cover
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
ISSN : 14122693     EISSN : 23562579     DOI : -
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 710 Documents
Measuring the efficiency of the Indonesian Air Police using Data Envelopment Analysis with BCC Model Pradanarka, Andyas Mukti; Nugraha, Isna; Rakhmanhuda, Iffad
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.v24i3.13770

Abstract

As part of the Indonesian National Police, one of the tasks of the Air Police is to support the Ministry of Environment and Forestry in preventing deforestation. With the available resources, the Air Police must be able to carry out their duties efficiently. This study measures the efficiency of the support performance of ten Air Police under the Control of the Regional Police covering ten provinces to prevent deforestation. Each operations control (OC) represents a Decision-Making Unit (DMU). Using Data Envelopment Analysis (DEA) with the Banker, Charnes, Cooper (BCC) model, the results showed that two OCs (Bali and North Sulawesi) were identified as efficient, while eight OCs were inefficient.   Keywords - deforestation, efficiency, DEA, BCC, VRS
Utilization of Big Data For PPE Detection Using Convolutional Neural Network And Yolov8 Bisri, Hasan; Maghfur, Maula Aringga; Rahadian, Yanuar Rafi
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.v24i3.13774

Abstract

Indonesia holds a strategic position in the global manufacturing sector, with a manufacturing output of USD 228.32 billion in 2021, ranking 10th worldwide. In 2023, it ranked 12th globally by manufacturing value added, according to the World Bank’s report. However, this growth is accompanied by 297,725 workplace accidents reported in Indonesia in 2022, marking a 27.03% increase from the previous year. This study aims to develop a Personal Protective Equipment (PPE) monitoring system using Big Data, employing Convolutional Neural Network (CNN) and You Only Look Once (YOLO) algorithms. The dataset consists of at least 1,000 images for each of four classes: Helmet, Vest, NoHelmet, and NoVest. Evaluation results show a mAP@50 of 83.1%, with the highest detection performance in Vest (0.90), followed by NoHelmet (0.88), Helmet (0.85), and NoVest (0.81). These findings demonstrate strong potential in supporting safety protocol compliance and reducing workplace accidents in high-risk industrial environments.   Keywords - Big Data, Convolutonal Neural Network, You Only Look Once
Integrasi Quality Control Circle dalam Bisnis Proses Produksi dan Pengujian Efisiensi Biaya dengan Bootstrap Paired T-test Rakhmanhuda, Iffad; Pradanarka, Andyas Mukti
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.v24i3.13775

Abstract

Dalam upaya meningkatkan efisiensi proses bisnis produksi, perusahaan menghadapi tantangan berupa tingginya jumlah cacat roll letter mark pada mesin extruder small wire. Cacat ini berdampak negatif terhadap kualitas produk dan menimbulkan pemborosan biaya produksi. Penelitian ini bertujuan untuk menurunkan jumlah cacat tersebut melalui penerapan metode Quality Control Circle (QCC) serta menganalisis efektivitas perbaikannya dari sisi cost reduction menggunakan uji Bootstrap Paired T-test. Metode QCC digunakan untuk mengidentifikasi akar penyebab, merancang solusi, dan mengimplementasikan tindakan korektif secara sistematis. Evaluasi dilakukan dengan membandingkan data sebelum dan sesudah perbaikan. Hasil penelitian menunjukkan penurunan signifikan jumlah cacat roll letter mark setelah implementasi QCC, yang didukung oleh hasil uji statistik Bootstrap Paired T-test (p < 0,05). Selain peningkatan kualitas, analisis juga menunjukkan terjadinya penghematan biaya produksi secara nyata. Dengan demikian, integrasi QCC terbukti efektif dalam mengoptimalkan proses bisnis produksi dan meningkatkan efisiensi operasional secara keseluruhan. Penelitian ini merekomendasikan penerapan QCC secara berkelanjutan sebagai bagian dari strategi peningkatan mutu dan efisiensi di lingkungan manufaktur.   Kata kunci – Quality Control Circle, Cost Reduction, Bootstrap Paired T-test
Comparative Usability Analysis of University Department Websites: A Case Study of Industrial and Chemical Engineering Programs Kirana, Intania Widyantari; Nugraha, Isna; Novasani, Raditya Jarwenda
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.v24i3.13778

