Teknika
https://ejournal.ikado.ac.id/index.php/teknika
<p><strong>Teknika (ISSN 2549-8037, EISSN 2549-8045)</strong> is a peer-reviewed scientific journal published three times a year in <strong>March, July,</strong> and <strong>November</strong> by the Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya. It presents articles on <strong>Information and Communication Technology (ICT)</strong> that come from empirical research or conceptual works.</p> <p><strong>Teknika </strong>has been accredited <a href="http://sinta.kemdikbud.go.id/journals/detail?id=293" target="_blank" rel="noopener"><strong>SINTA-3 (S3)</strong></a> by the decree of the Ministry of Education, Culture, Research, and Technology, Republic of Indonesia No. 105/E/KPT/2022, 7 April 2022.</p> <p><strong>DOI:</strong> <a href="https://doi.org/10.34148/teknika">https://doi.org/10.34148/teknika</a></p> <p><strong>Teknika</strong> has been indexed in:<br><a href="https://search.crossref.org/?q=2549-8037&from_ui=yes" target="_blank" rel="noopener">Crossref</a><br><a href="https://doaj.org/toc/2549-8045" target="_blank" rel="noopener">Directory of Open Access Journals (DOAJ)<br></a><a href="https://journals.indexcopernicus.com/search/details?id=48529" target="_blank" rel="noopener">Index Copernicus International (ICI Journals Master List) - ICV 2021: 94.10</a><br><a href="https://www.scilit.net/journal/4223227" target="_blank" rel="noopener">Scientific Literature (Scilit)<br></a><a href="http://www.worldcat.org/search?q=on:DGCNT+http://ejournal.ikado.ac.id/index.php/teknika/oai+teknika:ART+IDISU&qt=results_page" target="_blank" rel="noopener">OCLC WorldCat</a><br><a href="https://scholar.google.co.id/citations?hl=en&user=upIi57wAAAAJ" target="_blank" rel="noopener">Google Scholar<br></a><a href="https://app.dimensions.ai/discover/publication?and_facet_source_title=jour.1313918" target="_blank" rel="noopener">Dimensions</a><br><a href="https://www.base-search.net/Search/Results?q=dccoll%3Aftikadoojs+url%3Ateknika&refid=dclink" target="_blank" rel="noopener">Bielefeld Academic Search Engine (BASE)<br></a><a href="https://www.mendeley.com/community/teknika/documents/" target="_blank" rel="noopener">Mendeley</a><br><a href="http://www.openarchives.org/Register/BrowseSites?viewRecord=http://ejournal.ikado.ac.id/index.php/teknika/oai" target="_blank" rel="noopener">Open Archives Initiative</a><br><a href="http://sinta.kemdikbud.go.id/journals/detail?id=293" target="_blank" rel="noopener">Science and Technology Index (SINTA) - SINTA Score: S3</a><br><a href="http://garuda.kemdikbud.go.id/journal/view/20103" target="_blank" rel="noopener">Garba Rujukan Digital (GARUDA)</a><a href="http://onesearch.id/Search/Results?filter[]=repoId:IOS6424" target="_blank" rel="noopener"><br>Indonesia One Search</a><br><a title="Directory of Research Journals Indexing (DRJI)" href="http://olddrji.lbp.world/JournalProfile.aspx?jid=2549-8037" target="_blank" rel="noopener">Directory of Research Journals Indexing (DRJI)</a><br><a title="Neliti" href="https://www.neliti.com/journals/teknika-ikado" target="_blank" rel="noopener">Neliti</a></p> <p> </p>Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabayaen-USTeknika2549-8037Klasifikasi Sentimen Opini Publik Pada Instagram Pemerintah Kabupaten Bojonegoro Menggunakan LSTM
https://ejournal.ikado.ac.id/index.php/teknika/article/view/699
