cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fajril Akbar
Contact Email
ijab@fti.unand.ac.id
Phone
+627517770
Journal Mail Official
teknosi@fti.unand.ac.id
Editorial Address
Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat
Location
Kota padang,
Sumatera barat
INDONESIA
Jurnas Nasional Teknologi dan Sistem Informasi
Published by Universitas Andalas
ISSN : 24768812     EISSN : 24603465     DOI : https://dx.doi.org/10.25077/TEKNOSI
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness Intelligence, Data Warehouse, Network Computer Security, Data Mining, Computer Architecture Design, Mobile Computing, Computing Theory, Embedded system, Decision Support System
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 365 Documents
 33   34   35   36   37 
Evaluasi Kinerja Improved Spread Spectrum Steganography pada Advanced Audio Coding Luthfi, Amirul; Jamarun, Novirman
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.223-230

Abstract

Penelitian ini mengevaluasi kinerja Improved Spread Spectrum (ISS) Steganography pada Advanced Audio Coding (AAC), sebuah format kompresi audio yang efisien namun proses kompresinya yang kompleks dapat mempengaruhi akurasi teknik Steganography. Metode embedding ISS yang digunakan meliputi Maximum Distortion dan Optimum ISS serta pemanfaatan noise feedback untuk mengoptimalkan keutuhan data selama proses kompresi dan dekompresi. Penelitian ini juga melibatkan Spread Spectrum (SS) Steganography standar sebagai referensi pengukuran kinerja ISS Steganografi. Hasil penelitian menunjukkan bahwa metode Maximum Distortion ISS memberikan peningkatan kinerja yang signifikan, untuk mencapai error probability mendekati -5, ISS membutuhkan watermark energy sekitar 18 pada bitrate 80 kbps dibandingkan dengan metode SS standar yang membutuhkan watermark energy  sebesar 104. Sebaliknya, metode Optimum ISS menunjukkan performa yang kurang memadai dengan error probability sekitar -0.5 pada kompresi AAC. Penggunaan noise feedback terbukti mampu mencapai kinerja optimal pada seluruh bitrate transmisi yang diuji dibandingkan dengan masukan level noise statis. Kesimpulan dari penelitian ini adalah bahwa metode Maximum Distortion ISS dengan noise feedback direkomendasikan untuk digunakan pada kanal transmisi digital dengan kompresi AAC, memberikan kinerja yang lebih baik dalam menjaga data tersembunyi selama proses kompresi dan dekompresi.
Design Thinking and Cognitive Walkthrough for Website User Experience Improvement Umaroh, Sofia; Fitrianti, Nur; Rahayu, Astri; Ramadhan Putra, Kurnia
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.174-181

Abstract

Desa Linggar located in the Rancaekek sub-district, Bandung Regency has implemented a website that functions as a medium of public information needed by the Desa Linggar community. In implementing the website, its user interface (UI) and user experience (UX) should accordance with the user's needs. However, the use of the Desa Linggar website is still not effective, especially in disseminating information to the Desa Linggar community because the UI/UX of the website is still less attractive. Thus, this study evaluates and improves the UI/UX on the Desa Linggar website using the design thinking method, cognitive walkthrough to test the prototype, UEQ (User experience Questionnaire) with the target respondent before repairing 45 respondents and the target after repairing 6 respondents and adopting the gestalt principle to design improvement method according to user psychology. The results of the research on the Desa Linggar website obtained a learning ability value of 90%, effectiveness of 0.10 or 10%, and efficiency of 0.02 with users completing 2% of each given task and evaluating the user experience of improvement using the UEQ questionnaire with an average value of scale. efficiency 2,583, stimulation 2,458, attractiveness 2,306, perspicuity 2,250, Dependability 2,125, and novelty 1,833 with “excellent” rate intervals.
Optimizing Higher Education Performance Through Data Integration Using the Zachman Framework: A Case Study on LAM Infokom Accreditation Criteria Jahir, Abdul; Wahid, Arif Mu'amar; Sufranto, Tri Titis
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.201-215

