Technologia: Jurnal Ilmiah
Technologia: Jurnal Ilmiah adalah wadah informasi, hasil penelitian, dan tulisan terkait bidang Teknik Informatika dan Sistem Informasi yang dikelola oleh Fakultas Teknologi Informasi Universitas Islam Kalimantan Muhammad Arsyad Al Banjari. Frekuensi terbitan pada jurnal ini 4 kali dalam setahun yaitu pada bulan Januari, April, Juli, dan Oktober.
Articles
11 Documents
Search results for
, issue
"Vol 8, No 2 (2017): TECHNOLOGIA"
:
11 Documents
clear
<![CDATA[SISTEM PENENTUAN KEPUTUSAN PEMILIHAN JURUSAN PADA SISWA SMAN 4 BANJARBARU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ]]>
<![CDATA[AL FATH RIZA KHOLDANI]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (278.322 KB)
|
DOI: 10.31602/tji.v8i2.1106
<![CDATA[Sistem penjurusan pada SMAN 4 Banjarbaru selama ini masih masih bersifat subjektif dan pilihan siswa sendiri, akhirnya pembagian jumlah siswa pada setiap kelas berdasarkan jurusan tidak berimbang. Penelitian ini menganalisa dan membuat perangkat lunak sistem penentuan keputusan jurusan menggunakan metode Simple Additive Weight (SAW) untuk mendapatkan proses pembobotan dalam penentuan keputusan yang terkomputerisasi. Perhitungan untuk pembobotan berdasarkan kriteria nilai siswa, ekstrakurikuler, kerajinan, nilai test dan kelakuan. Nilai akhir dari SAW nantinya dikonversi menyesuaikan jurusan yang akan ditentukan baik IPA, IPS dan Bahasa.Kata kunci : SAW, SPK, Jurusan]]>
<![CDATA[PENGENALAN MOTIF DASAR PADA KAIN SASIRANGAN MENGGUNAKAN METODE TEMPLATE MATCHING ]]>
<![CDATA[MUHAMMAD DEDY ROSYADI]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (252.314 KB)
|
DOI: 10.31602/tji.v8i2.1107
<![CDATA[Batik di Indonesia memiliki berbagai macam jenis corak atau pola batik. Pola-pola tersebut disusun secara berulang untuk menggambarkan motif dasar pada suatu kain secara keseluruhan. Keberulangan motif pada suatu kain batik dapat disusun baik secara teratur maupun tidak teratur. Kain sasirangan mempunyai keunikan motif dan cara pembuatannya yang dipertahankan secara turun-menurun. Upaya untuk melindungi budaya Banjar ini, telah dilakukan oleh pemerintah melaui dirjen HAKI Depatemen Hukum dan HAM RI. Terdapat lebih dari 15 motif tradisional yang dimiliki oleh kain sasirangan antara lain gigi haruan, bintang, naga balimbur, dan masih banyak motif lain.Dengan banyaknya jenis motif tersebut maka kemampuan untuk mengenali jenis motif pada kain sasirangan ini mungkin hanya dimiliki orang-orang tertentu yang mempunyai keahlian pada bidang terkait. Percobaan untuk mengenali pola motif sasirangan pada data citra kain sasirangan dilakukan dengan metode Template Matching. Algoritma ini mecocokan setiap pixel pada matriks citra input dengan citra yang digunakan sebagai template. Hasil dari eksperimen untuk mengenali pola motif pada sasirangan memiliki tingkat akurasi sebesar 83.33% dari data uji sebanyak 30 citra kain sasirangan dan masih terdapat kelemahan dengan rentang nilai korelasi adalah -1 hingga 1. Kata kunci : Pola, Motif, Sasirangan, Template Matching]]>
<![CDATA[APLIKASI PEMETAAN DAN DATA TRANSMIGRASI PROVINSI KALIMANTAN SELATAN ]]>
<![CDATA[HENDRA SANJAYA]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (63.532 KB)
|
DOI: 10.31602/tji.v8i2.1108
<![CDATA[Kebutuhan akan pengolahan data atau informasi sangat terasa disaat pengelolaan perusahaan dihadapkan pada situasi yang penuh persaingan serta mendesak untuk memutuskan suatu kebijakan, tetap mampu berjalan sesuai dengan rencana dan semua informasi yang berkaitan dengan pengelolaan perusahaan tersebut harus bisa disajikan tepat pada waktunya. Dinas Tenaga Kerja dan Transmigrasi (Disnakertrans) Banjarmasin merupakan salah satu instansi pemerintahan yang melaksanakan urusan pemerintah daerah atau kewenangan provinsi, di bidang kesekretarian, pembinaan dan penempatan tenaga kerja, hubungan industrial, perlindungan dan ketenagakerjaan dan