<p>Media sosial banyak membantu masyarakat dalam mendapatkan informasi terbaru terkait peristiwa atau kejadian dilingkungan sekitar maupun lebih luas. Masyarakat dapat menyampaikan pendapat mereka melalui tulisan dan dapat mengekspresikannya melalui fitur emoticon pada platform media sosial. Pemerintah Kabupaten Bojonegoro menggunakan platform Instagram sebagai salah satu sarana dalam menyampaikan informasi kepada masyarakat. Selaku pembuat kebijakan pelayanan publik membutuhkan feedback dari masyarakat agar kebijakan yang dibuat bisa tepat sasaran dan bermanfaat bagi masyarakat. Sentimen opini publik merupakan aspek penting dalam memahami respon masyarakat terhadap layanan masyarakat, program dan kebijakan yang dibuat. Peneliti mengumpulkan dan mengolah data yang diperoleh dari proses scrapping akun resmi Instagram Pemerintah Kabupaten Bojonegoro sebanyak 4.637 dataset yang selanjutnya dilakukan pelabelan data. Penelitian ini menggunakan word embbeding Word2Vec untuk mengubah teks menjadi representasi vektor dan Long Short-Term Memory (LSTM) untuk melakukan klasifikasi. Dengan menggunakan confusion matrix menunjukkan bahwa model LSTM yang dibuat hasilnya mencapai akurasi 84,16%. Hasil analisa tersebut dapat memberikan kontribusi positif dan dapat menjadi bahan pertimbangan Pemerintah Kabupaten Bojonegoro dalam upaya meningkatkan layanan masyarakat, program dan kebijakan yang dibuat.</p>Titis ArwindartiEsther Irawati SetiawanSyaiful Imron
Copyright (c) 2023 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2023-11-282023-11-281311910.34148/teknika.v13i1.699Identifikasi Kerusakan Badan Kontainer Pada Waktu Pengiriman Berdasarkan Citra CCTV Memanfaatkan YOLO dan Deep Transfer Learning
https://ejournal.ikado.ac.id/index.php/teknika/article/view/718
<p>Keamanan dalam operasional pelabuhan sangat ditentukan oleh kemampuan untuk mengawasi dan melindungi kontainer, yang meskipun berperan sebagai sarana utama perlindungan, masih rentan terhadap kerusakan. Rekaman CCTV di pelabuhan tidak dapat mengenali jenis kendaraan, seperti membedakan antara truk yang membawa kontainer dan yang tidak, serta tidak mampu mendeteksi kerusakan pada kontainer secara otomatis. Dalam mengatasi masalah ini, studi ini mengembangkan sebuah sistem untuk mendeteksi kontainer dan mengklasifikasikan jenis-jenis kerusakan seperti kerusakan struktural, korosi, depos, cacat pada cat, pembengkakan, serta masalah pada pintu kontainer, dengan memanfaatkan teknik machine learning. Menggunakan pendekatan Convolutional Neural Network (CNN) yang ditingkatkan dengan metode transferslearning dari DeepsConvolutional NeuralsNetworks(DCNN), penelitian ini memberikan solusi analitis untuk citra yang diperoleh. Dataset yang terdiri dari 3000 gambar kontainer sisi depan dan belakang dikategorikan secara manual melalui platform Roboflow. Model YOLOv7 yang terlatih pada dataset tersebut mampu mendeteksi kontainer dengan Skor F1 Terboboti mencapai 90%. Untuk tahap klasifikasi kerusakan kontainer, citra yang telah di-crop berdasarkan output YOLOv7 dianalisis kembali menggunakan model EfficientNetV2S dan ConvNeXtBase. Kedua model tersebut, dengan pemanfaatan transfer learning, menunjukkan performa yang dengan Weighted Average F1 Score berturut-turut sebesar 66% dan 72%. Penelitian ini membuka jalur baru untuk peningkatan keamanan dan pemeliharaan kontainer melalui penerapan model pengenalan gambar yang inovatif di lingkungan pelabuhan.</p>Fitra HidayahYosi Kristian
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-162024-01-16131101710.34148/teknika.v13i1.718Optimasi Kombinasi Menu Makanan Diet Zone Menggunakan Algoritma Genetika
https://ejournal.ikado.ac.id/index.php/teknika/article/view/697
<p>Diet merupakan sebuah metode untuk mengatur asupan makanan dan minuman yang masuk ke dalam tubuh guna untuk mencapai tujuan tertentu. Seiring dengan berkembangnya ilmu pengetahuan, metode untuk melakukan diet menjadi semakin bermacam-macam, salah satunya yakni Diet Zone. Diet Zone adalah sebuah metode diet yang ditemukan oleh Dr. Barry Sears dengan menerapkan rasio dari makanan yang dikonsumsi, yaitu 40% karbohidrat, 30% protein, dan 30% lemak untuk mencapai berat badan yang ideal dan sehat. Permasalahan yang sering terjadi saat menjalani diet yakni menentukan keutuhan gizi yang terkandung dalam menu makan sehari-hari. Penelitian