Abstract

This study's goal was to compare the usability of the websites for the Industrial Engineering and Chemical Engineering departments at a university. Since these sites are critical for new students seeking information, a user-friendly interface is essential for efficient and accurate information retrieval. To conduct the study, a user performance test was administered to 40 new students, all with less than a year of study. They were asked to complete three specific tasks: downloading a form, finding a "kaleidoscope" (a summary of activities), and locating information about oral exam registration. The researchers collected data on the time students took to complete the tasks (efficiency) and the number of errors they made. This data was t hen analyzed using a Two-Way ANOVA statistical method. The results showed significant differences in usability between the two websites, with a very strong interaction effect for both efficiency and error rates. The Industrial Engineering website was most efficient for downloading a form but proved to be the least efficient for finding the kaleidoscope. Conversely, the Chemical Engineering website was most efficient for finding the kaleidoscope but was the least efficient for form downloads. Regarding errors, finding the kaleidoscope and downloading a form presented the most significant challenges, while registering for the oral exam was the least error-prone task. These findings highlight the importance of making specific, tailored improvements to academic web design to enhance the user experience on these platforms.   Keywords – Usability; University Website; User Experience; Efficiency; Error Rates
Segmentasi Pelanggan Bisnis Kursus Berbasis LRFM Menggunakan t-SNE, UMAP, dan PaCMAP untuk Optimalisasi Profitabilitas Bisnis Rahadian, Yanuar Rafi; Bisri, Hasan; Amina, Latifa Indirani
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.v24i3.13782

Abstract

Segmentasi pelanggan memainkan peran penting dalam meningkatkan profitabilitas bisnis dengan mengidentifikasi pola perilaku pelanggan. Penelitian ini mengusulkan pendekatan segmentasi berbasis model LRFM (Length, Recency, Frequency, Monetary) untuk meningkatkan ketepatan klasifikasi pelanggan. Dengan menggunakan data transaksi, skor LRFM dihitung dan diklasifikasikan ke dalam empat kategori: Best Customers (121 pelanggan), Loyal Customers, Potential, dan At Risk. Untuk meningkatkan interpretabilitas hasil, tiga teknik reduksi dimensi : t-SNE, UMAP, dan PaCMAP digunakan dalam analisis visual. Di antara ketiganya, UMAP menunjukkan visualisasi paling seimbang berdasarkan indikator separation clarity, cluster compactness, dan outlier identification. Hasil penelitian menunjukkan bahwa segmentasi visual membantu pengambil keputusan dalam mengidentifikasi kelompok pelanggan strategis untuk program retensi dan optimalisasi. Studi ini memberikan referensi berharga bagi industri yang ingin meningkatkan manajemen hubungan pelanggan melalui pendekatan berbasis data.   Kata kunci - Model LRFM, profitabilitas bisnis, reduksi dimensi, segmentasi pelanggan, UMAP
Sistem Review dan Rating Bimbel dengan Metode Customer Satisfaction Index (CSI) pada Portal Sistem Informasi Bimbingan Belajar Berbasis Web Rochim, Galuh Nur; Arifin, Muhammad; Fithri, Diana Laily
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.v24i3.13784

