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
 55   56   57   58   59 
Peringkasan Multi Dokumen Berbahasa Indonesia Menggunakan Metode Recurrent Neural Network Alfin, Moh; Abidin, Zainal; Basid, Puspa Miladin Nuraida Safitri A
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9605

Abstract

Peringkasan dokumen berita adalah sebuah aspek penting dalam pemrosesan bahasa alami dan jurnal ini bertujuan untuk menggambarkan perkembangan terbaru dalam bidang ini. Dengan ledakan informasi dan jumlah berita yang terus meningkat, peringkasan dokumen berita menjadi kunci dalam menghadapi tantangan untuk mengakses informasi yang relevan dan berharga.  Pada paper ini dilakukan peringkasan multi dokumen berbahasa Indonesia dengan menggunakan metode RNN (Recurrent Neural Network) variasi yang digunakan adalah Long Short-Term Memory (LSTM), dengan ekstraksi fitur menggunakan dua model Word2Vec yang berbeda, yaitu CBOW (Continuous Bag of Words) dan Skip-gram. Hasilnya menunjukkan nilai recall, presisi, dan F-measure yang signifikan. Untuk model CBOW, nilai recall, presisi, dan F-measure yang ditemukan adalah 0.487, 0.704, dan 0.550. Sementara itu, untuk model Skip-gram, hasil pengujian menunjukkan nilai recall sebesar 0.414, presisi sebesar 0.687, dan F-measure sebesar 0.504.
Model Academic Help-seeking dan Career Adaptability Menggunakan Jaringan Syaraf Tiruan Sumadyo, Malikus; Purwantini, Lucky; Retnoningsih, Endang
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9474

Abstract

Academic help-seeking (pencarian bantuan pembelajaran) dan career adaptability (kemampuan beradaptasi dalam karier) adalah dua faktor penting yang mempengaruhi keberhasilan seseorang dalam mencapai tujuan karier. Academic help-seeking dapat membantu individu dalam memperoleh informasi dan dukungan dari orang lain dalam mengatasi masalah pembelajaran. Sementara itu, career adaptability memungkinkan individu untuk mengatasi perubahan dan tantangan dalam karier dengan lebih baik, dengan demikian kedua faktor tersebut memungkinkan untuk membentuk pola yang dapat diteliti. Namun demikian, saat ini belum banyak penelitian yang memperhatikan hubungan antara kedua faktor tersebut. Penelitian bertujuan mengembangkan pola Academic help-seeking dan Career adaptability. Academic help-seeking sebagai variabel masukan dan career adaptability sebagai variabel keluaran, masing-masing menjadi variabel untuk dijadikan model jaringan syaraf tiruan. Penelitian menggunakan model algoritma jaringan syaraf tiruan. Model penelitian bermanfaat memprediksi kemampuan beradaptasi dalam karier seseorang dengan melihat perilaku help-seeking dalam pembelajaran.
Peringkasan Teks Multi Dokumen Berbahasa Indonesia Menggunakan Sentence Scoring dan SVM Fauzi, Deri; Abidin, Zainal; Fatchurrochman, Fatchurrochman
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9648

Abstract

Berita online berasal dari berbagai sumber portal berita yang tersedia secara luas di dunia maya. Namun, berita online yang melimpah dapat mengesampingkan detail dan keakuratan berita karena tujuannya untuk memberikan informasi terkini sebanyak mungkin. Ketersediaan berita online di internet dapat menyebabkan penerimaan informasi yang berlebihan, memberikan pemahaman yang kurang jelas mengenai substansi berita tersebut. Oleh karena itu, penting untuk menemukan representasi dokumen berita online guna memahami inti dari berita tersebut. Penelitian ini fokus pada menghasilkan ringkasan berita online multi dokumen dari ekstraksi fitur dan proses klasifikasi menggunakan support vector machine. penelitian ini mengklasifikan berita multi dokumen menggunakan ekstraksi fitur Sentence Scoring dan SVM. Sentence Scoring digunakan untuk input pada metode SVM agar dapat melakukan proses klasifikasi untuk menentukan hasil ringkasan. Hasil pengujian menunjukkan bahwa Fold 3 memberikan hasil terbaik, dengan rata-rata Recall 0.946, Presisi 0.487, dan F-Measure 0.634. ROUGE-1 juga mencapai nilai tertinggi pada Fold 3, yaitu 0.946. Faktor kunci dalam hasil peringkasan adalah proses ekstraksi fitur menggunakan Sentence Scoring dan pelatihan data dengan SVM. Fitur seperti data numerik dan kemiripan antar kalimat berpengaruh signifikan terhadap hasil akhir dari peringkasan.
Multi-label Classification of Indonesian Al-Quran Translation based CNN, BiLSTM, and FastText Muslikh, Ahmad Rofiqul; Akbar, Ismail; Setiadi, De Rosal Ignatius Moses; Islam, Hussain Md Mehedul
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9925

