klasifiasi dengan menggunakan algoritma k-NN yang difokuskan pada proses penentuan nilai k terbaik pada dataset IKG (Indeks Kesulitas Geografis) desa. Pada penelitian ini akan melakukan integrasi algoritma k-NN dengan menentukan nilai k optimal dengan optimize parameters berdasar algoritma genetika.
Perbandingan Metode Certainty Factor dan Dempster Shafer untuk Sistem Pakar Depresi Pasca Melahirkan Yunitasari Yunitasari; Apriade Voutama; Nina Sulistiyowati
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.4905

Abstract

Gangguan pasca melahirkan merupakan salah satu permasalahan yang dialami oleh seorang ibu setelah melahirkan. Emosional dan perubahan hormon yang tidak stabil setelah melahirkan menimbulkan gangguan psikologis seperti perasaan cemas, maupun depresi. Bagi masyarakat awam, gejala depresi pasca melahirkan dianggap biasa saja sehingga dengan keterbatasan pengetahuannya tidak memerlukan penanganan khusus. Namun hal ini tidak boleh dibiarkan, karena jika hal tersebut dibiarkan terus menerus dan semakin parah akan berdampak buruk pada kondisi ibu maupun bayinya. Melihat kasus yang terjadi maka sangat diperlukan sebuah informasi yang tepat dan mudah mengenai gangguan setelah mengembangkan suatu aplikasi yaitu sistem pakar. Metode Faktor Kepastian danDempster Shafer merupakan metode pakar sistem yang digunakan pada banyak kasus untuk mendukung ketidakpastian pemikiran dari seorang pakar. Penelitian ini bertujuan untuk membandingkan dua metode untuk mengetahui terbaik dalam sistem pakar diagnosis pasca melahirkan, dengan cara mendeteksi nilai CF pada metode Certainty Factor dan densitas pada metode Dempster Shafer . Hasil penelitian membuktikan bahwa metode Certainty Factor lebih baik dibandingkan metode Dempster Shafer dengan nilai perbandingan 90% yang dihasilkan oleh Certainty Factor dan 70% yang dihasilkan oleh Dempster Shafer .Penerapan yang tepat untuk aplikasi sistem pakar yang dibangun yaitu perhitungan metode Certainty Factor dalam membantu pendiagnosaan awal gangguan depresi pascamelahirkan dengan berbasis website .
Rancang Bangun Marketplace Pemesanan Jasa Dokumentasi Foto dan Video Pernikahan Berbasis Web I Putu Wira Cahaya Pratama Yudha; I Made Agus Dwi Suarjaya; I Made Sunia Raharja
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.3947

Abstract

Momen pernikahan menjadi momen yang langka bagi pasangan pengantin dan keluarganya sehingga dokumentasi foto maupun video cukup penting untuk mengabadikan momen. Selain itu fenomena prewedding yaitu prosesi dokumentasi kemesraan calon pengantin dalam masa persiapan pernikahan (pra-pernikahan) sudah ditemui dan populer sejak tahun 2000-an. Pelaku usaha penyedia jasa dokumentasi pernikahan maupun prewedding khususnya di Bali sudah semakin menjamur. Masalah yang terjadi dari pihak pengguna jasa yaitu minimnya informasi ketika mencari jasa yang sesuai sehingga pengguna jasa memerlukan waktu dan tenaga yang kurang efektif. Sedangkan pihak penyedia jasa memiliki masalah dari sisi pemasaran yang kurang bisa mencangkup pasar yang luas dan penyaluran informasi spesifikasi jasa yang diberikan yang kurang baik. Solusi yang dapat dilakukan pada era digital dan serba menggunakan internet ini adalah pengimplementasian sistem marketplace pemesanan jasa dokumentasi pernikahan berbasis web. Sistem ini menjadi wadah atau media bertemunya para pengguna jasa dan penyedia jasa dengan mudah. Berdasarkan hasil kuisioner terhadap 20 orang menghasilkan persentase rata-rata pengujian pada aspek antar muka sistem yang menjawab sangat setuju sebanyak 34%, setuju sebanyak 57%, dan netral sebanyak 9% serta pada aspek kinerja proses dan fitur sistem menghasilkan persentase rata-rata jawaban sangat setuju sebanyak 43%, setuju sebanyak 48%, dan netral sebanyak 9%.
Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas Edi Ismanto; Melly Novalia
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.4576

