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 737 Documents
 67   68   69   70   71 
Implementasi Steganografi Menggunakan Metode End of File (EOF) untuk Menyisipkan File Detail Drawing Engineering dalam Gambar Effendi, Muhammad Makmun; Sen , Tjong Wan; Zy, Ahmad Turmudi; Isarianto, Isarianto
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.v24i3.13227

Abstract

Penelitian ini bertujuan mengembangkan sistem steganografi berbasis web dengan menerapkan pendekatan End of File (EOF) guna menyisipkan file PDF berisi detail gambar teknik ke dalam file citra digital (.jpg dan .png) pada skenario industri manufaktur. Perlindungan informasi teknis yang bersifat rahasia sangat esensial untuk mencegah akses tidak sah selama proses transmisi digital melalui berbagai kanal komunikasi. Pendekatan EOF memungkinkan penyisipan file secara tidak terlihat tanpa mengubah struktur asli media gambar, sehingga tidak menurunkan kualitas visual. Sistem dibangun dengan HTML, PHP, JavaScript, dan MySQL sebagai basis backend dan frontend. Pengujian mencakup validasi format file, performa proses enkripsi-dekripsi, serta efektivitas distribusi file melalui WhatsApp, email, dan media penyimpanan fisik. Hasilnya menunjukkan bahwa metode EOF berhasil menyisipkan dan mengekstrak file secara akurat, dengan mutu visual gambar yang tetap terjaga. Sistem yang dihasilkan terbukti dapat menjadi solusi proteksi data yang efektif, fleksibel, dan aplikatif bagi kebutuhan industri.   Kata Kunci : steganografi; End of File; keamanan data; penyisipan file PDF; steganografi gambar
A Novel Simulink-Based Implementation of Cosine Comparator Logic for Gate Control in Three-Phase Controlled Rectifiers Annisa, Selly; Immanuel, Michael Fritz; Pratama, Saras; Ashari, Muhammad; Saragi, Dian Putra
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.v24i3.13369

Abstract

This paper proposes a cosine comparator-based firing angle control strategy for three-phase full-wave thyristor rectifiers. Gate pulses are generated by comparing phase-synchronized cosine reference signals with a tunable threshold voltage, allowing precise control over conduction intervals. The method’s effectiveness is evaluated across firing angles ranging from 30° to 120° under RLC load conditions. Quantitative results demonstrate accurate gate synchronization and substantial reduction in Total Harmonic Distortion (THD)—by over 50% relative to conventional ramp-based techniques. The findings confirm the proposed control scheme's potential for high-performance, low-distortion AC-DC conversion, making it suitable for industrial and educational power electronics applications.   Keywords - Three-phase controlled rectifier, cosine comparator, firing angle, Simulink modeling, thyristor gate control, FFT analysis.
Merancang Pengendali Pressure Process Rig Menggunakan Neural Network Berbasis Error dengan Metode Pembelajaran Backpropagation Ashari, Muhammad; Kusumoputro, Benyamin; Saragih, Dian Putra; Zulkarnain, Selly Annisa Binti; Pratama, Saras
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.v24i3.13381

Abstract

Jaringan Saraf Tiruan (NN) merupakan sebuah paradigma dalam pemrosesan informasi yang dimodelkan berdasarkan sistem neuron, menyerupai cara otak manusia memproses informasi. Penelitian ini membahas penerapan jaringan saraf dengan algoritma pembelajaran backpropagation yang diimplementasikan dalam simulasi sebagai pengendali suatu sistem. Pressure Process Rig 38-714 digunakan sebagai model plant dalam penelitian ini. Pengendali berbasis Jaringan Saraf Tiruan ini beroperasi dengan menghitung kesalahan antara keluaran aktual sistem dan masukan referensi yang telah ditentukan, dimana sinyal hasil selisih antara keluaran plant dan sinyal referensi menjadi masukan utama bagi sistem kendali. Penelitian ini memperkenalkan pendekatan pengendalian berbasis eror dengan pelatihan dua tahap, yakni konfigurasi seri-paralel dan paralel, serta disertai metode faktor pengali untuk menjaga kestabilan sinyal kendali dalam batas kerja plant. Berbagai eksperimen dilakukan untuk mengevaluasi kinerja sistem, termasuk pengujian dengan dan tanpa gangguan, serta pembandingan terhadap metode Direct Inverse Control Neural Network (DIC NN). Hasil pengujian menunjukkan bahwa pendekatan ini memberikan solusi adaptif dan tahan terhadap eror, dengan performa dan ketahanan yang lebih baik dalam kondisi terpengaruh gangguan dibandingkan metode DIC NN. Keberhasilan sistem diukur dari kesesuaian antara keluaran plant dengan sinyal referensi dan kemampuan sistem kendali dalam meredam gangguan secara efektif.   Kata kunci: Pengendali, Neural Network, Backpropagation.
Perancangan Sistem Monitoring Android-IoT yang Efisien untuk Solar Charge Controller MPPT Epever berbasis Modbus RTU A, Muhammad; 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.v24i3.13438