ini bertujuan untuk mengatur kombinasi menu makan merujuk pada metode Diet Zone oleh Dr. Barry Sears. Penulis membuat sistem untuk mengoptimasi kombinasi menu makan dengan mempertimbangkan empat kandungan gizi selama tujuh hari. Adapun keempat kandungan gizi tersebut adalah karbohidrat, protein, lemak dan serat. Pada setiap kandungan gizi terdapat aturan batas maksimal atau threshold yang tidak boleh dilanggar, jika dilanggar maka akan dihitung sebagai constraint dan dapat mengurangi nilai saat akumulasi perhitungan nilai fitness. Penulis melakukan pengujian terhadap parameter Algoritma Genetika menghasilkan solusi terbaik dengan nilai fitness rata-rata sebesar 15,54 dimana ukuran populasi sebesar 70 dan generasi sejumlah 800. Salah satu contoh hasil kombinasi menu makannya yakni nasi jagung, usus ayam goreng dan chicken teriyaki.</p>Gusti Eka YuliastutiMuchamad KurniawanFernanda Putra Aditya
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-222024-01-22131182610.34148/teknika.v13i1.697Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression
https://ejournal.ikado.ac.id/index.php/teknika/article/view/712
<p>Prediksi penjualan menjadi elemen penting dalam perencanaan perusahaan karena akan menentukan rencana anggaran penjualan, yang mempengaruhi banyak faktor dalam perusahaan. Produsen penjualan sering kali mengalami kesulitan untuk memprediksi kisaran jumlah produk yang terjual pada periode yang akan datang. Permasalahan tersebut mengakibatkan ketidakefektifan dalam pengelolaan stok dan jadwal produksi, sehingga stok produk digudang menumpuk yang mengakibatkan beberapa produk mengalami kerusakan karena disimpan terlalu lama. Tujuan dari penelitian ini adalah mengimplementasikan metode Simple Linear Regression untuk memprediksi penjualan produk agar dapat mengetahui tentang kisaran jumlah penjualan produk di periode yang akan datang, sehingga dapat menyesuaikan penyedian stok yang lebih efektif berdasarkan prediksi yang diperoleh. Metode Simple Linear Regression digunakan untuk mengevaluasi dan memahami arah serta kekuatan hubungan antara dua variabel, yaitu variabel independen (X) dan variabel dependen (Y). Parameter yang digunakan adalah periode bulan dan jumlah penjualan. Periode bulan yang merujuk pada rentang waktu, bagaimana perubahan waktu dapat memengaruhi jumlah penjualan produk sedangkan jumlah penjualan merupakan output yang menjadi fokus utama, mengetahui sejauh mana variabilitas dalam periode bulan dapat dijelaskan oleh variasi dalam jumlah penjualan produk. Dataset yang digunakan untuk uji tingkat kesalahan terhadap hasil prediksi menggunakan data penjualan mulai periode Februari 2021 sampai dengan September 2023. Hasil uji menyatakan nilai rata-rata dari selisih absolut antara nilai prediksi atau MAD sebesar 3,778563, rata-rata dari kuadrat selisih antara nilai prediksi dan nilai aktual atau MSE sebesar 21,661444 dan rata-rata persentase kesalahan absolut antara nilai prediksi dan nilai aktual atau MAPE sebesar 12%. Berdasarkan nilai MAPE yang diperoleh, dapat disimpulkan bahwa prediksi penjualan untuk penjualan produk ini dapat dikategorikan Baik. Hasil penelitian ini dapat dijadikan rekomendasi untuk memprediksi kisaran jumlah penjualan produk diperiode yang akan datang agar menyesuaikan persediaan stok, anggaran dan jadwal produksi.</p>Patrisius Ando DuranAnik Vega VitianingsihMoch. Syaiful RizaAnastasia Lidya MaukarSeftin Fitri Ana Wati
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-232024-01-23131273410.34148/teknika.v13i1.712Penerapan Metode F-AHP dan F-TOPSIS Dalam Proses Seleksi Karyawan Untuk Bidang Teknologi Informasi
https://ejournal.ikado.ac.id/index.php/teknika/article/view/688