Abstract

This study explores the application of the Zachman Framework to enhance data integration in higher education, specifically targeting the LAM Infokom accreditation criteria. The research addresses the challenges faced by educational institutions in managing fragmented data systems, which hinder their ability to meet comprehensive accreditation standards. Utilizing a multi-phase methodology, the research incorporates a literature review, case analysis, and prototype development to develop a cohesive data integration model aligned with accreditation requirements. The Zachman Framework provides a structured approach to system integration, covering perspectives such as data types, processes, storage locations, personnel, timelines, and objectives. The proposed integration strategy emphasizes the use of Application Programming Interfaces (APIs), middleware solutions, and a centralized data warehouse to unify disparate data sources. These integration methods facilitate seamless data exchange across academic, financial, and administrative systems, promoting data consistency and accessibility. Additionally, a phased implementation plan is recommended, outlining specific tasks, resource allocation, and monitoring measures to ensure systematic system improvement. Key performance indicators and evaluation metrics are established to monitor the effectiveness of the integrated system in meeting accreditation requirements. The study highlights the importance of a robust data governance framework and the role of stakeholder engagement in overcoming technical and resource-related challenges. Ultimately, this research contributes a practical data integration blueprint for higher education institutions, offering a replicable model for achieving and maintaining accreditation compliance through structured data management and governance practices.
Penerapan Deep Learning dengan Mekanisme Attention untuk Meningkatkan Performa Segmentasi Liver dan Tumor pada Citra CT Menggunakan ResUnet Eka Putra, Zaky Dafalas; Utomo, Danang Wahyu
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.231-239

Abstract

Kanker hati merupakan salah satu penyebab kematian paling tinggi di dunia. Dalam mendeteksi kelainan pada hati perlu dilakukan segmentasi untuk mengambil bagian dari hati yang mengalami gangguan. Namun, metode segmentasi manual memakan waktu dan rawan kesalahan. Selain itu, metode tradisional juga sering kali kesulitan menangani variasi bentuk, ukuran, dan tekstur tumor, serta kualitas citra yang heterogen, sehingga mengurangi akurasi segmentasi. Oleh karena itu, penelitian ini mengusulkan penerapan model segmentasi menggunakan mekanisme Attention ResUnet, yang menggabungkan arsitektur residual dan konvolusi berbasis skip connection, ditingkatkan dengan attention untuk meningkatkan akurasi deteksi tumor. ResUnet dirancang untuk meningkatkan akurasi dan stabilitas segmentasi tumor dengan mengatasi masalah vanishing gradient dan meningkatkan kemampuan deteksi fitur kompleks. Dataset citra CT yang digunakan dalam penelitian ini dipra-pemroses melalui windowing untuk fokus pada rentang intensitas organ hati dan menghilangkan organ yang tidak penting. Hasil penelitian menunjukkan bahwa model Residual Unet dengan mekanisme Attention mampu meningkatkan performa segmentasi gambar CT hati dan tumor secara signifikan, mencapai akurasi 99.54% dan nilai Dice sebesar 95% pada segmentasi liver, serta akurasi 99.5% dan nilai Dice sebesar 90% pada segmentasi tumor. Penambahan modul Residual dan Attention secara efektif membantu model menangkap fitur yang relevan, khususnya dalam menangani lesi kompleks dan batas kabur, yang sering menjadi tantangan dalam segmentasi citra medis.
Optimasi RoBERTa dengan Hyperparameter Tuning untuk Deteksi Emosi berbasis Teks Pusung, Elvanro Marthen; Dewi, Ika Novita
Jurnal Nasional Teknologi dan Sistem Informasi Vol 10 No 3 (2024): Desember 2024
Publisher : Departemen Sistem Informasi, Fakultas Teknologi Informasi, Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/TEKNOSI.v10i3.2024.240-248