Abstract

Permintaan terhadap energi terbarukan terus meningkat, sehingga diperlukan sistem monitoring yang efisien dan dapat diakses secara real-time untuk memastikan kinerja yang optimal. Penelitian ini mengimplementasikan sistem monitoring berbasis Internet of Things (IoT) dengan antarmuka Android pada solar charge controller MPPT merek Epever. Alasan utama pemilihan topik ini adalah keterbatasan aksesibilitas dan minimnya tampilan antarmuka pengguna pada sistem monitoring konvensional. Sistem ini menggunakan NodeMCU ESP8266 sebagai penghubung komunikasi antara solar charge controller dan aplikasi Android melalui jaringan Wi-Fi. Parameter yang dimonitor meliputi tegangan baterai, tegangan panel surya, arus, dan status pengisian daya, yang ditampilkan secara real-time pada perangkat Android. Metode yang digunakan mencakup perancangan sistem, integrasi perangkat keras dan perangkat lunak, serta pengujian performa di berbagai kondisi intensitas cahaya matahari. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan data secara akurat dengan jeda waktu yang rendah, serta meningkatkan kemudahan pengguna dalam memantau kinerja sistem. Kesimpulannya, sistem ini memberikan solusi monitoring yang murah, portabel, dan mudah dikembangkan untuk sistem energi surya, serta berkontribusi dalam pengelolaan energi yang cerdas dan berkelanjutan. Kontribusi utama penelitian ini adalah pengembangan sistem monitoring yang efisien dan portabel berbasis Android-IoT menggunakan komunikasi Modbus RTU, yang belum banyak digunakan pada sistem serupa. Dibandingkan dengan sistem monitoring konvensional, sistem ini menunjukkan peningkatan efisiensi dalam hal latensi, konsumsi daya, dan aksesibilitas pengguna.   Kata kunci: Internet of Things, Solar Charge Controller, MPPT Epever, Monitoring Real-Time.
Deteksi Otomatis Penggunaan APD pada Pekerja Migas Menggunakan Deep Learning dan Computer Vision Tan, Dennis; 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.v24i3.13449

Abstract

Industri minyak dan gas (migas) merupakan sektor dengan risiko kerja tinggi yang memerlukan penerapan prosedur keselamatan secara ketat, termasuk penggunaan Alat Pelindung Diri (APD) oleh pekerja. Namun, pengawasan penggunaan APD secara manual masih memiliki keterbatasan dari sisi efisiensi dan keakuratan, terutama di area kerja luas dan kompleks. Permasalahan ini mendorong perlunya sistem otomatis yang mampu mendeteksi pemakaian APD secara real-time dan akurat. Penelitian ini mengusulkan implementasi teknologi Computer Vision berbasis Convolutional Neural Network (CNN) untuk mendeteksi penggunaan APD pada pekerja di lingkungan industri migas. Sistem yang dibangun memanfaatkan dataset citra pekerja dengan berbagai variasi APD seperti helm, rompi, dan masker, yang kemudian dilatih menggunakan arsitektur CNN untuk mengenali atribut keselamatan tersebut. Hasil pengujian menunjukkan bahwa model CNN yang digunakan mampu mencapai akurasi deteksi hingga 94,2% pada data uji, dengan performa yang konsisten dalam berbagai kondisi pencahayaan dan posisi kamera. Sistem ini juga mampu mendeteksi ketidaksesuaian penggunaan APD dalam waktu kurang dari satu detik per frame, sehingga dapat diterapkan untuk kebutuhan monitoring secara real-time. Dengan demikian, solusi ini berpotensi meningkatkan efektivitas pengawasan keselamatan kerja dan mengurangi risiko kecelakaan di industri migas secara signifikan. Penelitian ini membuka peluang pengembangan lebih lanjut pada aspek integrasi dengan sistem pengawasan industri berbasis IoT dan peningkatan generalisasi model pada berbagai jenis lingkungan kerja. Kata kunci: Computer Vision, Convolutional Neural Network (CNN), Alat Pelindung Diri (APD).
Implementation of Extreme Learning Machine Based on HSV Color Features for Marine Animal Image Classification Hidayati, Dzil; Pertiwi, Yuliana; Ramadhanu, Agung
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.v24i3.13490

