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 821 Documents
 79   80   81   82   83 
Sistem Cerdas untuk Mengidentifikasi Ayam Sakit Berdasarkan Citra dan Data Perilaku Trio Hendro Saputro; Ronaa Wanardie Putra; Nur Kasan; Basri Noor Cahyadi
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16979

Abstract

Kesehatan ayam merupakan faktor penting dalam meningkatkan produktivitas peternakan. Pemantauan kesehatan yang masih dilakukan secara manual memerlukan waktu, bergantung pada pengalaman peternak, dan berisiko menyebabkan keterlambatan deteksi penyakit. Penelitian ini bertujuan mengembangkan sistem identifikasi kondisi kesehatan ayam berbasis kamera termal menggunakan algoritma YOLOv8 yang diimplementasikan pada NVIDIA Jetson Nano untuk mendukung pemantauan secara real-time dan non-invasif. Metode penelitian meliputi pengambilan citra termal, anotasi dataset menggunakan format YOLO, pembagian data menjadi training, validation, dan testing, serta pelatihan model YOLOv8n. Model terbaik kemudian diimplementasikan pada NVIDIA Jetson Nano dan diintegrasikan dengan kamera thermal untuk mendeteksi ayam sehat dan ayam sakit secara otomatis. Hasil penelitian menunjukkan bahwa model memperoleh Accuracy 96,67%, Precision 97,73%, Recall 95,56%, F1-Score 96,63%, mAP@50 96,57%, dan mAP@50–95 90,8%. Sistem mampu mendeteksi objek hingga jarak 10 m dengan waktu inferensi rata-rata 41,8 ms dan kecepatan 24 FPS sehingga memenuhi kebutuhan aplikasi real-time. Penggunaan kamera thermal memungkinkan identifikasi dilakukan tanpa kontak langsung dengan ayam. Dengan demikian, sistem yang dikembangkan mampu bekerja secara otomatis, akurat, cepat, dan berpotensi membantu peternak dalam pemantauan kesehatan ayam secara lebih efektif dan efisien.   Kata Kunci - Artificial Intelligence (AI), Computer Vision, Deep Learning, NVIDIA Jetson, YOLO
Pendekatan Random Forest untuk Klasifikasi Tingkat Burnout Mahasiswa Berdasarkan Pola Aktivitas Harian Tanaya Salsabila Arliansyah; Asep Budiman Kusdinar; Asriyanik Asriyanik
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.16989

Abstract

Burnout akademik merupakan kondisi kelelahan fisik, emosional, dan mental akibat tingginya tuntutan kuliah yang dapat menurunkan motivasi serta kualitas hidup mahasiswa. Oleh karena itu, diperlukan pendekatan yang mampu memberikan indikasi awal tingkat burnout secara lebih cepat dan objektif. Penelitian ini bertujuan membangun sistem klasifikasi tingkat burnout mahasiswa berdasarkan pola aktivitas harian menggunakan algoritma Random Forest dengan kerangka CRISP-DM. Data penelitian diperoleh melalui kuesioner daring dari 1.026 mahasiswa Universitas Muhammadiyah Sukabumi. Variabel prediktor meliputi jam tidur, waktu istirahat, intensitas screen time, keteraturan pola tidur, dan beban akademik, dengan target klasifikasi tingkat burnout rendah, sedang, dan tinggi. Tahap prapengolahan data meliputi transformasi data, pelabelan, penanganan class imbalance menggunakan SMOTE, serta hyperparameter tuning menggunakan GridSearchCV. Model divalidasi menggunakan Stratified K-Fold Cross-Validation dan dievaluasi dengan pembagian data 80:20. Hasil penelitian menunjukkan bahwa model Random Forest memperoleh akurasi 88,83%, dengan nilai weighted average precision, recall, dan F1-score masing-masing 0,89. Model berhasil diimplementasikan ke dalam aplikasi berbasis web menggunakan Hugging Face untuk memberikan indikasi awal tingkat burnout mahasiswa. Hasil tersebut menunjukkan bahwa algoritma Random Forest memiliki performa yang baik dalam mengklasifikasikan tingkat burnout.   Kata Kunci - Burnout Akademik, Klasifikasi, Machine Learning, Pola Aktivitas Harian, Random Forest  
Pendekatan Hibrida K-Means Clustering Dan Algoritma Genetika Untuk Optimasi Penjadwalan Perkuliahan Di Politeknik Bisnis Indonesia Andi Setiadi Manalu; Erwin Sirait; Firinta Togatorop; Doris Yolanda Saragih; Hengki Mangiring Parulian Simarmata
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17094

