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
 45   46   47   48   49 
Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet Bobby Kurniadi Widodo; Nur Hafifah Matondang; Desta Sandya Prasvita
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6361

Abstract

Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.
Sistem Tiket Digital berbasis Telegram untuk Mengelola Pembayaran Biaya Pedagang Pasar I Putu Arya Dharmaadi; Dewa Made Sri Arsa; I Gusti Made Arya Sasmita
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6877

Abstract

Pasar tradisional umumnya memiliki skema pembayaran yang unik kepada para pedagang yang berjualan. Setiap tahun mereka dikenakan biaya sewa lapak, setiap bulan membayar biaya listrik, dan setiap hari dikenakan iuran harian, seperti iuran kebersihan, iuran air, dan lain sebagainya. Petugas pemungut pembayaran umumnya membawa setumpuk karcis yang akan diberikan apabila pedagang melunasi kewajibannya. Penggunaan karcis konvensional sebagai tanda bukti pembayaran tersebut memiliki beberapa kelemahan, seperti misalnya sulitnya memantau dan mengelola data pembayaran, baik dari sisi pimpinan pasar maupun dari sisi pedagang pasar. Selain itu, karcis sering kali dibuang-buang sehingga akan menimbulkan sampah. Oleh karena itu, dibutuhkan sistem karcis digital sebagai bukti transaksi pembayaran iuran. Dengan sistem ini, petugas pemungut iuran yang menerima uang dari pedagang wajib memasukkan data transaksi ke sistem sehingga sistem ini akan mengirimkan karcis digital ke akun telegram pedagang pasar yang sudah didaftarkan. Pedagang pasar bisa melihat riwayat pembayarannya secara lengkap melalui karcis digital tersebut. Pada akhirnya, pengelola pasar bisa memantau data pembayaran pedagang pasar dengan mudah untuk meminimalkan kebocoran pendapatan.
Implementasi Metode Additive Ratio Assessment (ARAS) Untuk Menentukan Siswa Terbaik Juniar Hutagalung; Badrul Anwar; Ismawardi Santoso
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6148

Abstract

Proses pemilihan siswa terbaik di SMA Swasta Santa Maria Kabanjahe masih manual. Maka perlu dibuat suatu aplikasi pendukung keputusan dalam menentukan siswa terbaik menggunakan komputerisasi dengan metode Addative Ratio Assessment (ARAS). Dengan aplikasi tersebut mampu membantu pihak sekolah dalam mengambil keputusan mengenai penentuan siswa terbaik. Permasalahan pemilihan siswa terbaik dapat diselesaikan dengan pembuatan sistem pendukung keputusan (SPK) menggunakan metode ARAS, karena metode ARAS ini secara garis besar banyak melakukan perangkingan dengan cara membandingkan alternatif lainya sehingga mendapatkan hasil yang ideal dan terbaik mencakup sistem fisik, sistem keputusan dan sistem informasi. Tujuan penelitian untuk membangun SPK yang mengadopsi metode ARAS berbasis desktop dalam menyelesaikan masalah. Dengan sampel data yang digunakan berjumlah 15 data siswa dan 7 kriteria yaitu rangking kelas, nilai akademik, kehadiran, sosial, spiritual, nilai ekstrakulikuler dan kerapian/penampilan. Hasil yang diperoleh nilai keputusan dengan Ki tertinggi = 0.9816 yaitu Asisi Putriani sebagai alternatif terbaik, yang artinya metode ARAS dapat digunakan untuk pengambilan keputusan berdasarkan kriteria yang sudah ditetapkan, sehingga pihak sekolah dapat memilih siswa terbaik. Dengan adanya penelitian ini dapat memberikan referensi hasil keputusan sehingga membantu pihak sekolah untuk mempermudah dalam penentuan siswa terbaik secara cepat, tepat dan objektif.
Perfoma Discrete Wavelet Transform dalam Denoising Sinyal EKG Berdasarkan Evaluasi Signal-to-Noise Rasio Febriyanti Panjaitan; Rizki Amalia
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6961