Abstract

Recognizing sea animals is a significant challenge in digital image recognition. This is due to the diverse visual characteristics of marine animals, including morphological shapes, body surface colors, and textures displayed in images. Environmental factors also influence image quality, such as underwater lighting conditions, water turbidity, and other external elements. To address these classification challenges, one proposed approach is the use of the Extreme Learning Machine (ELM) method, which can be implemented by utilizing HSV (Hue, Saturation, Value) color features as the main input. The HSV color space is chosen because it more closely resembles the way humans perceive colors. In this model, color is separated into three main components: hue represents the type of color, saturation indicates the intensity or purity of the color, and value refers to its brightness or darkness. The dataset consists of several classes of marine animals such as clams, squids, and shrimp, collected from high-resolution image datasets. Test results show that the ELM model can classify images with competitive accuracy, achieving up to 83% accuracy in a much shorter training time compared to traditional learning methods. This study demonstrates that combining HSV color features with the ELM algorithm can be an efficient approach for classifying marine animal images.   Keywords - Shell, Squid, Shrimp, ELM,HSV
Internet of Things Based Solar Battery Monitoring System Muzazanah, Annisa Tyas; Silaban, Freddy Artadima
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.v24i3.13499

Abstract

There are two factors in the solar panel system that affect battery life, namely the battery discharge factor and the environmental factor temperature which the battery is placed in. The battery is damaged quickly if it is empty for a long time. The application of solar cells is widely used in street lighting and office buildings. However, in several research, it was observed there were deficiencies, namely both current and voltage measurements were still carried out manually using a multimeter so that the data taken had not been recorded continuously. The purpose of this research is to design the Solar Panel System Battery Telemetry to be a solution and to solve the problem of knowing the battery condition is monitored regularly. This system uses ESP32 as an IoT-based microcontroller that is connected to the internet. The website is used to display data from the output of a solar panel battery. Based on the results of the analysis and testing that has been carried out, the design system can run according to the initial concept and can record the current, voltage, and temperature in real-time resulting from the performance of the solar panel system. The results of measurements on 10 wp solar panel with an average power of 7.32 watts with a maximum current of 0.6 A and presentation of a solar panel efficiency of 0.82%. The use of solar panel system batteries with a power requirement of 9 Watt 12V (lamp load) does not experience losses during the charging process.   Keywords - Battery, Solar Panel, Internet of Things, Real Time, Website
Evaluasi Kepuasan Penggemar Sepak Bola Terhadap Pemilihan Pelatih Timnas Indonesia Di Media Sosial X Dengan Metode K-Means Clustering Harahap, Nasywa Al Afif; Hasugian, Abdul Halim
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.v24i3.13503

