cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Siti Mutrofin
Contact Email
sitimutrofin@ft.unipdu.ac.id
Phone
+6287852416880
Journal Mail Official
teknologi@ft.unipdu.ac.id
Editorial Address
Fakultas Sains dan Teknologi, Prodi Sistem Informasi, Unipdu Kompleks Ponpes Darul 'Ulum Peterongan, Jombang, Jawa timur, 61481
Location
Kab. jombang,
Jawa timur
INDONESIA
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi
Published by Universitas Pesantren Tinggi Darul ulum
ISSN : 20878893     EISSN : 25273671     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Mathematics
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi published by the Department of Information Systems Unipdu Jombang. TEKNOLOGI published twice a year, in January and July, TEKNOLOGI includes research in the field of Information Technology Design and Development of Information Systems; Business intelligence; Functions and Organization Management Information Systems; and others. Editors invite lecturers researchers, reviewers, practitioners, industry, and observers to contribute to this journal. The language used in the form of Indonesian and English. TEKNOLOGI is the national scientific journals are open to seeking innovation, creativity and novelty. Either in the form of letters, research notes, Articles, supplemental Articles Articles or reviews in the field of information systems and information technology. TEKNOLOGI aims to achieve state-of-the-art in the theory and application of this field. TEKNOLOGI provide a platform for scientists and academics across Indonesia to promote, share, and discuss new issues and the development of information systems and information technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 13 No 2 (2023): July" : 5 Documents clear
Klasifikasi Penyakit Daun Tanaman Menggunakan Algoritma CNN dan Random Forest: Classification Leaf Diseases
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 13 No 2 (2023): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v13i2.3739

Abstract

Penyakit pada daun merupakan salah satu masalah yang sering terjadi pada tanaman, disebabkan oleh infeksi jamur atau bakteri yang dapat menyebar melalui tanah, udara, atau air. Metode pengklasifikasian penyakit daun secara tradisional telah digunakan untuk mengamati perubahan permukaan daun, namun metode ini memiliki keterbatasan dalam memberikan hasil klasifikasi yang akurat. Seiring dengan kemajuan teknologi, pendekatan menggunakan machine learning atau deep learning seperti CNN, Random Forest, XGBoost, dan metode klasifikasi lainnya telah menunjukkan potensi untuk meningkatkan pengklasifikasian penyakit daun secara efektif. Penelitian ini bertujuan untuk mengembangkan suatu pendekatan menggunakan algoritma Random Forest berdasarkan data ekstraksi fitur dari CNN. Proses penelitian ini melibatkan beberapa tahap, termasuk pengumpulan data, pemilahan data, pelabelan data, pembuatan model CNN, ekstraksi fitur CNN, pembuatan model Random Forest, dan pengujian program berdasarkan model Random Forest yang telah dikembangkan. Dalam pengujian, efektivitas metode algoritma ini dievaluasi untuk klasifikasi penyakit daun pada tanaman buah dan sayur. Dengan mengintegrasikan teknologi machine learning dan deep learning, diharapkan metode ini dapat memberikan hasil klasifikasi yang lebih akurat dan dapat digunakan sebagai alat bantu dalam pengendalian penyakit daun pada pertanian. Penelitian ini merupakan langkah penting dalam memanfaatkan teknologi canggih untuk meningkatkan pengklasifikasian penyakit daun. Hasil penelitian ini diharapkan dapat memberikan kontribusi yang signifikan dalam peningkatan kualitas pertanian, khususnya dalam pengendalian penyakit tanaman. Dengan penggunaan metode Random Forest berdasarkan data ekstraksi fitur CNN, diharapkan dapat memberikan solusi yang lebih efektif dalam mengidentifikasi dan mengklasifikasikan penyakit daun pada tanaman buah dan sayur.
Klasifikasi Jenis Emosi Melalui Ucapan Menggunakan Metode Convolutional Neural Network : Klasifikasi Jenis Emosi Melalui Ucapan
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 13 No 2 (2023): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v13i2.3740

Abstract

Ucapan adalah metode yang paling sering digunakan manusia untuk berkomunikasi satu sama lain. Ucapan berisi informasi yang bervariasi dimana selain dapat mengetahui pesan seseorang, juga dapat mengetahui kondisi emosi orang tersebut. Ekspresi emosi dalam sebuah percakapan berperan penting dalam memberikan penekanan pada informasi yang disampaikan menjadi lebih kuat. Pengenalan emosi melalui ucapan ini dapat diaplikasikan ke dalam berbagai bidang seperti ilmu kognitif, call centre dan bidang lainnya. Oleh karena itu, penelitian ini bermaksud untuk mengklasifikasikan emosi seseorang melalui ucapan mereka dengan menggunakan algoritma Convolutional Neural Network (CNN). Tujuan penelitian ini adalah untuk mencari model CNN dengan performansi terbaik dalam mengklasifikasikan emosi menjadi 8 kelas yaitu, netral, sedih, tenang, takut, senang, terkejut, jijik dan marah. Model CNN dibedakan berdasarkan data masukkan yang menggunakan metode ekstraksi fitur yang berbeda-beda. Dari hasil pengujian diperoleh model paling baik dengan rasio pembagian data sebesar 80% untuk data latih, 10% untuk data validasi serta 10% untuk data uji yang memakai metode ekstraksi Mel-Frequency Cepstral Coefficients (MFCC) dengan nilai rata-rata akurasi sebesar 70% diikuti nilai rata-rata recall dan presisi masing-masing 68% dan 67%. Untuk emosi yang paling sering ditebak dengan benar adalah emosi marah, terkejut, sedih dan tenang dengan rata-rata prediksi benar sebesar 77%.
Sistem Pengenalan Wajah Menggunakan Algoritma Haarcascade dan Local Binary Pattern Histogram: Sistem Pengenalan Wajah Menggunakan Algoritma Haarcascade dan Local Binary Pattern Histogram
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 13 No 2 (2023): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v13i2.3931

