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
 70   71   72   73   74 
A Comparative Study of Embedding Techniques and Classifiers for Aspect-Based Sentiment Analysis of Shopee Reviews Gondohanindijo, Jutono
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14976

Abstract

E-commerce platforms like Shopee generate massive volumes of user reviews that contain valuable insights about products, services, and user experiences. Aspect-Based Sentiment Analysis (ABSA) enables fine-grained sentiment classification by identifying sentiment polarity toward specific aspects such as product quality, pricing, delivery, and application performance. This study presents a comprehensive comparative analysis of different embedding techniques and classification models for ABSA on Indonesian Shopee reviews. We evaluate three embedding approaches: FastText, GloVe, and BERT embeddings, combined with four classification models: Support Vector Machine (SVM), Convolutional Neural Network (CNN), BERT, and IndoBERT. Our experiments focus on five key aspects: product, price, delivery, application, and general sentiment. The results demonstrate that FastText embeddings combined with IndoBERT classifier achieves the highest accuracy of 91.59%, while BERT embeddings show more balanced performance across different classifiers. The findings provide valuable insights for e-commerce platforms seeking to implement effective sentiment analysis systems for Indonesian market understanding. Keywords - Aspect-Based Sentiment Analysis, FastText, GloVe, BERT, IndoBERT
Perancangan Game Edukasi 3D Rumah Adat Indonesia dengan Pendekatan Gamifikasi Berbasis Third Person Perspective Pradhana, Faisal Reza; Musthafa, Azis; Saputra, Eka Rangga
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14978

Abstract

Rumah adat merupakan salah satu warisan budaya Indonesia yang mencerminkan identitas dan nilai dari setiap daerah. Namun, minat siswa dalam mempelajari budaya lokal mulai menurun akibat pengaruh budaya asing dan minimnya media pembelajaran interaktif. Penelitian ini bertujuan untuk mengembangkan game edukasi interaktif 3D bertema rumah adat Indonesia dengan pendekatan gamifikasi berdasarkan kerangka Mechanics, Dynamics, and Aesthetics (MDA). Game dikembangkan menggunakan Unreal Engine 5.4 dengan pemrograman C++, sedangkan aset 3D dibuat menggunakan Blender dan karakter dirancang melalui Metahuman. Penelitian ini menggunakan metode System Development Life Cycle (SDLC) dengan model waterfall, serta divalidasi oleh ahli materi dan pengguna menggunakan skala Likert. Hasil pengujian menunjukkan skor 84% dari ahli materi, 85,63% dari pengguna, dan tingkat pemahaman siswa sebesar 92,7%, yang seluruhnya termasuk dalam kategori sangat layak. Oleh karena itu, game edukasi rumah adat Indonesia dinilai layak digunakan sebagai media pembelajaran interaktif yang dapat meningkatkan motivasi, pemahaman, dan minat siswa terhadap budaya lokal. Penelitian selanjutnya diharapkan dapat menambah konten rumah adat dan memperluas area eksplorasi dalam game.   Kata Kunci – Game Edukasi, Gamifikasi, MDA Framework, Rumah Adat, Software Development Life Cycle.
Implementasi Teknik Visualisasi Dinamis pada Augmented Reality untuk Representasi Operasi Vektor Harmini, Triana; Putra, Oddy Virgantara; Prihadian, Hibatullah Agung
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.14982

Abstract

Konsep vektor, khususnya terkait arah dan transformasi besaran dalam ruang 3D, menuntut kemampuan visualisasi spasial yang tinggi. Media pembelajaran konvensional dan aplikasi AR statis seringkali memiliki keterbatasan dalam merepresentasikan proses terjadinya operasi vektor secara nyata. Penelitian ini bertujuan mengimplementasikan teknik Visualisasi Vektor Dinamis (Dynamic Vector Visualization) berbasis Augmented Reality (AR) untuk mensimulasikan perilaku vektor secara real-time. Sistem dikembangkan menggunakan engine Unity 3D dengan menerapkan arsitektur Visualisasi Berbasis Status (State-Driven Visualization). Metode ini mengintegrasikan aset adaptif dari Blender (Keyframe Animation) dengan logika kontrol Finite State Machine (FSM) untuk menjamin presisi geometris dan efisiensi komputasi pada perangkat mobile. Validasi dilakukan oleh ahli materi dan media, serta uji usability terhadap 30 mahasiswa. Hasil pengujian menunjukkan bahwa teknik visualisasi dinamis memperoleh skor validasi ahli materi sebesar 86% dan ahli media sebesar 95%. Uji penerimaan pengguna menghasilkan skor System Usability Scale (SUS) sebesar 92,7 yang masuk dalam kategori "Best Imaginable". Temuan ini mengonfirmasi bahwa integrasi mekanisme animasi prosedural dalam lingkungan AR terbukti efektif dalam membantu mahasiswa memvisualisasikan konsep abstrak operasi vektor dibandingkan representasi statis.   Kata Kunci - Augmented Reality; Visualisasi Dinamis; Vektor; Finite State Machine; Unity 3D.
Penanganan Ketidakseimbangan Data Ekstrim pada Sistem Prediksi Putro, Ari Nugroho; Muslim, Much Aziz
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.15005