Abstract

Penentuan komoditas unggulan pada suatu daerah merupakan hal yang sangat penting untuk dilakukan, salah satunya di Provinsi Riau. Memahami mengenai prioritas perencanaan pengembangan wilayah yang diarahkan pada pengembangan komoditas unggulan. Sejauh ini Provinsi Riau memiliki potensi komoditas disektor perkebunan yang sangat menjajikan, data yang ada sebelumnya banyak digunakan sebagai laporan, dalam bentuk data excel. Data komoditas bisa digali dengan teknik data mining untuk mendapatkan pola klasifikasi, sehingga lebih memudahkan Pemerintah Provinsi Riau dalam mendapatkan informasi komoditas unggulannya. Pada penelitian ini, dilakukan pengujian kinerja algoritma klasifikasi yang banyak digunakan dalam data mining, agar mendapatkan algoritma yang memiliki kinerja paling baik untuk klasifikasi data komoditas. Beberapa penelitian mengatakan algoritma klasifikasi C4.5 memiliki kinerja kurang baik dibandingkan dengan algoritma yang lain seperti random forest, dan gradient boosting. Dalam penelitian ini dilakukan perbandingan antara algoritma C4.5, random forest, dan gradient boosting, untuk mengukur kinerja terbaik dalam melakukan klasifikasi data komoditas. Data yang digunakan dalam penelitian ini yaitu data komoditas perkebunan Provinsi Riau pada tahun 2019. Hasil dari penelitian ini, algoritma yang memiliki kinerja terbaik untuk  klasifikasi adalah algoritma random forest dengan syarat menggunakan shuffle sampling. Dan mayoritas linear sampling menghasilkan kinerja kurang baik. Sedangkan shuffle sampling memiliki kinerja sangat baik untuk algoritma berbasis tree.
Peningkatan Akurasi Pembobotan Attribute Importance Weights pada Deteksi Fraud Erba Lutfina; Solichul Huda
Techno.Com Vol 19, No 4 (2020): November 2020
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v19i4.3934

Abstract

Kerugian miliaran dollar setiap tahunnya dialami oleh bank yang disebabkan oleh Fraud. Salah satu solusi untuk mengatasi kasus fraud yang dialami dunia perbankan dapat dilakukan dengan proses deteksi fraud. Pada proses deteksi Fraud, terdapat berbagai atribut PBF (Process Based Fraud) yang setiap atributnya memiliki dampak yang berbeda dalam mendeteksi fraud. Untuk menentukan bobot setiap atribut PBF digunakan metode MDL (Modified Digital Logic). Metode MDL menghasilkan attribute importance weights yang sesuai dengan dampak atribut PBF. Namun peran pakar masih sangat signifikan dalam menilai setiap attribute importance weights. Penelitian ini bertujuan untuk mengubah prosedur penentuan bobot  attribute importance weights dalam metode MDL dengan menambahkan metode Multiple Linear Regression (MLR). Dengan mengganti inputan yang sebelumnya diberikan oleh pakar menjadi perbandingan bobot atribut secara otomatis. Kemudian hasil dari kedua metode dievaluasi menggunakan confusion matrix. Berdasarkan hasil eksperimen, metode MLR menunjukkan persentase klasifikasi menggunakan semua attribute importance weights menunjukkan hasil yang lebih baik dengan akurasi sebesar 99,5%.
Perancangan Database IoT Berbasis Cloud dengan Restful API Mohammad Kasyful Anwar; . Tjahjanto
Techno.Com Vol 20, No 2 (2021): Mei 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i2.4322

Abstract

Internet of Things (IoT) memiliki potensi besar di era industry 4.0, saat mulai muncul beberapa produk elektronik rumah tangga berbasis IoT seperti lampu, saklar, stop-kontak dan lainnya, dengan IoT perangkat rumah tangga tersebut bisa dikendalikan dan dipantau dari jarak jauh sehingga lebih memudahkan penggunanya. Penyimpanan data IoT berbasis cloud menimbulkan permsalahan keamanan data dan performa throughput pada server. Dalam paper ini dibahas mengenai rancangan database berbasis cloud dengan restful API untuk IoT agar data IoT aman dan memiliki throughput yang bagus dengan struktur data yang diatur pada database.
Peran Freelance Marketplace dan Media Sosial dalam Online Gig Economy Jasa Profesional Nina Mia Aristi; Ahmad Raf'ie Pratama
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4261

Abstract

Freelance marketplace adalah suatu jenis platform online gig economy yang mengkhususkan fungsinya untuk menghubungkan penyedia jasa dan pihak yang membutuhkan dalam jual beli jasa profesional. Pada praktiknya, jual beli jasa profesional  juga terlaksana dalam media sosial, yang cara kerjanya berbeda dengan freelance marketplace. Melalui survei yang dilakukan dengan penyebaran kuesioner melalui media sosial, peneliti mengumpulkan 280 data pelaku gig economy bidang jual beli jasa profesional yang menggunakan freelance marketplace dan media sosial, untuk mengetahui perbedaan kedua platform tersebut dalam perannya memfasilitasi kegiatan gig economy. Menggunakan analisis statistik deskriptif dan inferensial, peneliti menemukan bukti adanya perbedaan peran yang dimainkan oleh kedua platform tersebut. Freelance marketplace berperan memasarkan jasa pekerja gig Indonesia ke pasar internasional dan cenderung digunakan oleh penyedia jasa yang lebih berpengalaman, sehingga harga jual per-gig-nya lebih tinggi dibanding di media sosial. Sementara itu, meski harga jual per-gig-nya cenderung lebih rendah, media sosial berperan besar dalam pemasaran di dalam negeri dan cenderung lebih cocok untuk penyedia jasa pemula. Secara umum, freelance marketplace dan media sosial sama-sama berperan sebagai lapangan kerja baru yang berpotensi menjadi mata pencaharian utama bagi sebagian pekerja gig dan juga dapat memberikan kesempatan bagi penyedia jasa tanpa keharusan adanya gelar akademik untuk berkarir di bidang ekonomi kreatif.
Frostid: Aplikasi Pelaporan Jalan Banjir Berbasis Warga Pada Navigasi Berlalu Lintas Eka Prakarsa Mandyartha; Asif Faroqi
Techno.Com Vol 20, No 1 (2021): Februari 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i1.4082