Abstract

Studying the Qur'an is a pivotal act of worship in Islam, which necessitates a structured understanding of its verses to facilitate learning and referencing. Reflecting this complexity, each Quranic verse is rich with unique thematic elements and can be classified into a range of distinct categories. This study explores the enhancement of a multi-label classification model through the integration of FastText. Employing a CNN+Bi-LSTM architecture, the research undertakes the classification of Quranic translations across categories such as Tauhid, Ibadah, Akhlak, and Sejarah. Based on model evaluation using F1-Score, it shows significant differences between the CNN+Bi-LSTM model without FastText, with the highest result being 68.70% in the 80:20 testing configuration. Conversely, the CNN+Bi-LSTM+FastText model, combining embedding size and epoch parameters, achieves a result of 73.30% with an embedding size of 200, epoch of 100, and a 90:10 testing configuration. These findings underscore the significant impact of FastText on model optimization, with an enhancement margin of 4.6% over the base model.
Teknik Random Undersampling untuk Mengatasi Ketidakseimbangan Kelas pada CT Scan Kista Ginjal Ramadhan, Irfan Surya; Salam, Abu
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9738

Abstract

Kista ginjal adalah pertumbuhan jaringan berbentuk kantong yang berisi carian pada sekitar ginjal. Seringkali kista ginjal tidak menimbulkan gejala, sehingga memerlukan pantauan reguler dokter. Dokter dapat melakukan pemeriksaan dan merencanakan tindakan penelitian lebih lanjut. Penelitiaan ini fokus pada model klasifikasi kista menggunakan model Deep Learning dengan arsitektur Convolution Neural Network (CNN), jenis jaringan syaraf tiruan untuk analisis gambar CT scan kista ginjal. Selain itu, penggunaan teknik pre-processing untuk meningkatkan performa model dengan memperbanyak varisasi data. Dalam membuat model klasifikasi perlu memperhatikan pemahaman data, tingkat interpretabilitas model, dan penanganan overfitting. Overfitting terjadi ketika model terlalu fokus pada data latih, sehingga tidak dapat memproses data uji dengan baik. Solusi untuk menangani masalah distribusi kelas adalah dengan penyeimbang kelas (resampling). Resampling dibagi menjadi dua jenis yaitu, undersampling dan oversampling. Undersampling merupakan metode sampling secara acak memilih di kelas mayoritas dan menambahkannya di kelas minoritas. Dan oversampling merupakan menggandakan sampel di kelas minoritas secara acak. Pada hasil pengujian model yang dilakukan dapat ditarik kesimpulan bahwa penggunaan teknik undersampling RUS memiliki tingkat akurasi tertinggi dengan nilai 30,82% untuk klasifikasi kista ginjal pada dataset tidak seimbang.
Integrate Yolov8 Algorithm For Rupiah Denomination Detection In All-In-One Smart Cane For Visually Impaired Kumara, I Made Surya; Jati, Gde Putu Rizkynindra Sukma; Yuniari, Ni Putu Widya
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9734