ketransmigrasian serta tugas pembantuan. Salah satu pekerjaan pada disnakertrans juga ada bidang yang menangani pemetaan batas wilayah keberadaan transmigran, disana proses pemetaan dilakukan masih belum terkomputerisasi yang mana pengerjaannya masih secara manual atau menggunakan peta peta yang cetak. Pengerjaan tersebut memerlukan waktu yang cukup lama dan hasil pemetaan tersebut juga sangat terbatas karena masyarakat luas tidak bisa mendpatkan informasi lengkap dan mudah tentang ke batas wilayah transmigrasi disekitar wilayah Kalimantan Selatan. Sesuai dengan kebutuhan guna memudahkan pengguna mendapatkan Sitem Informasi data transmigran. Maka aplikasi yang akan di buat khusus menangani tentang data daerah transmigran beserta peta wilayahnya, dengan adanya program ini diharapkan akan bisa di jadikan acuan untuk Mengetahui batas-batas wilayah transmigrasi. Kata Kunci : Aplikasi, Pemetaan, Transmigran]]>
<![CDATA[PERANCANGAN APLIKASI KOMPARASI PERHITUNGAN HARGA POKOK PENJUALAN ANTARA METODE FIFO, LIFO DAN AVERAGE ]]>
<![CDATA[Aulia Rizky Muhammad Hendrik Noor Asegaff]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (118.56 KB)
|
DOI: 10.31602/tji.v8i2.1109
<![CDATA[Setiap perusahaan, apakah itu perusahaan dagang atau manufaktur dalam kegiatan operasionalnya memerlukan persediaan. Tanpa adanya persediaan para pengusaha akan dihadapkan pada resiko bahwa perusahaannya pada suatu waktu tidak dapat memenuhi keinginan para pelanggannya. Dalam perusahaan dagang memiliki satu persediaan yaitu persediaan barang dagangan sedangkan perusahaan manufaktur terdapat tiga persediaan yaitu persediaan bahan baku, persediaan barang dalam proses dan persediaan barang jadi.Penulisan penelitian ini bertujuan untuk mengetahui barapa basarnya harga pokok penjualan dari persediaan barang jadi dengan menggunakan metode FIFO, LIFO dan Average dan untuk mengetahui dari ketiga metode tersebut mana yang lebih menguntungkan jika dilihat dari pendapatan perusahaan. Setelah melakukan komparasi perhitungan dengan menggunakan ketiga metode tersebut dapat dilihat bahwa metode Average yang mempunyai harga pokok penjualan paling kecil dan persediaan akhirnya paling besar.Aplikasi ini dibangun dengan menggunakan Visual Basic 6.0. tampilan program yang sederhana diharapkan untuk mempermudah pemahaman dalam menjalankan proses transaksi penentuan harga pokok penjualan.Kata Kunci : harga pokok, komparasi, FIFO, LIFO, Average]]>
<![CDATA[KLASIFIKASI SEKOLAH SLTP BANJARMASIN BERBASIS TIK BERDASARKAN SARANA DAN PRASARANA MENGGUNAKAN K-NEAREST NEIGHBOR BERBASIS PARTICLE SWARM OPTIMIZATION ]]>
<![CDATA[KHOLIK SETIAWAN]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (224.996 KB)
|
DOI: 10.31602/tji.v8i2.1110
<![CDATA[Dua faktor yang dapat menjelaskan mengapa upaya perbaikan mutu pendidikan selama ini kurang atau tidak berhasil. Pertama sifat pembangunan selama ini lebih bersifat input oriented. Strategi yang demikian lebih bersandar kepada asumsi bahwa bilamana semua input pendidikan telah terpenuhi seperti penyediaan sarana prasarana berbasis TIK, pelatihan guru dan tenaga kependidikan lainnya, maka secara otomatis lembaga pendidikan (sekolah) akan menghasilkan output (keluaran) yang bermutu sebagaimana yang diharapkan. Standar kompetensi berbasis TIK di klasifikasikan dalam label non berbatik, perintis, menengah dan lanjut, dalam pengambilan keputusan tersebut memerlukan waktu yang lama untuk menganalisa dalam mengklasifikasi sekolah berbasis TIK sehingga hasilnya menjadi kurang akurat, dari permasalahan yang ada tersebut digunakan metode klasifikasi pada data mining yang dapat mengklasifikasi SLTP berbasis TIK. Dalam penelitian ini diterapkan algoritma yang cukup baik dalam mengklasifikasi SLTP berbasis TIK yaitu metode K-Nearest Neighbor (KNN) dan Particle Swarm Optimization (PSO) yang digunakan untuk menghitung bobot setiap attributnya. Dari hasil pengujian dengan model tersebut maka hasil yang didapat algoritma KNN saja sudah menghasilkan akurasi sebesar 90% dan klasifikasi error sebesar 10% kemudian setelah dilakukan pembobotan berbasis PSO nilai akurasinya meningkat menjadi 97.14% dan klasifikasi error turun menjadi 2.86%. Hasil klasifikasi target perintis lebih banyak dari pada non berbatik, menengah dan lanjut, dengan adanya peningkatan tersebut model yang diperoleh pun menjadi lebih akurat dalam mengklasifikasi SLTP berbasis TIK.Kata kunci : Data Mining, Algoritma K-Nearest Neighbor, Particle Swarm Optimization]]>