Abstract

Kepuasan pelanggan menjadi indikator utama dalam meningkatan mutu pelayanan, salah satunya pada sektor pendidikan non-formal seperti lembaga bimbingan belajar (bimbel). Penelitian ini bertujuan untuk membangun sistem yang pengukur tingkat kepuasan siswa terhadap layanan bimbel dengan menggunakan metode Customer Satisfaction Index (CSI). Terdapat lima variabel utama yang dianalisis, yaitu harga, fasilitas, kualitas tentor, materi dan hasil belajar. Teknik pengumpulan data pada penelitian ini dilakukan dengan kuisioner kepada 20 responden, yang mencakup dua atribut penilaian, yaitu kepentingan (importance) dan kepuasan (satisfaction). Hasil pengolahan data menunjukkan nilai CSI berada pada kriteria “sangat puas” dengan indeks 88.16%. Penelitian ini juga menghasilkan sistem review dan rating siswa yang diintegrasikan dengan portal bimbel berbasis web yang telah ada. Sistem ini memungkinkan siswa memberikan penilaian dan ulasan langsung terhadap layanan bimbel serta menjadi sarana umpan balik yang objektif. Dengan adanya integrasi ini, pengelola bimbel dapat memantau kepuasan pelanggan serta melakukan evaluasi dan peningkatan layanan bimbel. Penelitian ini menunjukkan bahwa metode CSI yang dikombinasikan dengan sistem informasi mampu mendorong kualitas layanan pendidikan non-formal kearah yang lebih adaptif dan responsif.   Kata Kunci - Customer Satisfaction Index, Bimbingan Belajar, Review dan Rating, Sistem Informasi, Kepuasan Pelanggan
Prediksi dan Koreksi Error Servo Base Motor pada Robot Tangan Berbasis IoT Menggunakan Model Linear Regresi Maulana, Farhan Rizki; Setyawan, Muhammad Yusril Helmi; Awangga, Rolly Maulana
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.v24i3.13818

Abstract

Kebutuhan akan presisi pergerakan pada lengan robot berbasis Internet of Things (IoT) memunculkan tantangan terkait deviasi sudut antara posisi target dan aktual pada motor servo. Penelitian ini mengusulkan pendekatan regresi linier untuk memprediksi dan mengoreksi kesalahan sudut pada motor servo bagian base. Model dibangun menggunakan data simulasi yang mencakup sudut target, sudut aktual (disimulasikan), dan jarak objek dari sensor ultrasonik. Nilai koreksi dihitung berdasarkan selisih sudut ditambah komponen acak dan non-linear berbasis jarak, yang ditambahkan sebagai label target. Model dilatih menggunakan metode Ordinary Least Squares dan dievaluasi menggunakan metrik MAE, MSE, dan R². Hasil menunjukkan MAE sebesar 3.49°, MSE sebesar 19.49, dan R² sebesar 0.9808. Simulasi koreksi menurunkan rata-rata error dari 9.97° menjadi 1.17°. Visualisasi melalui scatter plot, histogram, dan boxplot menunjukkan peningkatan presisi dan stabilitas sistem. Model ini mampu meningkatkan akurasi pergerakan servo secara signifikan tanpa penambahan sensor atau modifikasi perangkat keras, menjadikannya solusi prediktif yang efisien untuk sistem robotik tertanam dengan kontrol terbuka.   Kata kunci: robot tangan IoT, koreksi sudut servo, regresi linier, akurasi pergerakan, simulasi kendali terbuka
Klasifikasi Penyakit Pada Daun Tanaman Kubis Menggunakan Metode Support Vector Machine (SVM) Berdasarkan Warna Dan Tekstur Maulidia, Ulfa; Wajidi, Farid; Arifin, Nurhikma
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.v24i3.13748