Abstract

Penyusunan jadwal perkuliahan merupakan permasalahan optimasi kombinatorial yang kompleks, terutama pada institusi vokasi seperti Politeknik Bisnis Indonesia, di mana alokasi ruang kelas dan laboratorium harus dikelola dengan presisi. Penyusunan secara manual rentan terhadap kesalahan (human error), memakan waktu lama, dan sering kali menghasilkan jadwal yang tumpang tindih. Penelitian ini mengusulkan pendekatan hibrida yang menggabungkan metode K-Means Clustering dan Algoritma Genetika untuk mengotomatisasi serta mengoptimalkan proses penjadwalan. Pada tahap pra-pemrosesan, K-Means Clustering diimplementasikan untuk mengklasifikasikan ruangan berdasarkan kapasitas kursi agar sesuai dengan estimasi rasio jumlah mahasiswa per kelas, yang bertujuan untuk mempersempit ruang pencarian (search space). Selanjutnya, Algoritma Genetika diterapkan sebagai mesin komputasi utama untuk mengevaluasi kromosom jadwal berdasarkan batasan mutlak (hard constraints), yaitu mencegah terjadinya bentrok jadwal mengajar dosen pada waktu yang bersamaan dan bentrok penggunaan ruangan fisik. Pengujian sistem menunjukkan bahwa pendekatan hibrida ini berhasil memproduksi 100% jadwal perkuliahan tanpa bentrok (fitness value = 1) dengan waktu eksekusi komputasi yang efisien. Selain otomasi cerdas, sistem informasi berbasis web menggunakan framework Laravel 13 yang dikembangkan juga mengakomodasi intervensi manusia (human-in-the-loop) melalui fitur override manual guna menangani penyesuaian kebijakan akademik insidental. Implementasi sistem ini terbukti mampu meningkatkan efisiensi tata kelola administrasi akademik dan mengeliminasi redudansi jadwal.   Kata Kunci - Algoritma Genetika; K-Means Clustering; Penjadwalan Akademik; Optimasi Kombinatorial; Sistem Informasi Akademik
Pengaruh Karakteristik Citra Bawah Air terhadap Kinerja Metode Enhancement Menggunakan White Balance, CLAHE, dan Gamma Correction Septa Cahyani; Zaid Romegar Mair; Evi Yulianti
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17104

Abstract

Kualitas citra bawah air sering mengalami degradasi akibat penyerapan dan hamburan cahaya yang menyebabkan penurunan kecerahan, kontras, serta dominasi warna (color cast). Kondisi tersebut memengaruhi efektivitas metode underwater image enhancement, sehingga diperlukan analisis karakteristik citra sebelum proses peningkatan kualitas dilakukan. Penelitian ini bertujuan menganalisis pengaruh karakteristik brightness, contrast, dan color cast terhadap kinerja metode White Balance, Contrast Limited Adaptive Histogram Equalization (CLAHE), Gamma Correction, serta dua metode kombinasi, yaitu White Balance–CLAHE dan CLAHE–White Balance. Sebanyak 243 citra dari dataset UIEB-Challenging dan OceanSet dievaluasi menggunakan metrik Underwater Image Quality Measure (UIQM) dan Underwater Color Image Quality Evaluation (UCIQE). Selanjutnya dilakukan pengujian statistik menggunakan One-Way ANOVA dan Tukey HSD untuk menguji signifikansi perbedaan performa antar metode. Hasil penelitian menunjukkan bahwa kombinasi CLAHE–White Balance menghasilkan nilai UIQM rata-rata tertinggi, sedangkan citra asli (raw image) memperoleh nilai UCIQE rata-rata tertinggi. Hasil One-Way ANOVA menunjukkan adanya perbedaan yang signifikan antar metode (p < 0,05), yang kemudian dikonfirmasi melalui uji Tukey HSD. Temuan ini menunjukkan bahwa efektivitas metode enhancement dipengaruhi oleh karakteristik citra serta urutan kombinasi metode yang digunakan.   Kata kunci - Underwater Image Enhancement, CLAHE, White Balance, UIQM, UCIQE.
Analisis Pemanfaatan Multimedia dan Artificial Intelligence dalam Mendukung Kesiapan Digital UMKM Pangan Nibras Faiq Muhammad; Putri Intan Prastiwi; Lubna Lubna
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17105