Abstract

Denoising adalah cara dalam menghilangkan noise yang ada pada sinyal elektrodiagram, sehingga gelombang yang ada pada elektrodiagram dapat dianalisis dengan menggunakan mesin untuk mendapatkan prediksi penyakit jantung yang diderita. Beberapa penelitian yang telah menganalisis sinyal elektrodiagram mengusulkan metode denoising dengan menggunakan Discrete Wavelet Transform, karena metode ini memberikan solusi kualitas yang lebih baik dibandingkan dengan metode denoising lainnya. Penelitian ini akan bertujuan melakukan denoising dengan menggunakan metode Discrete Wavelet Transform serta membandingkan performa dari wavelet family yang terdapat pada metode tersebut dengan persamaan evaluasi Signal-to-Noise Rasio. Data yang digunakan adalah data pasien yang memiliki diagnosis Venticular Tachycardia yang diambil dari data MITB. Penelitian memberikan hasil dan gambaran hasil denoising untuk setiap wavelet family yang ada pada Discrete Wavelet Transform. Berdasarkan hasil evaluasi Signal-to-Noise Rasio bahwa sym6 dan db6 memberikan perfoma yang lebih baik dibandingkan dengan wavelet family yang lainnya, karena kedua wavelet ini memiliki nilai yang lebih tinggi.
Analisis Sentimen Terhadap Kementrian Perdagangan Pada Sosial Media Twitter Menggunakan Metode Naïve Bayes Fefbiansyah Hasibuan; Wowon Priatna; Tyastuti Sri Lestari
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6565

Abstract

Penelitian ini untuk mendapatkan opini masyarakat di media sosial twitter terkait tentang Kementrian Perdagangan Republik Indonesia dengan mengimplementasikan algoritma Naïve Bayes untuk melakukan analisis sentimen terhadap opini yang ada. Penelitian ini bertujuan untuk menganalisis opini masyarakat di media sosial terhadap Kementrian Perdagangan Republik Indonesia mengenai kelangkaan minyak goreng dengan menggunakan Naïve Bayes. Data yang digunakan pada penelitian ini adalah postingan tweet yang diberikan masyarakat yang ditujukan dan berkaitan kepada Kementrian Perdagangan Republik Indonesia yang diambil sebanyak 1000 tweet. Metode pengumpulan data dilakukan dengan cara crawling menggunakan acces token api key yang di dapat dari twitter develover. Setelah data didapat maka dilakukan text processing agar mempermudah dalam proses analisis. Hasil analisis pada penelitian ini menggunakan  algoritma naïve bayes adalah  dengan nilai akurasi sebesar 89,24%. Perbandingan persentase didapatkan 84,02% tanggapan yangdiberikan masyarakat bernilai positif dan 15,98% bernilai negatif. 
Prototipe Sistem Parkir Berbasis Internet of Things dengan Live Dahsboard MQTT Server Ida Bagus Irawan Purnama; I Wayan Raka Ardana; I Gede Made Putra Suardana; I Dewa Gede Dodi Pranata; I Gusti Alit Wiraguna Jaya
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6355