Abstract

Di Indonesia, banjir merupakan masalah utama yang dialami saat musim penghujan setiap tahunnya. Jalan banjir membawa dampak kerugian kepada pengendara kendaraan bermotor misalnya dapat menyebabkan kerusakan mesin, serta penyebab utama terjadinya karat pada kendaraan bermotor. Oleh karena itu, diperlukan upaya peringatan dini, berupa sistem pelaporan banjir, yang memberikan informasi kepada pengendara sehingga mereka dapat mengantisipasi jalan banjir. Pada penelitian ini diusulkan aplikasi pelaporan jalan banjir secara online yang berfokus pada peta navigasi berlalu-lintas untuk pengguna jalan. Aplikasi ini melibatkan partisipasi warga secara aktif (crowdsourcing) yaitu pengumpulan dan penyebaran informasi banjir dilakukan oleh kerumunan (crowd) warga dan dinamakan dengan Flooded Road Reporting System Indonesia (Frostid). Aplikasi mobile Frostid dikembangkan dalam lingkungan sistem operasi Android. Pendekatan pengembangan agile Mobile-D diterapkan. Penerimaan pengguna terhadap aplikasi dievaluasi menggunakan model TAM (Technology Acceptance Model). Metriks yang dievaluasi meliputi kegunaan yang dirasakan, kemudahan pengunaan yang dirasakan, sikap pengguna terhadap aplikasi, dan niat untuk menggunakan. Berdasarkan hasil analisis statistik deskriptif hasil pengujian penerimaan pengguna, dapat disimpulkan bahwa konsep crowdsourcing dalam aplikasi pelaporan jalan banjir diterima oleh pengguna. Kesediaan pengguna untuk merekomendasikan kepada orang lain, juga selaras dengan konsep crowdsourcing, dimana nilai dari aplikasi akan optimal jika banyak pengguna yang berkontribusi.
Deteksi dan Estimasi Kecepatan Kendaraan dalam Sistem Pengawasan Lalu Lintas Menggunakan Pengolahan Citra Muhammad Zulfikri; Hairani Hairani; Ahmad Ahmad; Kurniadin Abd. Latif; Rifqi Hammad; Moch. Syahrir
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.4588

Abstract

Deteksi objek berbasis pengolahan citra digital pada kendaraan sangat penting untuk diterapkan dalam membangun sistem pengawasan atau sebagai metode alternatif dalam mengumpulkan data statistik untuk pengambilan keputusan rekaya lalu lintas yang efisien. Pada penilitian ini, dibuat sistem deteksi kendaraan berbasis video lalu lintas untuk jenis kendaraan tertentu dengan menggunakan Haar Cascade Classifier dan estimasi kecepatan kendaraan dilakukan dengan menghitung perbedaan waktu pada Region of Interest (ROI) yang telah ditentukan dan hasilnya akan ditampilkan pada Radar Speed Design. Pengujian dilakukan dengan 5 video pengujian. Hasil yang didapatkan dari deteksi kendaraan yaitu nilai rata-rata recall 0.988 dan presisi 0.97 dan dari perhitungan kecepatan didapatkan nilai Mean Squared Error (MSE) yaitu 0,6.
Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia Mhd Furqan; Sriani Sriani; Susan Mayang Sari
Techno.Com Vol 21, No 1 (2022): Februari 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i1.5446

Abstract

New normal diterapkan oleh pemerintah untuk mengembalikan masyarakat beraktivitas normal ditengah pandemi covid-19 dengan protokol kesehatan. Penerapan new normal menuai beragam komentar dari masyarakat dan masuk kedalam topik terpopuler di media sosial twitter. Analisis sentimen untuk memprediksi komentar ataupun opini masyarakat yang kecenderungan beropini positif maupun negatif. Preprocessing data menggunakan cleaning, case folding, normalisasi, stemming,  filtering, dan tokenizing. Pada normalisasi kata bertujuan memperbaiki kesalahan penulisan kata (typo) berdasarkan KBBI  dan TF-IDF sebagai metode pembobotan kata. Data yang digunakan terdiri dari 1000 tweet. Metode klasifikasi opini menggunakan metode K-Nearest Neighbor dan melakukan pengujian agar mendapatkan hasil akurasi yang paling terbaik serta mengevaluasi menggunakan confusion matrix. Hasil dari pelabelan untuk sentimen positif berjumlah 811 dan 189 untuk sentimen negatif. Klasifikasi K-NN dengan nilai k = 1 menghasilkan pengujian use training set dengan accuracy sebesar 100%, 92,60% untuk 10-fold cross-validation dan 94,50% untuk 80% percentage split.

Page 37 of 76 | Total Record : 754

 35   36   37   38   39 

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