<p>Penelitian ini mengeksplorasi proses seleksi karyawan di departemen Teknologi Informasi (TI) sebuah perusahaan tekstil di Bandung, Indonesia. Fokusnya adalah pada pengambilan keputusan berbasis kelompok menggunakan metode multi criteria decision making (MCDM) dengan pendekatan fuzzy. Tantangan dalam mengevaluasi calon karyawan diatasi melalui integrasi metode Fuzzy Analytical Hierarchy Process (F-AHP) dan Fuzzy Technique for Order of Preference by Similarity to Ideal Solution (F-TOPSIS). Tiga pengambil keputusan dilibatkan dalam menentukan kriteria dan sub-kriteria melalui wawancara dan kuesioner. Kriteria utama terdiri dari kualifikasi umum (KU), kualifikasi individu (KI), dan kualifikasi teknis (KT), dengan 20 sub-kriteria yang mendukung. F-AHP digunakan untuk menetapkan bobot, kemudian F-TOPSIS digunakan untuk merangking lima calon karyawan potensial (CD1 hingga CD5). Hasil penilaian menunjukkan bahwa CD3 merupakan pilihan terbaik dengan kinerja tertinggi dalam KT, KU, dan KI. CD1 dan CD2 memiliki keunggulan masing-masing, sedangkan CD4 dan CD5 menunjukkan kelemahan. Rekomendasi untuk merekrut CD3 disertai dengan CD1 dan CD2 sebagai opsi wawancara tambahan. Kontribusi utama penelitian ini adalah penerapan metode F-AHP dan F-TOPSIS, memberikan pendekatan sistematis dan obyektif dalam seleksi karyawan. Penelitian ini tidak hanya memberikan landasan kuat untuk pengambilan keputusan rekrutmen, tetapi juga solusi praktis untuk memilih karyawan sesuai dengan kebutuhan perusahaan, meningkatkan efektivitas dan efisiensi proses seleksi di era bisnis yang terus berkembang.</p>MurnawanSri LestariRosalin Samihardjo
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-242024-01-24131354410.34148/teknika.v13i1.688Identifikasi Wajah Asli dan Buatan Deepfake Menggunakan Metode Convolutional Neural Network
https://ejournal.ikado.ac.id/index.php/teknika/article/view/705
<p>Di era teknologi saat ini, penggunaan dari Artificial Intelligence sangat berkembang pesat. Banyak teknologi yang sudah menerapkan AI untuk menghasilkan suatu informasi. Akan tetapi, tidak semua teknologi yang diciptakan menggunakan AI membawakan dampak positif. Salah satu teknologi AI yang dapat menimbulkan dampak negatif adalah deepfake. Salah satu dampak negatif yang dapat disebabkan oleh teknologi deepfake adalah membuat wajah manusia buatan yang menyerupai wajah aslinya. Oleh karena itu, deepfake merupakan salah satu kasus yang perlu diperhatikan lebih lanjut. Penggunaan deepfake yang salah ini apabila dibiarkan dapat merugikan banyak pihak, baik untuk orang lain maupun diri sendiri. Penelitian ini dibuat dengan tujuan agar dapat membuat sebuah model bersifat kopnseptual yang dapat melakukan identifikasi pada wajah asli maupun wajah buatan deepfake. Metode yang digunakan adalah metode CNN dengan pembuatan arsitektur 6 convolutional layer dan 3 max pooling serta tambahan layer Batch Normalization. Metode CNN dipilih karena dinilai baik dalam melakukan klasifikasi suatu citra. Setelah itu, metode CNN akan ditambahkan dengan arsitektur menyerupai VGG dan layer tambahan yaitu Batch Normalization. Hasil yang didapatkan pada penelitian ini adalah model yang dibuat dapat dinyatakan berhasil untuk melakukan identifikasi wajah buatan deepfake dengan wajah asli. Hal ini dibuktikan dengan tingkat akurasi, presisi, recall, dan F1-Score sebesar 91%.</p>Jesselyn MuMuhammad AdrezoAhmed Nizhan Haikal
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-242024-01-24131455010.34148/teknika.v13i1.705Electronics Spare Part Goods Demand Forecasting Using Markov Model
https://ejournal.ikado.ac.id/index.php/teknika/article/view/709