Abstract

Pertumbuhan penggunaan kendaraan bermotor umumnya tidak dibarengi dengan ketersediaan lahan parkir yang memadai, terutama di daerah perkotaan. Hal ini memicu masalah sulitnya mencari slot parkir pada jam-jam sibuk. Oleh karena itu pengaturan slot parkir terutama di gedung parkir perlu dilakukan. Langkah ini bisa dijalankan dengan penerapan teknologi Internet of Things (IoT). Penelitian ini mengusulkan penerapan IoT pada sistem parkir berbasis live dashboard dengan NodeMCU ESP8266 dan MQTT Server. Sistem parkir ini ditujukan untuk mengetahui jumlah kapasitas parkir yang available dari seluruh kapasitas parkir yang ada pada sebuah gedung parkir dan waktu pendudukan setiap slot parkir secara real-time. Kemudian, pengaturan kendaraan yang bisa masuk adalah berdasarkan kapasitas parkir yang masih tersedia tersebut. Sistem parkir ini terdiri dari dua komponen yang saling terhubung satu sama lain yaitu komponen pengendali sistem dan komponen manajemen parkir. Dalam hal ini MQTT Server Adafruit IO Platform digunakan untuk pengiriman data kontrol dan monitoring slot parkir yang tersedia. Dashboard MQTT Server ini juga dapat digunakan sebagai display untuk menampilkan status kapasitas parkir yang tersedia pada bagian depan gedung parkir dengan layar besar sehingga dapat dilihat oleh pengguna. Teknologi parkir ini diharapkan dapat membantu baik pengguna dalam mencari slot parkir maupun pengelola dalam mengatur usaha parkir mereka.
Analisis Deteksi Tepi Citra Dengan Quantum Hadamard Edge Detection (QHED) Lipantri Mashur Gultom; Desi Amirullah
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6708

Abstract

Fokus penelitian ini pada eksperimen Quantum Hadamard Edge Detection (QHED) untuk pendeteksian tepi suatu gambar dimana jumlah qubit yang digunakan ternyata sangat mempengaruhi waktu pemrosesan CPU. Penelitian ini mengunakan benchmark dataset gambar yaitu contour detection and image segmentation dari Berkeley Computer Vision Group. Jumlah qubit yang digunakan pada penelitian ini yaitu 2, 4, 6, 8, 10 dan 12 qubit, sedangkan jumlah qubit lebih dari 12 tidak dapat diuji karena keterbatasan memori RAM dari perangkat yang ada dalam penelitian ini. Hasil akhir dari penelitian membuktikan bahwa QHED dapat mendeteksi tepi suatu gambar dimana waktu pemrosesan yang paling cepat pada penggunaan 6 qubit sedangkan hasil proses pendeteksian tepi yang terbaik terletak pada penggunaan 2 qubit.
Pemanfaatan Machine Learning untuk Pengelompokan dan Prediksi Target Tambah Daya Listrik Pelanggan Prabayar (Studi Kasus : PT PLN ULP Watang Sawitto) Rizqa Afthoni; Diana Purwitasari; Agus Budi Raharjo
Techno.Com Vol 21, No 3 (2022): Agustus 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i3.6476

Abstract

Perkembangan teknologi sistem informasi dan ilmu pengetahuan khususnya dalam bidang pemasaran membuat para pelaku usaha berupaya untuk meningkatkan competitive advantage mereka dengan mengerahkan sumber daya yang dimiliki oleh perusahaan. Perusahaan dituntut untuk berinovasi dalam mengelola perusahaannya agar dapat bertahan dalam dunia persaingan. Kemampuan untuk memprediksi pelanggan prabayar yang berpotensi tambah daya listrik merupakan salah satu strategi pendukung untuk keberhasilan program pemasaran tambah daya pelanggan berdasarkan karakteristik konsumsi listriknya. Berdasarkan hal tersebut, penelitian ini mengajukan metode prediksi pelanggan prabayar dengan memanfaatkan algoritma pengelompokan (Clustering) dan klasifikasi. Data yang diolah adalah data pelanggan prabayar tarif rumah tangga yang memiliki fitur variabel daya listrik pelanggan (VA), frekuensi beli token listrik, total pemakaian kWh, total rupiah pembelian token, selisih daya VA pelanggan, jam nyala, periode hari pembelian token listrik, dan riwayat tambah daya listrik pelanggan. Pengelompokan dilakukan dengan menerapkan algoritma K-means. Dari hasil tersebut, model prediksi dibangun sesuai target setiap klaster dengan memanfaatkan dua metode, Gradient Boosting dan Artificial Neural Network. Evaluasi prediksi model terbaik dilakukan dengan menerapkan tiga skenario proporsi data latih dan data uji, yang selanjutnya diukur menggunakan matrik akurasi dan Cohen Kappa. Hasil eksperimen menghasilkan empat klaster berdasarkan karakteristik konsumsi listriknya. Gradient Boosting memberikan hasil yang terbaik untuk semua klaster, untuk klaster 1 menghasilkan nilai AUC 0.784, klaster 2 menghasilkan nilai AUC 0.941, klaster 3 menghasilkan nilai 0.884 dan klaster 4 menghasilkan nilai AUC 0.903.
Penerapan Algoritma C4.5 Untuk Memprediksi Keluhan Pelanggan Pada Apartemen Jakarta Sunarti Sunarti; Frisma Handayanna
Techno.Com Vol 21, No 4 (2022): November 2022
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v21i4.6844

