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 779 Documents
 74   75   76   77   78 
Prototype Development of RFID-Based Truck Load Data Collection Tool with Smart Calibration and HMI Methods Muhammad Erik Ardiansyah; Denny Irawan
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16049

Abstract

With the advancement of technology, humans are also required to adapt to these advancements. The industrial sector is one sector significantly impacted by this technological development, from increasingly sophisticated production machines to increasingly flexible attendance systems for employees. However, amidst this technological advancement, the author found several aspects impractical in its application. One example is the use of paper documents for loading and unloading trucks. The use of paper documents can complicate the loading and unloading process, as paper documents have several weaknesses, such as water fading, tearing, forgery, and other weaknesses not included in this study. Based on these issues, the researcher taking the initiative to create a prototype of an RFID-based truck load data collection tool with smart calibration and HMI that facilitates truck drivers and warehouse personnel in the loading and unloading process. The system researcher designed consists of an RFID sensor connected to an Haiwell Scada.   Keywords - Paper, RFID, Prototype, smart calibration, HMI, Truck
Sistem Monitoring dan Analisis Real-Time Kualitas Air pada Budidaya Ikan Mujair Berbasis IoT Muhammad Makmun Effendi; Ermanto Ermanto; Ahmad Turmudi Zy; Arif Siswandi
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16077

Abstract

Kualitas air merupakan faktor utama yang mempengaruhi keberhasilan budidaya ikan mujair. Pemantauan kualitas air secara konvensional memiliki keterbatasan dalam hal akurasi dan kecepatan respon terhadap perubahan kondisi lingkungan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring kualitas air berbasis Internet of Things (IoT) yang mampu melakukan pemantauan secara real-time. Sistem yang dikembangkan menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor pH, suhu (DS18B20), Total Dissolved Solids (TDS), dan kekeruhan. Data hasil pengukuran dikirimkan melalui jaringan WiFi ke aplikasi Blynk untuk ditampilkan secara real-time. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi yang baik dengan kesalahan pengukuran kurang dari 5% dibandingkan alat ukur standar. Selain itu, sistem mampu mengirimkan data dengan waktu respon rata-rata 1–2 detik tanpa mengalami kehilangan data. Sistem ini juga dilengkapi dengan fitur notifikasi untuk memberikan peringatan dini apabila terjadi perubahan kualitas air di luar batas normal. Dengan demikian, sistem yang dikembangkan dapat membantu meningkatkan efektivitas dan efisiensi dalam pengelolaan budidaya ikan mujair.   Kata kunci: Internet of Things, kualitas air, monitoring real-time, ESP32, budidaya ikan mujair
Penilaian Harga Opsi Put Saham NVIDIA Menggunakan Model Black–Scholes dan LSTM Rifky Miftaqul Ilmi; Ramdhan Fazrianto Suwarman; Lita Wulandari Aeli
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16098

Abstract

Saham NVIDIA dalam beberapa tahun terakhir mengalami pertumbuhan laba dan volatilitas harga yang cukup tinggi. Volatilitas ini dapat menimbulkan risiko kerugian akibat penurunan harga saham. Oleh karena itu, diperlukan instrumen lindung nilai, salah satunya  adalah opsi put. Opsi put merupakan instrumen derivatif yang memberikan hak kepada pemegangnya untuk menjual aset yang mendasarinya pada harga tertentu dalam periode tertentu. Tujuan penelitian ini adalah menganalisis penilaian harga opsi put saham NVIDIA menggunakan model Black–Scholes dan LSTM. Data yang digunakan berupa histori kuotasi opsi harian pada periode 2022–2023. Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi yang lebih unggul dengan RMSE sebesar 5.100 dan MAE sebesar 3.079, dibanding dengan model Black–Scholes yang menghasilkan RMSE sebesar 7.303 dan MAE sebesar 3.656. Berdasarkan waktu jatuh tempo, model Black–Scholes lebih unggul pada opsi dengan jatuh tempo kurang dari tiga bulan, sedangkan model LSTM lebih unggul pada opsi dengan jatuh tempo lebih dari tiga bulan. Perbedaan tersebut dipengaruhi oleh penyimpangan asumsi normalitas log return pada model Black–Scholes dan pendekatan bergulir yang mempu menjaga kestabilan akurasi penilaian pada model LSTM. Penelitian ini diharapkan dapat menjadi referensi dalam pemilihan model penentuan harga opsi put untuk mendukung strategi lindung nilai.   Kata Kunci - Opsi Put, Black–Scholes, LSTM, pengelolaan risiko, NVIDIA
Analisis Komponen Utama dan Klasterisasi K-Means pada Data Pengangguran Terbuka Kabupaten/Kota di Provinsi Sulawesi Selatan Muhammad Hidayatullah; Afif Budi Andy B; Irwan Usman
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16110