Abstract

Salah satu masalah utama dalam sistem prediksi adalah ketidakseimbangan data, di mana kelas tertentu sangat kurang terwakili dibandingkan dengan kelas lainnya. Ketidakseimbangan data dapat menyebabkan bias model, di mana model lebih mudah mendeteksi kelas mayoritas tetapi lemah dalam mendeteksi kelas minoritas. Terutama pada data dengan ketidakseimbangan ekstrem dengan IR >9, model memiliki akurasi tinggi tetapi performa recall rendah. Hal ini merugikan sistem prediksi yang memprioritaskan deteksi kelas minoritas. Penelitian ini bertujuan untuk meningkatkan recall pada dataset yang sangat tidak seimbang dengan menggunakan empat teknik penanganan ketidakseimbangan data, yaitu SMOTE dan OHIT pada level data, serta CSL dan CW pada level model. Teknik pada level data menyeimbangkan distribusi kelas dengan menambahkan data sintetis, sedangkan teknik pada level model meningkatkan sensitivitas terhadap kelas minoritas. Model yang digunakan sebagai baseline adalah LR untuk mengamati peningkatan recall dari keempat teknik penanganan ketidakseimbangan data. Dari hasil pengujian semua teknik penanganan ketidakseimbangan data, semuanya meningkatkan recall dengan margin sebesar 0,3243. Peningkatan recall tertinggi dicapai oleh LR-SMOTE dengan margin sebesar 0,3256. Penelitian ini menunjukkan bahwa recall model dapat ditingkatkan dengan menggunakan teknik penanganan ketidakseimbangan data. Kata kunci – ketidakseimbangan data ekstrem, sistem prediksi, recall, penanganan ketidakseimbangan data
Klasifikasi Sinyal EEG Subband Beta untuk Identifikasi Persepsi Rasa Manis dan Asam Menggunakan Algoritma Machine Learning Lejap, Marianus Yakobus Lili; Tena, Silvester; Pratama, Bima Gerry
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.15011

Abstract

Aktivitas gelombang otak (EEG) dapat digunakan untuk mengenali respons manusia terhadap stimulus sensorik, termasuk persepsi rasa. Penelitian ini bertujuan untuk mengklasifikasikan aktivitas otak terhadap dua jenis stimulus rasa, yaitu rasa manis (Susu) dan rasa asam (Lemon), menggunakan sinyal EEG pada subband Beta (12–25 Hz) dengan pendekatan machine learning. Penelitian ini merupakan pengembangan dari studi sebelumnya yang hanya menampilkan visualisasi topografi otak (brain heatmap), dengan menambahkan analisis klasifikasi otomatis berbasis kecerdasan buatan. Data EEG direkam dari empat kanal utama, yaitu T3, T4, CP1, dan CP2, kemudian diekstraksi menggunakan dua fitur utama: Mean Absolute Value (MAV) dan Variance (VAR). Total data yang digunakan sebanyak 10.644 potong data (3.550 Susu dan 7.094 Lemon). Tiga algoritma machine learning digunakan untuk membandingkan performa klasifikasi, yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Decision Tree (DT). Hasil pengujian menunjukkan bahwa Decision Tree menghasilkan performa terbaik dengan akurasi 84,0%, F1-score 0,727, dan ROC AUC 0,789, diikuti oleh KNN dengan akurasi 76,6%. Model SVM linear menunjukkan performa terendah akibat ketidakseimbangan data dan distribusi non-linear. Hasil ini membuktikan bahwa fitur EEG pada subband Beta dapat digunakan untuk membedakan stimulus rasa manis dan asam secara objektif. Penelitian ini memberikan kontribusi terhadap pengembangan sistem EEG-based Taste Recognition dan membuka peluang penerapan dalam bidang neurogastronomi serta Brain–Computer Interface (BCI). Kata kunci: EEG, subband Beta, klasifikasi rasa, machine learning, Decision Tree.
Korelasi Penggunaan Media Sosial dengan Kesehatan Mental melalui Exploratory Data Analysis Rahma, Intan Dwi; Kurnia Gusti Ayu; Buana, Dana Riksa
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.15024