Abstract

The eyes are crucial tools for human observation and perception, facilitating various tasks in daily life. Individuals, including those with visual impairments or blindness, engage in currency transactions, posing challenges in recognizing notes and preventing mishaps with counterfeit money. Despite government efforts, features like embossing on banknotes have limited effectiveness due to the circulated currency's disheveled condition. Addressing the visually impaired community's needs is imperative. An innovative solution, the "all-in-one smart white cane," integrated with machine learning supports daily activities, enhancing independence for visually impaired individuals. The YOLOv8 algorithm is employed for the precise detection of monetary denominations, subsequently recorded through a camera and seamlessly integrated into a smart cane, resulting in a consolidated device. This device, designed with standout features, excels in detecting Indonesian Rupiah banknote denominations. Detection performance testing, incorporating methods like object rotation, utilized a dataset divided into training (70%), validation (20%), and test (10%) segments. Modifications to contrast and variability rotation are essential in the context of real-time nomination recognition. These adjustments are implemented to ensure accurate and swift identification in dynamic, real-world scenarios. Testing results reveal a 99% average accuracy in recognizing currency note denominations, presenting an effective solution for the visually impaired community.
Implementasi Metode Penetration Testing pada Layanan Keamanan Sistem Kartu Transaksi Elektronik Wahana Permainan Fattah, Farniwati; Putri, Aulia Maharani; Azis, Huzain
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9488

Abstract

Penggunaan kartu magnetic stripe pada wahana permainan rentan terhadap akses yang tidak sah, seperti skimming, yang dapat merugikan pengelola dan penyedia wahana. Penetration testing merupakan metode yang dapat digunakan untuk mengidentifikasi dan eksploitasi kerentanan. Pada pengujian penetration testing terdapat tujuh fase yang digunakan yaitu pre-engagement, information gathering, threat modeling, vulnerability analysis, exploitation, post exploitation, dan reporting. Dalam Penelitian sebelumnya menunjukkan bahwa komunikasi antara magnetic stripe reader dan komputer utama dilakukan melalui koneksi kabel, yang menghasilkan layanan confidentiality dan availability. Namun, pada penelitian ini, pengimplementasian penetration testing menggunakan koneksi nirkabel menghasilkan temuan bahwa layanan keamanan yang tersedia adalah availability. Oleh karena itu, dapat disimpulkan bahwa komunikasi baik melalui koneksi kabel maupun nirkabel tidak terdapat layanan keamanan integrity. Rekomendasi bagi  penyedia layanan untuk meningkatkan kemanan kartu di lokasi tersebut dengan menerapkan enkripsi data.
Sistem Pemantauan dan Klasifikasi Kondisi Lampu dengan Metode Naïve Bayes Hidayati, Rahmi; Nirmala, Irma; Suhardi, Suhardi
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9680

Abstract

Smarthome adalah sebuah sistem yang telah direncanakan dan dikembangkan dengan tujuan menyederhanakan beragam proses yang terjadi di dalam rumah. Dalam konteks ini, salah satu aspek utama yang diterapkan di rumah pintar adalah pemantauan pencahayaan ruangan. Pencahayaan merupakan faktor kunci dalam kenyamanan dan fungsionalitas kehidupan sehari-hari. Oleh karena itu, peran lampu dalam lingkungan rumah sangat dibutuhkan. Seringkali penghuni rumah cenderung lalai dalam mematikan lampu ketika tidak digunakan, hal ini dapat menyebabkan peningkatan konsumsi energi yang tidak efisien dan pemborosan sumber daya. Untuk mengatasi masalah ini, dibutuhkan teknologi yang mampu memantau dan mengendalikan pencahayaan secara otomatis. Pada penelitian ini, sebuah sistem pemantauan dan klasifikasi kondisi lampu dikembangkan dengan menerapkan metode naïve bayes. Dataset yang digunakan dalam penelitian ini terdiri dari 672 data latih dan 168 data uji. Pengujian dilakukan, dengan confusionmatrix, menghasilkan tingkat accuracy sebesar 98.71%, precision sebesar 98.16%, recall sebesar 98.42%, dan F-1 score sevesar 98.29%. Hasil penelitian ini menunjukkan bahwa metode naïve bayes sangat efektif dalam sistem pemantauan dan klasifikasi kondisi lampu lampu pada ruangan.
Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label Multiclass dengan Imbalance Data Prasetyo, Eko; Nugroho, Kristiawan
Techno.Com Vol. 23 No. 1 (2024): Februari 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i1.9779