Abstract

Pengangguran terbuka merupakan salah satu permasalahan ketenagakerjaan yang masih menjadi tantangan di Provinsi Sulawesi Selatan, dengan tingkat disparitas yang tinggi antar kabupaten/kota. Penelitian ini bertujuan untuk mengelompokkan 24 kabupaten/kota di Provinsi Sulawesi Selatan berdasarkan pola Tingkat Pengangguran Terbuka (TPT) tahun 2019–2023 menggunakan kombinasi metode Principal Component Analysis (PCA) dan K-Means clustering. Data yang digunakan merupakan data sekunder TPT hasil Survei Angkatan Kerja Nasional (Sakernas) periode Agustus yang bersumber dari Badan Pusat Statistik (BPS) Provinsi Sulawesi Selatan. Analisis PCA dilakukan untuk mereduksi dimensi data dari lima variabel tahun pengamatan menjadi beberapa komponen utama yang saling ortogonal, kemudian skor komponen utama digunakan sebagai input dalam K-Means clustering. Hasil penelitian menunjukkan bahwa 24 kabupaten/kota terbagi ke dalam tiga cluster, yaitu Cluster 1 dengan 13 kabupaten/kota berkategori TPT rendah, Cluster 2 dengan 9 kabupaten/kota berkategori TPT menengah, dan Cluster 3 dengan 2 wilayah yaitu Kota Makassar dan Kota Palopo yang berkategori TPT tinggi. Hasil pengelompokan ini diharapkan dapat menjadi referensi bagi pemerintah daerah dalam merumuskan kebijakan ketenagakerjaan yang tepat sasaran sesuai karakteristik masing-masing wilayah. Kata Kunci – Clustering, K-Means, Principal Component Analysis, Pengangguran Terbuka, Sulawesi Selatan
Aplikasi Rekomendasi Busana Wanita Berbasis CNN Dan Content-Based Image Retrieval Kaifa Anhar Assajdah; Hery Kristianto
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16129

Abstract

Proses pemilihan desain busana secara manual pada layanan penjahitan kerap tidak efisien dan mengandung subjektivitas tinggi, sehingga pelanggan kesulitan mendapatkan rekomendasi yang sesuai dengan preferensi visual dan karakteristik tubuh mereka. Penelitian ini mengembangkan sebuah sistem rekomendasi busana wanita berbasis Android yang mengintegrasikan convolutional neural network (CNN) dan content‑based image retrieval (CBIR). Arsitektur ResNet50 digunakan untuk mengklasifikasi kategori pakaian (dress, atasan, bawahan) sekaligus mengekstraksi fitur visual menjadi vektor embedding 256 dimensi. Kemiripan antar citra dihitung dengan metode cosine similarity, kemudian hasil rekomendasi disaring berdasarkan kategori pakaian dan tipe tubuh pengguna (kurus, sedang, gemuk). Sistem dibangun dengan arsitektur client‑server: antarmuka Android berupa WebView dan server berbasis Flask. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi 98,44%, presisi 98,46%, recall 98,44%, dan F1‑score 98,45%. Sistem rekomendasi menghasilkan nilai kemiripan tertinggi 0,86, serta precision@5 = 0,87 dan recall@5 = 0,82. Berdasarkan evaluasi pakar terhadap kesesuaian bentuk tubuh dan estetika, sistem memperoleh rata‑rata skor di atas 4 dari skala 5. Dengan demikian, sistem ini terbukti mampu memberikan rekomendasi busana yang relevan, objektif, dan efisien untuk mendukung proses pemilihan pakaian pada usaha jahit lokal.   Kata kunci: CNN, CBIR, cosine similarity, rekomendasi busana, ResNet50.
Android Based Li-Ion Battery BMS Protection Erisika Dian Samudra; Denny Irawan
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16138