Abstract

UMKM pangan berperan strategis dalam ketahanan ekonomi lokal, tetapi transformasi digitalnya sering terkendala oleh kemampuan produksi konten dan kesiapan teknologi. Penelitian ini menganalisis pemanfaatan multimedia dan Artificial Intelligence (AI) dalam mendukung kesiapan digital UMKM pangan dalam perspektif Technology Readiness. Data dari 136 UMKM pangan diproses melalui pembersihan data, pemeriksaan duplikasi, transformasi data, perhi-tungan skor kesiapan (scoring), dan analisis keterkaitan eksploratif untuk memetakan adopsi pada alur kerja promosi digital. Hasil menunjukkan bahwa 87,5% responden telah menggunakan media digital, 64,7% pernah membuat video promosi, 87,5% pernah mendengar AI, tetapi hanya 49,3% yang menggunakan AI untuk promosi dan 26,5% yang menggunakan AI khusus untuk video promosi. AI paling banyak dimanfaatkan pada tahap pra-produksi, yaitu ide konten, penyusunan script, dan caption, bukan untuk produksi video penuh. Berdasarkan temuan tersebut, penelitian menyusun model konseptual berbasis data yang memetakan profil UMKM, tingkat kesiapan, tahapan promosi digital, rekomendasi fitur AI, dan kebutuhan platform distribusi. Segmentasi kesiapan dengan algoritma K-Means (k=3, silhouette 0,451) menghasilkan tiga klaster UMKM, dan rancangan arsitektur sistem berpola input-process-output disusun untuk menggambarkan alur pemrosesan komputasional dari data profil UMKM menjadi rekomendasi fitur AI, sebagai dasar pengembangan sistem rekomendasi pada penelitian lanjutan.   Kata Kunci - UMKM pangan; adopsi multimedia; artificial intelligence; promosi digital; technology readiness
Transformer-Based Models for Short-to-Medium Range Tropical Cyclone Track and Intensity Forecasting Wisnu Syahid
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17122

Abstract

This study presents a systematic benchmark of six Transformer-based architectures, Vanilla Transformer, Informer, Autoformer, FEDformer, PatchTST, and iTransformer, for short-to-medium range tropical cyclone (TC) track and intensity forecasting over the Southern Indian Ocean basins surrounding Indonesia. Using a 3-hourly resampled IBTrACS dataset during (1965-2025), multi-lead-time supervised sequences were constructed with a 72-hour (24-step) input window across six forecast horizons (12–72 hours). All models were implemented under a unified dual-output framework with identical hyperparameters and training conditions to ensure fair comparison. Performance was evaluated using MAE, RMSE, MAPE, R², and categorical skill scores at positional thresholds of 50, 100, and 200 km. A Weighted Sum Model (WSM) composite ranking identified iTransformer as the top performer (WSM = 0.075), followed by PatchTST (0.092) and Autoformer (0.105). Horizon-stratified analysis shows Autoformer excels at short lead times (≤24 h), while iTransformer dominates from 36 to 72 hours. FEDformer ranked last, highlighting limitations of frequency-domain mixing on sparse kinematic data.   Keywords - Tropical Cyclone Forecasting; Transformer Architecture; IBTrACS; Weighted Sum Model; Deep Learning.
Implementasi Arsitektur Transformer GPT-2 untuk Prediksi Kata Selanjutnya pada Teks Resep Masakan Indonesia Ahmad Farhan Ramadhansyah; Jeny Fajarwati; Rezky Aulia; Adha Mashur Sajiah
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17163

Abstract

Pemrosesan bahasa alami untuk domain spesifik memerlukan model yang mampu memahami struktur kalimat yang unik dan kosakata informal. Penelitian ini mengimplementasikan arsitektur Transformer bergaya GPT-2 yang dibangun dari awal untuk tugas prediksi kata selanjutnya (next-word prediction) pada teks resep masakan Indonesia. Dataset yang digunakan terdiri dari 14.945 resep masakan, yang ditokenisasi menggunakan metode SentencePiece Byte Pair Encoding (BPE) dengan vocabulary size sebanyak 8.000 token. Model causal language yang diusulkan memiliki 4 blok transformer, 4 attention heads, dan dimensi embedding sebesar 256, dengan total sekitar 5,26 juta parameter yang dapat dilatih. Proses pelatihan dilakukan menggunakan optimizer AdamW selama 30 epoch. Evaluasi pada data Data uji (test set) menghasilkan nilai cross-entropy loss sebesar 2,8471 dan perplexity sebesar 17,24. Selain itu, model ini berhasil mencapai akurasi Top-1 sebesar 40,07% dan akurasi Top-5 sebesar 67,72%. Pengujian decoding interaktif menggunakan strategi greedy, top-k, dan nucleus sampling menunjukkan kemampuan model yang baik dalam menghasilkan instruksi langkah memasak yang relevan secara kontekstual. Hasil ini menunjukkan bahwa arsitektur GPT-2 berskala kecil sangat efektif untuk tugas pembuatan teks yang spesifik pada domain tertentu.   Kata kunci - Prediksi Kata Selanjutnya, GPT-2, Transformer, Byte Pair Encoding, Resep Masakan
Design and Development of an IoT-Based Web Monitoring System for Temperature and Humidity Using Fuzzy Logic Inference Gaguk Suprianto; Muhammad Septama Prasetya
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17227