Abstract

Salah satu permasalahan kesehatan yang sering ditemui di banyak negara termasuk Indonesia adalah stunting. Stunting telah mendapat banyak perhatian di Indonesia, terlihat dari alokasi APBN masing-masing sebesar Rp48,3 triliun dan Rp49,4 triliun pada tahun 2022 dan 2023 untuk bidang ini. Pada tahun 2022, Kementerian Kesehatan merilis temuan dari Survei Status Gizi Indonesia (SSGI) yang menyatakan bahwa angka stunting di Indonesia mencapai 21,6% pada saat Rapat Kerja Nasional BKKBN pada 25 Januari 2023.Hal ini menunjukkan pentingnya untuk mengerti pemahaman mendalam tentang faktor-faktor yang mengidentifikasi anak-anak berisiko tinggi terkena stunting. Banyak penelitian sebelumnya yang membahas faktor resiko stunting, namun masih sedikit penerapannya dalam metode machine learning, dalam data yang kompleks dan tidak seimbang.Penelitian ini mengevaluasi kinerja dari berbagai metode machine learning yang bertujuan dapat memberikan kontribusi penting dalam bidang kesehatan anak dan analisis data. Diantara metode machine learning yang dipilih metode Bagging Decision Tree mendapatkan nilai accuracy yang terbaik sebesar 78,93%, precision 78% dan recall sebesar 77,99%. Dalam penelitian ini menunjukkan bahwa metode ensemble learning mampu bekerja dengan baik dalam atribut multiclass dan data yang tidak seimbang pada dataset pertumbuhan balita.
Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil Utami, Mailia Putri; Rahma, Gita Mustika; Suroso, Finna
Techno.Com Vol. 23 No. 2 (2024): Mei 2024
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v23i2.9446

Abstract

Industri otomotif merupakan salah satu sector ekonomik terbesar di dunia, dengan berbagai rantai pasok yang kompleks. Kompleksitas data otomotif yang beragai sering kali banyak mengandung atribut data non-numerik, seperti nama, jenis spare part, merk, dan atribut kualitatif lainnya. Analisis non-nurmerik dapat memberikan wawasan berharga dengan pola dan hubungan antar suku cadang. Tujuan dari penelitian ini yaitu untuk mengembangkan metode k-means clustering pada dataset spare part yang mengandung atribut non-numerik. K-means clustering adalah Teknik yang umumnya digunakan untuk analisis data numerik dan memerlukan modifikasi atau keterlibatan metode lain dalam mengatasi data non-numerik. Adapun proses yang dilibatkan yaitu proses normalisasi dengan menggunakan metode binning. Implementasi K-means Clustering pada dataset non-numerik memiliki manfaat potensial. Pertama, itu memungkinkan identifikasi kelompok dari suku cadang yang memiliki karakterisktik serupa, yang dapat digunakan untuk mengelompokkan produk serupa. Kedua yaitu untuk membantu dalam pengelolaan ketersedian dengan lebih efisien, menghindari kelebihan persedian, dan memenuhi permintaan pelanggan dengan lebih baik. Penelitian ini menghadapi tantangan dalam menentukan metrik kesamaan yang tepat untuk data non-numerik dan dalam menentukan jumlah cluster yang optimal. Namun, metodologi yang cermat dan eksperimen yang bekelanjutan, mampu mengembangkan pendekatan yang dapat digunakan dalam pengelompokan suku cadang mobil non-numerik. Hasil dari penelitian ini diperoleh sebaran data dengan menggunkan cluster K=2 dengan nilai Silhouette sebagai nilai dari sebaran data yaitu 0,925.

Page 57 of 76 | Total Record : 754

 55   56   57   58   59 

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