Abstract

Ketidakpuasan pelanggan merupakan masalah yang dihadapi oleh pengelola Apartemen. Ketidakpuasan dapat menimbulkan keluhan dan merugikan dalam bisnis. Penelitian menggunakan metode algoritma C4.5. Metode ini digunakan menentukan pengambilan keputusan untuk memprediksi keluhan pelanggan, diketahui tingkat akurasi dan presisinya. Data dianalisis menggunakan aplikasi Rapidminer. Rapidminer adalah perangkat lunak dengn open source. Tujuan dari penelitian ini ialah untuk mengatasi keluhan pelanggan apartemen atas ketidakpuasan terhadap pelayanan yang diberikan. Atributnya adalah nounit, kewarganegaraan, status pernikahan, pekerjaan, alamat pekerjaan, jumlah penghuni, dan jenis kelamin dengan keputusan komplain dan tidak komplain. Peroleham pengujian model yang terbentuk akurat hingga 88,13 dengan kumpulan hasil pengolahan ROC (Receiver Operating Characteristic) menggunakan data training dengan besarnya 0,953 tingkat diagnostik klasifikasi sangat baik. Model pohon keputusan yang ada bisa meningkatkan akurasi untuk memprediksi keluhan pelanggan pada Apartemen Jakarta.
Penerapan Metode Oversampling SMOTE Pada Algoritma Random Forest Untuk Prediksi Kebangkrutan Perusahaan Nugroho, Agung; Rilvani, Elkin
Techno.Com Vol. 22 No. 1 (2023): Februari 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i1.7527

Abstract

Kemajuan teknologi informasi berkembang kearah finansial dalam melakukan prediski. Banyak model algoritma prediksi data keuangan telah dikembangkan. Prediksi kebangkrutan merupakan sesuatu yang sangat penting bagi organisasi atau perusahaan dalam mengambil keputusan yang diperlukan oleh pemodal dan investor. Prediksi kebangkrutan termasuk dalam permasalahan ketidakseimbangan kelas dalam model kalsifikasi karena jumlah data yang termasuk dalam kelas bangkrut jauh lebih sedikit dibandingkan dengan data yang termasuk dalam kelas tidak bangkrut. Tujuan dari penelitian ini adalah untuk menghasilkan model klasifikasi yang baik untuk prediksi risiko kebangkrutan pada perusahaan. preprocessing data dilakukan untuk melakukan optimasi algoritma klasifikasi dengan metode oversampling SMOTE agar menghasilkan model kalsifikasi yang optimal. Algoritma klasifikasi yang digunakan adalah Random Forest Classification untuk mendapatkan hasil prediksi kebangkrutan yang optimal. Berdasarkan hasil pengujian yang telah dilakukan didapatkan bahwa performa klasifikasi meningkat sebesar 7,40% setelah dilakukan preprocessing data dengan menggunakan teknik oversampling SMOTE pada algoritma Random Forest Classifier.

Page 47 of 76 | Total Record : 754

 45   46   47   48   49 

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