Abstract

Kubis merupakan salah satu komoditas pangan yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Namun, hama dan penyakit lainnya adalah risiko terbesar dalam budidaya tanaman kubis. Salah satu faktor penting dalam keberhasilan produksi kubis adalah periode pertumbuhan, tetapi sering gagal karena banyak serangan hama. Penelitian ini bertujuan untuk mengklasifikasikan penyakit pada daun kubis menggunakan metode Support Vector Machine (SVM) berdasarkan fitur tekstur, yaitu Gray Level Coccurrence Matrix (GLCM) dan fitur warna Hue, Saturation, and Value (HSV) untuk memudahkan petani mengetahui jenis penyakitnya, sehingga dapat melakukan tindakan yang tepat untuk mencegah kerusakan lebih lanjut. Kumpulan data yang digunakan adalah 606 gambar daun kubis yang terbagi menjadi dua bagian, yaitu data latih dan data uji dengan rasio 80:20. Kumpulan data tersebut diklasifikasikan ke dalam lima kategori penyakit, yaitu: Bercak Cincin, Bercak Daun, Busuk Hitam, Jamur Berbulu Halus, dan Kutu Daun. Uji fitur GLCM dilakukan dengan membandingkan hasil percobaan sudut yaitu 0°, 45°, 90°, 135° dengan akurasi terbaik pada sudut 0°. Selain itu, parameter diuji pada metode SVM dengan kernel RBF, yaitu nilai C (1,5,10) dan gamma (10-1 – 10-5). Hasil akurasi terbaik menggunakan fitur GLCM dan HSV diperoleh dari nilai C = 10 dan gamma = 10-1 dengan akurasi 94,21%. Hal ini menunjukkan bahwa pengujian sudut fitur GLCM dan kernel RBF mempengaruhi hasil akurasi sehingga dalam penelitian ini penggunaan fitur GLCM dan HSV memberikan hasil yang lebih optimal. Proses klasifikasi juga memiliki waktu perhitungan yang relatif cepat, yaitu 1,90 detik. Kata kunci: Penyakit Daun Kubis, Gray Level Co-occurrence Matrix, Hue Saturation Value, Support Vector Machine, Kernel RBF
A LIME-Enhanced SVM Framework for Driver Drowsiness Detection in Nighttime Driving Scenarios Rahayu, Silvia Indah; Hakim, Lukman
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.v24i3.13868

Abstract

Nighttime traffic accidents caused by driver fatigue remain a critical issue as most visual-based detection systems find it challenging to interpret facial cues under poor lighting conditions. Key obstacles include decreased accuracy in dark settings, difficulties in detecting eye and mouth features, and the impractical nature of real-time approaches that rely on physiological sensors. This study introduces a vision-based drowsiness detection framework that integrates the Adaptive Low-light Image Enhancement (LIME) method with a Support Vector Machine (SVM) classifier employing an RBF kernel. The dataset comprises 11.566 images of eyes and mouths, which are analyzed to extract features like Eye Aspect Ratio (EAR), Mouth Aspect Ratio (MAR), and blink frequency. Evaluation results show that the SVM model with the RBF kernel attained 90.94% accuracy, 91.22% precision, and 91.82% recall. This system is effective in detecting drowsiness under low-light conditions and has the potential to be implemented as an early warning feature in vehicles.   Keywords: Drowsiness Detection, SVM, EAR, MAR, Adaptive LIME
Analisis Akurasi dan Waktu Proses Deteksi Sentimen Menggunakan Image Mel-Spectrogram Gondohanindijo, Jutono
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.v24i3.13906

Abstract

Dalam upaya meningkatkan interaksi manusia-mesin, penelitian deteksi sentimen sudah banyak dilakukan peneliti untuk tujuan tersebut. Seiring dengan berkembangnya Mesin Pembelajaran, penelitian ini akan membandingkan kemampuan empat model klasifikasi : CNN, CRNN, SVM, dan MLP—dalam mengidentifikasi sentimen berbasis gambar Mel-spectrogram. Penelitian ini memanfaatkan representasi Mel-Spectrogram dari 640 sampel image ( gambar ) spektrogram yang mencakup delapan kelompok kelas sentimen berbeda. Setelah melalui tahap praproses data gambar dan ekstraksi fitur, kinerja model dievaluasi menggunakan validasi silang 10-fold serta metrik akurasi, presisi, recall, dan F1-score. CNN dan CRNN mencapai akurasi tertinggi (100%), sedangkan SVM dan MLP mencapai 99,22%. Dari sisi waktu pelatihan, SVM membutuhkan waktu paking sedikit, yaitu sebesar 0,45 detik. Penelitian ini bertujuan untuk mengetahui efektivitas pendekatan image (gambar) Mel-Spectrogram dan menegaskan perlunya pertimbangan trade-off antara akurasi tinggi dan efisiensi komputasi dalam pemilihan model. Kata Kunci – Analisis, Mel-Spectogram, Sentimen, Waktu Proses

Filter by Year

2012 2025


Filter By Issues
All Issue 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