<p>Customer demand forecasting plays an essential part in inventory management in retail companies. Accurate customer demand forecasting will increase a company's competitiveness and play a crucial role in making the right decisions for inventory management. Without demand estimation, products are often purchased more than needed, resulting in overstock or understock product storage in the warehouse. In this paper, we present the results of the Markov Chain method for predicting the quantity of demand for goods in the future to assist decision-making regarding the procurement of commodity goods within the company, especially in the procurement of electronics spare parts in retail companies. This study aims to develop a software-based forecasting system for retail companies using the Markov Model with predictive capabilities. The system will also provide purchasing quantity recommendations to fulfill the stock, calculated from the minimum stock and forecasted demand from customers and suppliers. Using the Markov Chain model, this study predicts electronics spare parts demand using data on item sales during 2022 in a retail company. The forecasting of electronics spare part demand resulted in 88.2% accuracy. The software-based forecasting system has been implemented and tested using black box testing. The testing result shows that the Markov forecasting system is feasible and can be used as a reference in providing electronics spare parts purchasing recommendations for retail companies.</p>Ellysa TjandraSusana Limanto
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-01-262024-01-26131515710.34148/teknika.v13i1.709Pengenalan Aktivitas Manusia Dalam Ruangan Dengan Convolutional Neural Networks
https://ejournal.ikado.ac.id/index.php/teknika/article/view/707
<p>Kemajuan teknologi yang telah berkembang sangat pesat dapat membantu pekerjaan manusia dalam berbagai bidang. Salah satu kegiatan yang dapat diotomatisasi adalah aktivitas pengawasan kegiatan manusia dalam sebuah ruangan, misalnya bagi lansia ataupun orang cacat. Umumnya kegiatan pengawasan membutuhkan tenaga manusia untuk memantau kejadian dan aktivitas di lokasi tertentu secara <em>live </em>maupun direkam melalui kamera CCTV. Dengan perkembangan teknologi, seluruh kegiatan pengenalan terhadap aktivitas manusia dapat dilakukan secara otomatis. Sistem dapat mengenali aktivitas duduk, berdiri, belajar, mengangkat tangan, serta bertepuk tangan. Sistem dibuat dengan menggunakan metode <em>Convolutional Neural Network</em> (CNN). Eksperimen akan dilakukan dengan data uji yang berasal dari internet maupun rekaman video yang dilakukan oleh tim di lapangan. Hasil eksperimen menunjukkan bahwa sistem yang dikembangkan dapat mengenali aktivitas manusia dengan nilai akurasi sebesar 86,65% untuk data uji dari internet dan 96% untuk data uji dari IP <em>camera </em>yang terpasang pada sebuah lokasi. Selain itu, sistem juga dapat menghasilkan sebuah rangkuman catatan aktivitas terhadap seluruh kegiatan yang terjadi di dalam lokasi tersebut pada kisaran waktu yang ditetapkan.</p>LinaMichelle AugustineRichard StephenLorico Salim
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-072024-02-07131586410.34148/teknika.v13i1.707Perancangan Low-Cost Testbed Untuk Validasi Lokasi dan Orientasi Mobile Robot
https://ejournal.ikado.ac.id/index.php/teknika/article/view/714
<p>Lokalisasi robot adalah proses penentuan lokasi mobile robot terhadap lingkungannya. Ini penting untuk pengoperasian robot otonom, karena lokasi robot saat ini akan mempengaruhi keputusan tindakan robot selanjutnya. Pengoperasian di dalam ruangan dan area terbatas membuat lokalisasi robot menjadi lebih menantang, mengingat perangkat Global Positioning System (GPS) tidak dapat digunakan, dan masih menarik banyak peneliti hingga saat ini. Makalah ini mengusulkan desain, konstruksi, dan validasi testbed robot berbiaya rendah, yang memungkinkan pengukuran lokasi dan orientasi mobile robot secara real time menggunakan sistem penglihatan atas. Beberapa masalah yang dihadapi dalam desain dan pengembangan seperti pengaturan posisi kamera dan pemilihan pengenal robot telah berhasil diatasi. Beberapa fungsi pustaka OpenCV diimplementasikan untuk melakukan pengolahan video. Pustaka Tkinter digunakan