<![CDATA[PREDIKSI KOLEKTIBILITAS PEMBIAYAAN SEGMEN USAHA KECIL DAN MENENGAH (UKM) MENGGUNAKAN NEURAL NETWORK ]]>
<![CDATA[MUHAMMAD HASBI]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (43.796 KB)
|
DOI: 10.31602/tji.v8i2.1111
<![CDATA[Pembiayaan yang disalurkan oleh bank kepada nasabah usaha kecil dan menengah di Indonesia memiliki kriteria tersendiri, umumnya perusahaan ini belum mampu membuat laporan keuangannya dengan standar akuntansi yang berlaku, sehingga diperlukan kemampuan seorang analis yang dapat melakukan verifikasi terhadap data keuangan yang diterimanya. Data-data keuangan dan rasio keuangan ini kemudian diolah kedalam pengolahan data maining dengan menggunakan algoritma Neural Network (NN) untuk memprediksi kolektibilitas nasabah pembiayaan dengan akurasi yang terbaik sehingga akan diketahui model dan parameter yang lebih akurat untuk mengetahui kondisi keuangan nasabah dalam mendukung pengambilan keputusan pembiayaan. Pada pengujian type data I, menggunakan seluruh dataset yaitu data keuangan dan rationya dengan menggunakan seleksi atribut diperoleh akurasi sebesar 88,58%. Dengan type data II yaitu hanya menggunakan data ratio keuangan dengan seleksi terpilih 16 atribut dan x-validasi 5 split, diperoleh akurasi terbaik 89,84%. Dengan menggunakan data type II dilakukan uji coba data testing berupa ratio keuangan projection diperoleh akurasi 93,81%. Dan dengan data type III yaitu mengelompokkan atribut kolektibilitas menjadi atribut NPF sesuai dengan katagorinya diperoleh hasil akurasi 95,55%. Kata Kunci: Neural Network, Prediksi Kolektibiltas, Usaha Kecil dan Menengah, Analisa pembiayaan/kredit.]]>
<![CDATA[KOMPARASI LEVENBERG-MARQUARDT (LM) DENGAN BROYDEN, FLETCHER, GOLDFARB, AND SHANNO QUASI-NEWTON (BFGS) BPNN UNTUK DIIMPLEMENTASIKAN PADA DATA KECEPATAN ANGIN ]]>
<![CDATA[HAJI SIRAJUDDIN]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (98.538 KB)
|
DOI: 10.31602/tji.v8i2.1112
<![CDATA[Penelitian ini dilakukan untuk mengkomparasi Levenberg-Marquardt (Lm) Dengan Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton (Bfgs) pada Penerapan Backpropagation Neural Network (BPNN) untuk memprediksi data Kecepatan Angin rata-rata. Data yang digunakan pada penelitian ini adalah data kecepatan angin rata-rata harian pada bulan Januari 2010 sampai Desember 2014 di Banjarbaru, Kalimantan selatan . Kecepatan angin ditentukan oleh perbedaan tekanan udara antara tempat asal dan tujuan angin dan daerah yang dilaluinya, Prediksi salah satu teknik yang paling penting dalam mengetahui kecepatan angin yang dihasilkan. Hasil Komparasi analisis Levenberg-Marquardt (Lm) Dengan Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton (Bfgs) menunjukkan bahwa Pada penelitian ini hasil terbaik yang didapatkan menggunakan Levenberg Marquardt (trainlm) dengan akurasi sebesar 95,93%, setelah dibandingkan dengan performance maksimum dari algoritma BPNN yang lain. model BPNN merupakan metode terbaik yang digunakan untuk prediksi kecepatan angin rata-rata harian dengan nilai RMSE sebesar 1,3378.Kata kunci : Kecepatan Angin, Backpropagation Neural Network, Broyden, Fletcher, Goldfarb, And Shanno Quasi-Newton , Levenberg-Marquardt]]>
<![CDATA[APLIKASI FORUM PAJAK MENGGUNAKAN FRAMEWORK BOOTSTRAP ]]>
<![CDATA[TRY VIANANDA NOVA MEGARIANI]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (235.546 KB)