Abstract

Kedisiplinan jam kerja setiap karyawan dapat mempengaruhi perkembangan bisnis. Namun, semakin banyaknya tindakan tidak disiplin yang dilakukan oleh karyawan berdampak pada penurunan produktivitas yang mengakibatkan kerugian bagi perusahaan. Untuk memantau dan mendata kehadiran karyawan dalam bekerja, maka dibuatlah sebuah sistem monitoring penyimpangan jam kerja karyawan dengan metode face detection dan face recognition menggunakan algoritma Haarcascade dan LBPH, sebagai solusi untuk mengatasi masalah penyimpangan jam kerja yang sering terjadi di beberapa perusahaan. Sebelum sistem dapat digunakan, akan dilakukan pengujian terhadap algoritma haarcascade dan LBPH, face recognition dan face detection. Data wajah terdiri dari 1900 sampel, dengan 1827 di antaranya telah terverifikasi. Data testing wajah berjumlah 372 sampel, dan memiliki tingkat akurasi sebesar 96,51%. Dengan menggunakan sistem monitoring pengenalan wajah karyawan ini, Pengujian deteksi wajah menghasilkan akurasi 75%.diharapkan sistem ini dapat digunakan sebagai sistem absensi di perusahaan, sekolah dll. Mengembangakn model kedalam bentuk yang compact seperti cctv, dan lain-lain. Membuat model terdeteksi dari sudut manapun dan dapat mengidentifikasi data wajah untuk membedakan wajah 3D dan 2D agar dapat menjadi sistm absensi untuk perusahaan dapat dengan mudah mengatur dan memantau kehadiran karyawan, serta memastikan karyawan tidak melakukan penyimpangan jam kerja. Selain itu, juga memudahkan proses pengelolaan data karyawan, sehingga dapat meningkatkan efisiensi dan produktivitas perusahaan. Kata Kunci: face recognition, haarcarcade, LBPH, face detection
Implementasi Video Call untuk Mendukung Mobile Government di Masa Pandemi NCOVID19: Implementasi Video Call untuk Mendukung Mobile Government di Masa Pandemi NCOVID19
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 13 No 2 (2023): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v13i2.4039

Abstract

Makalah ini menyajikan hasil penerapan video call untuk mendukung proses perekrutan di Indonesia. Tujuan penerapan layanan video call dalam penelitian ini antara lain untuk mengatasi proses perekrutan di Indonesia atas dukungan pemerintah bagi sektor korporasi dan masyarakat untuk mencari pekerjaan secara online terutama pada masa pandemi NCOVID19 dimana sebagian besar proses perekrutan dilakukan. keluar menggunakan mode online. Prototipe panggilan video yang diusulkan telah diuji di agensi, Jakarta, Indonesia.Panggilan video dirancang menggunakan metode rekayasa perangkat lunak standar dan diimplementasikan menggunakan platform aplikasi seluler berbasis Android. Hasil evaluasi secara keseluruhan menunjukkan bahwa apa yang dirancang dan dilaksanakan telah memenuhi harapan perusahaan dan masyarakat. Menariknya, mayoritas responden menunjukkan ketertarikannya untuk menggunakan layanan video call.
Kerangka Penilaian Kesiapan Mobile Cloud Computing di Hulu Migas Menggunakan RAMI 4.0
TEKNOLOGI: Jurnal Ilmiah Sistem Informasi Vol 13 No 2 (2023): July
Publisher : Universitas Pesantren Tinggi Darul 'Ulum (Unipdu) Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26594/teknologi.v13i2.4083

Abstract

INDI 4.0 yang diluncurkan oleh pemerintah Indonesia menunjukkan bahwa sektor migas merupakan salah satu sektor yang hanya mendapat prioritas rendah. Penilaian kesiapan menuju INDI 4.0 harusnya berbeda-beda pada setiap industri. Rantai nilai industri tertentu perlu diperiksa dan kesiapannya dinilai sebelum proyek digitalisasi. Mobilitas merupakan sifat industri Hulu Migas karena wilayah kerja yang jauh dan luas. Dengan demikian penerapan digitalisasi tanpa mempertimbangkan aspek Mobilitas akan menjadi kurang efektif. Harapan efisiensi dari penggunaan infrastruktur Cloud juga akan sulit dicapai. Melalui pendekatan RAMI 4.0 diharapkan dapat diperoleh acuan yang mengelompokkan Rantai Nilai dalam dimensi hierarki yang jelas sehingga kesiapan menuju INDI 4.0 di industri Hulu Migas dapat dinilai secara lebih spesifik dan akurat. Referensi kerangka penilaian disarikan dari beberapa sumber sehingga diperoleh dimensi Aspek berupa People, Process dan Platform. Dengan menggunakan kedua dimensi tersebut, diharapkan hasil penilaian dapat membantu membuat strategi penerapan Mobile Cloud Computing di industri Hulu Migas menjadi lebih spesifik namun tetap memberikan fleksibilitas sehingga tahapan adopsi dapat realistis sesuai dengan strategi peta jalan.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 13 No 2 (2023): July Vol 13 No 1 (2023): January Vol 12 No 2 (2022): July Vol 12, No 1 (2022): January Vol 11, No 2 (2021): July Vol 11, No 1 (2021): January Vol 10, No 2 (2020): July Vol 10, No 1 (2020): January 2020: Articles in press Vol 6, No 2 (2016): July Vol 6, No 1 (2016): January Vol 1, No 2 (2011): July Vol 1, No 1 (2011): January More Issue