Abstract

Most Internet of Things (IoT)-based environmental monitoring systems primarily present raw sensor data, requiring users to interpret environmental conditions manually. This research focuses on developing a web-based IoT monitoring system for temperature and humidity, incorporating a Mamdani Fuzzy Logic Inference System (FIS) to interpret environmental conditions more effectively and support informed decision-making. The proposed system's novelty lies in integrating real-time IoT monitoring with fuzzy inference, enabling evaluation based on gradual transitions in temperature and humidity rather than rigid threshold boundaries. The system was implemented using an ESP32 microcontroller, a DHT22 sensor, a MySQL database, and a web-based dashboard. System evaluation included functional testing, end-to-end latency measurement, and continuous monitoring to assess system uptime and transmission performance. The functional testing confirmed that all major system modules operated successfully. The system achieved an average end-to-end latency of 230.02 ms across 50 consecutive transmissions and 100% uptime during an 8-hour continuous monitoring period, with 4,954 recorded transmissions and an average transmission interval of 5.81 s. The results show that the proposed system provides responsive, continuous environmental monitoring while integrating fuzzy-based environmental assessment to support more informed decision-making. Keywords – Internet of Things, Environmental Monitoring, Web Monitoring, Mamdani Fuzzy Logic, Decision Support
Comparative Performance of Tree-Based Machine Learning Algorithms for Horizontal Visibility Classification at Soekarno–Hatta International Airport Using Meteorological and PM2.5 Data Muhammad Aulia Zikri; Aries Kristianto
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17336

Abstract

Low horizontal visibility phenomena are a major threat to aviation safety and operational efficiency, particularly at Soekarno–Hatta International Airport (WIII), which is vulnerable to fog and haze arising from complex interactions between meteorological conditions and air quality. This study develops and comparatively evaluates four tree-based machine learning algorithms as independent base learners, Random Forest, Extra Trees, XGBoost, and LightGBM, for horizontal visibility classification, without employing any ensemble learning scheme. The dataset comprises AWOS meteorological observations integrated with PM2.5 concentrations from 2021 to 2025. Results show that XGBoost achieved the best performance, with 97.62% accuracy, 97.65% F1-score, and an AUC-ROC of 0.9926, followed by LightGBM, Random Forest, and Extra Trees. Feature importance analysis identified PM2.5 as the most dominant predictor, followed by wind-related variables. These findings indicate that a well-optimized standalone base learner can achieve competitive predictive performance while offering greater interpretability and computational efficiency for operational implementation. Keywords: horizontal visibility, machine learning, PM2.5, XGBoost, aviation meteorology
IoT-Based Early Warning System for Brake Fading Risk Based on the Increase Rate in Temperature and Vehicle Speed Raka Pratindy; Andi Ilham Anggoro; Rafly Aura Permana Hervianto; Citra Andini Permatasari; Noval Syafiq Raihan
Techno.Com Vol. 25 No. 3 (2026): August 2026
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/tc.v25i3.17418

Abstract

Brake fading is a critical safety problem caused by excessive heat accumulation on disc brake components during repeated or prolonged braking, leading to a significant reduction in braking force. This research develops an ESP32-based early warning system that monitors disc brake temperature and vehicle speed in real time to detect brake fading risk before a critical condition occurs. The system uses a K-type thermocouple with a MAX6675 module for temperature acquisition and a BN-220 GPS module for speed acquisition, with OLED, LED, and buzzer as local outputs, plus a Telegram bot and web dashboard for remote monitoring. The R&D method was applied, covering design, hardware/firmware implementation, sensor calibration, and road testing on a real vehicle. Calibration results show a thermocouple accuracy of 97.10% (error 2.90%) and a GPS speed-reading accuracy with an average error of 2.75% against the vehicle speedometer. Road tests across six speed variations (20–120 km/h) confirm that brake disc temperature rises proportionally with speed, with the warning indicator correctly switching from green to yellow at the caution threshold and to red with an active buzzer above the critical threshold. The system is expected to serve as a preventive safety tool supporting motor vehicle inspection and testing. Keywords – brake fading, early warning system, disc brake, ESP32, Internet of Things

Page 82 of 83 | Total Record : 821

 79   80   81   82   83 

Filter by Year

2012 2026


Reset
Filter By Issues
All Issue Vol. 25 No. 3 (2026): August 2026 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