Abstract

Media sosial telah menjadi bagian penting dalam kehidupan sehari-hari, namun penggunaannya yang tidak terkendali dapat memengaruhi kesehatan mental. Penelitian ini bertujuan untuk menganalisis hubungan antara durasi dan pola penggunaan media sosial dengan kesehatan mental pengguna usia 18–35 tahun. Metode yang digunakan adalah Exploratory Data Analysis (EDA) terhadap data 281 responden yang diperoleh melalui survei daring, dengan fokus pada durasi penggunaan, jenis platform, konten yang dikonsumsi, respons emosional pasca-penggunaan, pengalaman cyberbullying, serta karakteristik demografis. Hasil menunjukkan bahwa mayoritas responden menggunakan media sosial 6–9 jam per hari, namun korelasi antara durasi dan tekanan mental hanya negatif lemah (r = –0,24). Dampak psikologis lebih banyak dipengaruhi oleh kualitas pengalaman digital, terutama karakteristik platform, jenis konten, dan pengalaman cyberbullying. TikTok memiliki korelasi negatif terbesar (r = –0,25), sedangkan pengguna yang mengalami cyberbullying menunjukkan tekanan mental lebih tinggi. Secara demografis, Millennial dan perempuan menunjukkan tingkat tekanan mental lebih tinggi dibandingkan Gen-Z dan laki-laki. Kesimpulannya, media sosial cenderung memperkuat kondisi psikologis yang telah dimiliki pengguna, sehingga strategi digital well-being perlu difokuskan pada keamanan interaksi dan regulasi emosi daripada pembatasan durasi penggunaan. Hasil penelitian ini dapat menjadi dasar untuk penggunaan media sosial yang lebih sehat dan bijak. Kata kunci: Exploratory Data Analysis; kesehatan mental; media sosial; visualisasi data
Sistem Monitoring Tanaman Stroberi Berdasarkan Parameter Suhu, Kelembaban Tanah dan pH Tanah Berbasis Internet of Things Sollu, Tan Suryani; -, Alamsyah; Mustari, Aidynal; Mukhlis, Baso; Arifin, Yusnaini; Rasyid, Zulfaizal H.A.
Techno.Com Vol. 24 No. 4 (2025): November 2025
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v24i4.15037

Abstract

Perkembangan teknologi Internet of Things (IoT) telah memberikan peluang besar dalam peningkatan produktivitas pertanian melalui pemantauan kondisi lingkungan secara real time. Tanaman stroberi merupakan komoditas hortikultura yang membutuhkan perhatian khusus terhadap faktor lingkungan, terutama pada kondisi suhu lingkungan, kelembaban tanah, dan pH tanah. Ketiga parameter tersebut sangat berpengaruh terhadap pertumbuhan dan kualitas produksi buah stroberi. Penelitian ini mengembangkan sistem monitoring berbasis IoT yang dirancang untuk mengukur parameter suhu, kelembaban tanah, dan pH tanah pada lahan budidaya tanaman stroberi. Sistem ini memanfaatkan beberapa sensor diantaranya DS18B20 sebagai deteksi suhu lingkungan, YL-69 sebagai deteksi kelembaban tanah, dan sensor soil pH sebagai deteksi pH tanah yang diintegrasikan dengan modul Raspberry Pi sebagai pengolah78 data dari sensor dan mengirimkan data ke platform melalui aplikasi ThingSpeak secara real time. Untuk memperoleh hasil pengujian yang akurat dilakukan pengambilan data dengan membandingkan hasil pembacaan ke tiga sensor dengan alat ukur yang ada dijual dipasaran. Hasil pengujian menunjukkan bahwa sistem mampu bekerja dengan baik dalam memantau kondisi lingkungan tanaman stroberi dan memberikan informasi dengan rata-rata tingkat akurasi untuk kelembaban tanah sebesar 99,985%, pH tanah sebesar 99,907% dan suhu lingkungan sebesar 99,991%. Sistem ini memungkinkan petani dapat melakukan tindakan pengelolaan lahan yang lebih tepat dan sesuai kondisi yang terdeteksi.   Kata Kunci - internet of things, raspberry pi, sensor, stroberi, thingspeak.

Page 74 of 74 | Total Record : 737

 70   71   72   73   74 

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