|
DOI: 10.31602/tji.v8i2.1113
<![CDATA[Pajak memiliki ketentuan yang perlu diketahui dan ditaati yaitu Ketentuan Umum dan Tata Cara Perpajakan atau yang biasa disingkat dengan KUP. Ada juga mengenai pengenaan pajak penghasilan (PPH) atau pajak yang dikenakan pada penghasilan perorangan, perusahaan atau badan hukum lainnya. Pajak penghasilan bisa diberlakukan progresif, proporsional atau regresif. Dan salah satu lainnya ialah Pajak Pertambahan Nilai (PPN) yang merupakan pajak yang dikenakan atas setiap pertambahan nilai dari barang atau jasa dalam peredarannya dari produsen ke konsumen. PPN termasuk jenis pajak tidak langsung, maksudnya pajak tersebut disetor oleh pihak lain (pedagang) yang bukan penanggung pajak atau dengan kata lain, penanggung pajak (konsumen akhir) tidak menyetorkan langsung pajak yang ia tanggung. Dan hal–hal seperti ini, merupakan bahan perbincangan untuk pajak yang sering kali perlu didiskusikan antar unit dengan pusat atau korporat. Sehingga diperlukan sekali komunikasi yang lebih efektif, cepat, rapih dan terarah untuk bisa dibahas dan dibaca kembali dikemudian hari oleh seluruh pajak setiap unit dan pusat.Kata Kunci : Pajak]]>
<![CDATA[PERANCANGAN EKSTRAKSI FITUR MOTIF SASIRANGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS COLOR HISTOGRAM DAN GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) ]]>
<![CDATA[ZAYID MUSIAFA]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (134.707 KB)
|
DOI: 10.31602/tji.v8i2.1114
<![CDATA[Sasirangan adalah kain adat suku Banjar di Kalimantan Selatan yang dibuat dengan teknik tusuk jelujur. Penelitian menggunakan uji algoritma Naive Bayes Klasifikasi terhadap citra kain sasirangan yang diekstrak dengan metode berbasis color histogram dan GLCM data terdiri dari 30 citra digital kain sasirangan terdiri dari 10 data citra motif Hiris Gagatas dengan label g class 0, 10 data citra motif Kulat Kurikit diberi label k class 1, dan 10 data citra motif Absrak diberi label a class 2. Pengujian data menggunakan X-Validation dengan ketentuan Number Validaton uji 10 sampai dengan 2, type validasi yang diuji mulai dari Stratified Sampling, Shuffled Sampling dan Linier Sampling. Kesimpulan dari penelitian yang dilakukan diperoleh hasil accuracy Stratified Sampling Color Histogram dengan nilai validasi 5 miliki nilai tertinggi dibandingkan Shuffled Sampling dan Linier Sampling dengan accuracy 63.33%. Hasil accuracy Stratified Sampling GLCM 0°, GLCM 45°, dan GLCMRata-rata dengan nilai validasi 3 miliki nilai tertinggi dengan accuracy 80.00%. Sedangkan hasil accuracy Stratified Sampling GLCM 90° dengan nilai validasi 3 dan Accuracy Linier Sampling nilai validasi 10 miliki nilai tertinggi dengan accuracy 73.33%. Hasil accuracy Stratified Sampling GLCM 135° dengan nilai validasi 3 miliki accuracy 76.67%. Kata Kunci : Sasirangan, Naive Bayes, Klasifikasi, Color Histogram, Grey Level Coocurrence Matrix (GLCM)]]>
<![CDATA[PENGGUNAAN VISUAL BASIC 6.0 DALAM PENGGAJIAN KARYAWAN PADA CV. USAHA BERSAMA ]]>
<![CDATA[MUHAMMAD RUSDI]]>
<![CDATA[ Technologia : Jurnal Ilmiah Vol 8, No 2 (2017): TECHNOLOGIA ]]>
Publisher : <![CDATA[Universitas Islam Kalimantan Muhammad Arsyad Al Banjari ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (101.006 KB)
|
DOI: 10.31602/tji.v8i2.1115
<![CDATA[Visual Basic 6.0 merupakan sistem pengganti manualisasi dalam mempermudah dan mempercepat waktu kerja selain itu juga dapat meminimalisasi tingkat kesalahan dalam entri data. Vsual Basic 6.0 merupakan rumpun dari Microsoft Office dari Microsoft Acsess sehingga mudah dalam penggunaanya.Visual Basic 6.0 adalah software yang sudah familiar digunakan oleh beberapa perusahaan termasuk untuk penggajian karyawan yang ada pada CV. Usaha Bersama. Aplikasi bersifat open sourch dan berisikan tentang browse, input data, report dan user scurity Kata Kunci: gaji, data karyawan]]>