Abstract

Deteksi emosi berbasis teks menjadi salah satu topik utama pembahasan dalam pemrosesan bahasa alami. Hal ini dapat disebabkan karena adanya peningkatan jumlah data yang dihasilkan dari interaksi digital, seperti media sosial dan aplikasi pesan instan. Deteksi emosi bertujuan untuk mengenali dan menganalisis respons emosional individu dalam situasi tertentu, dengan penerapan di berbagai bidang seperti interaksi manusia dengan komputer, analisis sentimen, dan layanan kesehatan mental. Penelitian ini bertujuan untuk meningkatkan performa deteksi emosi berbasis teks Bahasa Indonesia menggunakan model RoBERTa. RoBERTa merupakan salah satu varian dari model BERT (Bidirectional Encoder Representations from Transformers) yang telah dioptimalkan untuk pemrosesan bahasa alami dengan mempertimbangkan konteks linguistik secara lebih mendalam. Implementasi RoBERTa dalam deteksi emosi akan dioptimalkan melalui hyperparameter tuning seperti Grid Search, Randomized Search, dan Bayesian Optimization untuk memperoleh kombinasi nilai learning rate, batch size, dan epoch yang optimal, dengan tujuan meningkatkan akurasi dan kemampuan model dalam mendeteksi emosi secara konsisten. Deteksi emosi menggunakana dataset yang terdiri dari 7080 data tweet publik dengan enam kategori emosi, yaitu anger, fear, joy, love, sad, dan neutral. Hasil eksperimen menunjukkan bahwa metode Bayesian Optimization memberikan kombinasi hyperparameter yang optimal dan meningkatkan performa deteksi emosi pada teks berbahasa Indonesia dengan hasil akurasi sebesar  83,64% dan nilai precision, recall dan F1-score secara berutur-turut adalah 83,75%, 83,64%, dan 83,58%.

Page 37 of 37 | Total Record : 365

 33   34   35   36   37 

Filter by Year

2015 2025


Reset
Filter By Issues
All Issue Vol 11 No 2 (2025): Agustus 2025 Vol 11 No 1 (2025): April 2025 Vol 10 No 3 (2024): Desember 2024 Vol 10 No 2 (2024): Agustus 2024 Vol 10, No 2 (2024): Agustus 2024 Vol 10, No 1 (2024): April 2024 Vol 10 No 1 (2024): April 2024 Vol 9, No 3 (2023): Desember 2023 Vol 9 No 3 (2023): Desember 2023 Vol 9 No 2 (2023): Agustus 2023 Vol 9, No 2 (2023): Agustus 2023 Vol 9 No 1 (2023): April 2023 Vol 9, No 1 (2023): April 2023 Vol 8, No 3 (2022): Desember 2022 Vol 8 No 3 (2022): Desember 2022 Vol 8, No 2 (2022): Agustus 2022 Vol 8 No 2 (2022): Agustus 2022 Vol 8, No 1 (2022): April 2022 Vol 8 No 1 (2022): April 2022 Vol 7 No 3 (2021): Desember 2021 Vol 7, No 3 (2021): Desember 2021 Vol 7, No 2 (2021): Agustus 2021 Vol 7 No 2 (2021): Agustus 2021 Vol 7, No 1 (2021): April 2021 Vol 6, No 3 (2020): Desember 2020 Vol 6, No 2 (2020): Agustus 2020 Vol 6, No 1 (2020): April 2020 Vol 5, No 3 (2019): Desember 2019 Vol 5, No 2 (2019): Agustus 2019 Vol 5, No 1 (2019): April 2019 Vol 5 No 1 (2019): April 2019 Vol 4, No 3 (2018): Desember 2018 Vol 4, No 2 (2018): Agustus 2018 Vol 4, No 1 (2018): April 2018 Vol 3, No 3 (2017): Desember 2017 Vol 3, No 2 (2017): Agustus 2017 Vol 3, No 1 (2017): April 2017 Vol 2, No 3 (2016): Desember 2016 Vol 2, No 2 (2016): Agustus 2016 Vol 2, No 1 (2016): April 2016 Vol 1, No 1 (2015): Oktober 2015 More Issue