Abstract

Tingginya antusiasme publik terhadap pemilihan pelatih timnas Indonesia seringkali memunculkan beragam opini di media sosial, khususnya platform X. Opini tersebut tersebar dalam bentuk komentar yang tidak terstruktur, sehingga menyulitkan evaluasi kepuasan publik secara objektif. Penelitian ini merumuskan permasalahan: bagaimana mengelompokkan opini publik terhadap pemilihan pelatih timnas Indonesia secara sistematis untuk mengevaluasi tingkat kepuasan penggemar. Tujuan penelitian ini adalah menerapkan algoritma K-Means Clustering dalam proses analisis sentimen berbasis teks untuk mengetahui persepsi publik secara terukur. Penelitian ini menggunakan pendekatan kuantitatif dengan tahapan utama berupa crawling data tweet, text preprocessing, pembobotan TF-IDF, serta klasterisasi menggunakan metode K-Means. Penentuan jumlah klaster optimal dilakukan dengan Elbow Method dan validasi menggunakan Silhouette Score. Hasil analisis terhadap 947 data menunjukkan distribusi sentimen positif sebanyak 649 tweet (68,46%), netral 185 tweet (19,51%), dan negatif 114 tweet (12,03%). Evaluasi performa menghasilkan akurasi model sebesar 53,59%, dengan performa terbaik pada klaster sentimen positif. Penelitian menyimpulkan bahwa metode K-Means Clustering dapat menjadi pendekatan awal dalam menganalisis opini publik di media sosial, meskipun akurasinya masih terbatas untuk data dengan distribusi tidak seimbang. Penelitian ini bermanfaat dalam memberikan rekomendasi berbasis data bagi federasi sepak bola Indonesia untuk memahami suara publik sebagai bahan evaluasi dalam pengambilan keputusan strategis. Kata kunci - Analisis Sentimen, K-Means Clustering, Machine Learning, TF-IDF, Confusion Matrix
Analysis Of Bread Demand Forecasting Using Recurrent Neural Network (RNN) Method Based On Operational Delivery Data Saputro, Harinudin; Sarwani, Mohammad Zoqi; Hariyanto, Rudi
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.v24i3.13507

Abstract

Accurate demand forecasting plays a vital role in optimizing inventory and distribution planning, especially for perishable goods such as bread. This study develops a time series forecasting model using a Recurrent Neural Network (RNN) with a Sequential architecture to predict daily bread demand. Unlike previous research, this model is trained on two years of real operational delivery data (2023–2024), enabling it to capture actual consumption patterns more effectively. The model leverages a 7-day sequence window to predict the next day’s demand, reflecting weekly seasonality. Data preprocessing includes normalization and cleaning, followed by training with the Stochastic Gradient Descent (SGD) optimizer. The model achieved a Mean Absolute Percentage Error (MAPE) of 4.88% and an accuracy of 86.90%, demonstrating high predictive performance and robustness in handling fluctuating, real-world data. The implementation of this model provides a practical solution for improving production planning, reducing waste, and enhancing supply chain responsiveness. The findings confirm that RNN-based models are effective tools for demand forecasting in dynamic business environments.   Keywords - Forecasting, Recurrent Neural Network (RNN), Demand Prediction, Operational Delivery Data, Bread Industry.
Mendeteksi Emosi Berdasarkan Postingan Sosial Media X Menggunakan Algoritma Long Short-Term Memory Nadhiroh, Irni Irana Ainin; Sarwani, Mohammad Zoqi; Udin, 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.v24i3.13509

Abstract

Emosi merupakan aspek penting dalam komunikasi manusia yang sering muncul melalui unggahan di media sosial. Emosi tersebut diekspresikan dalam teks berbahasa Indonesia di platform media sosial X. Penelitian ini bertujuan untuk mendeteksi lima kategori emosi, yaitu marah, takut, senang, cinta, dan sedih. Model yang digunakan adalah algoritma Long Short-Term Memory (LSTM) dengan representasi kata dari FastText. Model dilatih menggunakan metode EarlyStopping dan dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Hasil  menunjukkan bahwa model mencapai akurasi sebesar 79% pada data testing dengan performa yang relatif seimbang untuk setiap kategori emosi. Penelitian ini menunjukkan bahwa FastText dan LSTM efektif untuk mendeteksi emosi dalam teks media sosial berbahasa Indonesia. Penelitian ini diharapkan bermanfaat  dalam pengembangan penelitian berbasis emosi, seperti analisis sentimen, pemantauan opini publik, dan sistem pendukung kesehatan mental.   Kata Kunci – Deteksi Emosi, Sosial Media, Long Short-Term Memory, FastText

Page 69 of 74 | Total Record : 737

 67   68   69   70   71 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue 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