Abstract

Along with the growing demand for energy in portable devices and modern energy storage systems, lithium-ion (Li-Ion) batteries have become one of the primary solutions due to their high energy density, efficiency, and long cycle life. However, this type of battery is highly sensitive to conditions such as overcharging, over-discharging, high temperature, and voltage imbalance between cells, which can significantly reduce performance and lifespan. To address these issues, an intelligent monitoring and protection system known as the Battery Management System (BMS) is required. In this study, an integrated IoT-based monitoring system using the Blynk platform was developed to enhance the BMS monitoring functionality for Li-Ion 18650 battery packs in real-time and remotely. The proposed system utilizes an ESP32 microcontroller as the main controller connected to current, voltage, and temperature sensors. The measurement data are transmitted via Wi-Fi to the Blynk Cloud server and displayed through the Blynk IoT mobile dashboard. This research adopts an experimental and implementation approach. The developed system successfully monitored voltage, current, temperature, and SoC in real time through the Blynk IoT platform while executing automatic protection under abnormal conditions.   Keywords - Battery Management System, Li-Ion 18650, Internet of Things, ESP32, Blynk IoT
Automatic Air Quality Detection System Design in the Industrial Area Atika Windra Sari; Elvinda Bendra Agustina; Isnaini Almaulida Umami; Yusril Ihza Tachriri; Jessika Artamevira; Elly Safitri
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16144

Abstract

The industrial sector is an essential component of the economic structure. A large number of current enterprises degrade air quality in the environment as a result of chemical exposure. As a result, an air quality detection system was designed with the purpose of monitoring air pollutant levels, temperature, and humidity. The system is immediately integrated with smartphones via the Internet of Things. Carbon dioxide (CO2) and carbon monoxide (CO) levels are measured using a MQ-135 sensor. Temperature and humidity are measured using DHT-11 sensors. The complete system is controlled by a NodeMCU ESP8266 connected to an Arduino. Data was collected from two industries using an IoT-based system for a continuous 24-hour cycle over seven days to capture real-time daily fluctuation trends. The continuous 7-day monitoring reveals a clear daily fluctuation trend synchronized with factory shifts, peaking between 12:00 and 14:00 WIB. Dutatex exhibits a higher pollutant load (peak CO2: 820–850 ppm; CO: 8–9 ppm) than Bimatex (peak CO2: 620–650 ppm; CO: 5–6 ppm), while both facilities successfully maintain peak temperatures below 33.0°C. These empirical results demonstrate that continuous 24-hour data acquisition provides a highly accurate and comprehensive assessment for monitoring industrial air quality and occupational health.   Keywords - Air Quality, NodeMCU ESP8266, IoT, MQ-135, Arduino.
Klasifikasi Tingkat Kecanduan Media Sosial Mahasiswa Menggunakan Algoritma KNN Daniela Ardiansyah; Dewi Yanti Arne; Putria Ningsih
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16145

Abstract

Keterlibatan mahasiswa dengan media sosial telah meningkat secara signifikan dan kini menjadi aktivitas sehari-hari mereka. Namun, penggunaan berlebihan dan keterlibatan yang tidak menentu dapat mengakibatkan beberapa dampak negatif, seperti berkurangnya fokus saat belajar dan kualitas tidur yang buruk. Hal ini menyoroti pentingnya strategi yang dapat secara objektif menilai tingkat ketergantungan media sosial. Pendekatan ini menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengkategorikan tingkat kecanduan di kalangan mahasiswa berdasarkan karakteristik data yang sama. Data yang digunakan berasal dari sumber sekunder di Kaggle, yang menampilkan variabel seperti waktu penggunaan, frekuensi akses, kualitas tidur, dan tingkat perhatian selama sesi belajar. Metodologi ini mencakup langkah-langkah seperti pembersihan data, normalisasi melalui teknik StandarScaler (Z-Score Standardization), membagi data menjadi set pelatihan dan pengujian, dan klasifikasi menggunakan berbagai skenario nilai K. Temuan menunjukkan bahwa metode yang digunakan mencapai hasil klasifikasi yang cukup andal dalam menilai tingkat kecanduan mahasiswa terhadap platform media sosial. Hasil ini menekankan bahwa pendekatan yang berfokus pada data dapat berfungsi sebagai dasar untuk memahami dan mengatasi efek negatif yang terkait dengan penggunaan media daring.   Kata Kunci - Kecanduan Media Sosial, Mahasiswa, Klasifikasi Data, K-Nearest Neighbor, Analisis Data
Prediksi dan Analisis Faktor Putus Studi Mahasiswa dengan Machine Learning pada Perguruan Tinggi Swasta Luvia Friska Narulita
Techno.Com Vol. 25 No. 2 (2026): May 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i2.16151

Abstract

Putus studi mahasiswa masih menjadi salah satu permasalahan yang dihadapi oleh perguruan tinggi swasta karena dapat mempengaruhi kualitas akademik dan keberlangsungan institusi. Risiko putus studi mahasiswa perlu dideteksi sejak awal agar intervensi akademik dapat dilakukan secara lebih cepat dan tepat. Penelitian ini menggunakan pendekatan Educational Data Mining untuk memprediksi putus studi mahasiswa serta mengidentifikasi faktor-faktor yang berkontribusi terhadap risiko putus studi. Data penelitian diperoleh dari sistem informasi akademik pada salah satu perguruan tinggi swasta di Jawa Timur dengan total sebanyak 4.730 data mahasiswa. Variabel yang digunakan meliputi Indeks Prestasi Semester 1 (IPS1), Indeks Prestasi Semester 2 (IPS2), jumlah SKS yang diambil, frekuensi cuti, dan tren IPS. Penelitian menggunakan dua algoritma klasifikasi, yaitu Decision Tree dan Logistic Regression. Hasil penelitian menunjukkan bahwa model Decision Tree menghasilkan performa yang lebih baik dibandingkan Logistic Regression dengan tingkat accuracy sebesar 76,56% dan recall sebesar 82% dalam mendeteksi mahasiswa putus studi, sedangkan Logistic Regression menghasilkan accuracy sebesar 64,52% dengan recall sebesar 73%. Hasil analisis feature importancemenunjukkan bahwa jumlah SKS dan IPS semester pertama merupakan faktor yang paling dominan dalam klasifikasi putus studi, sedangkan tren IPS memberikan kontribusi tambahan yang relatif lebih kecil. Temuan penelitian menunjukkan bahwa data akademik awal mahasiswa dapat dimanfaatkan untuk mendukung sistem early warning dalam mengidentifikasi mahasiswa berisiko putus studi secara lebih dini. Kata kunci: putus studi, educational data mining, decision tree, logistic regression, prediksi mahasiswa

Page 78 of 78 | Total Record : 779

 74   75   76   77   78 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 25 No. 2 (2026): May 2026 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