dalam pengembangan Graphical User Interface (GUI) pada penelitian ini. Hasil pengujian menunjukkan bahwa sistem dapat digunakan untuk mengidentifikasi lokasi dan orientasi robot baik statis maupun dinamis dengan rata-rata nilai kesalahan kurang dari 3,8 cm pada pengujian statis dan terbukti mampu merekam pergerakan robot baik pada lintasan lurus maupun melingkar. Sehingga setup testbed dapat direkomendasikan sebagai solusi cepat dan murah untuk verifikasi dan pengambilan data pada berbagai penelitian yang membutuhkan perekaman lokasi dan orientasi robot baik statis maupun dinamis. Beberapa perbaikan diperlukan untuk menjadikan sistem lebih handal dan akurat.</p>Fakih IrsyadiJans HendryPriyova Muhammad RafiefAji Bambang Sasongko
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-062024-02-06131657010.34148/teknika.v13i1.714Optimizing Deep Neural Networks Using ANOVA for Web Phishing Detection
https://ejournal.ikado.ac.id/index.php/teknika/article/view/758
<p>Phishing attacks are crimes committed by sending spoofed Web URLs that appear to come from a legitimate organization in order to obtain another party's sensitive information, such as usernames, passwords, and other confidential data. The stolen information is then used to commit fraud, such as identity theft and financial fraud, and can cause reputational damage to the party that is the victim of the phishing attack. This can cause great harm to the victimized individual or organization. To overcome these problems, this research uses feature selection using ANOVA and Deep Neural Networks (DNN) to detect web phishing attacks. Feature selection is used to optimize the performance of the DNN model to achieve more accurate results. Based on the results of feature selection using ANOVA, there are 52 attributes that have a significant impact on web phishing attack detection. The next step is to implement DNN to build a web phishing attack detection model. The results of testing the web phishing detection model show that in the training phase, the accuracy value increased by 17.51% for the 80:20 dataset and 18.39% for the 70:30 dataset. During the testing phase, the accuracy value increased by 17.8% for the 80:20 dataset and 18.58% for the 70:30 dataset. The resulting recognition model shows consistent and reliable results not only during training, but also during testing in situations closer to real-world conditions. Conclusively, the use of ANOVA proves effective in mitigating less relevant features and contributing to the optimization of web phishing detection models.</p>Wulan Sri LestariMustika Ulina
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-052024-02-05131717610.34148/teknika.v13i1.758Evaluation and Comparison of the Use of Reinforcement Learning Algorithms on SSH Honeypot
https://ejournal.ikado.ac.id/index.php/teknika/article/view/763
<p>A honeypot is a tool or system used to record, redirect, and even lure hackers into penetrating and exploiting a system. The increasing development of technology causes cyber hackers to realize the existence of honeypots using various other software and tools. So, honeypots need a way to learn how hackers behave. The idea proposed is to combine honeypots with reinforcement learning algorithms so that honeypots become adaptive honeypots. This study suggests the concept by comparing the two Q learning-based RL algorithms, namely DQN and DDQN, to reach which algorithm is more optimal. The study results showed that the DDQN algorithm is more optimal in determining actions when compared to the DQN algorithm because using a double Q-value can help determine the action more accurately. Based on the result, the DDQN algorithm consumed less memory than the DQN Honeypot. The learning rate curve and the processing of DDQN algorithm commands can be used as an alternative algorithm that can be combined with honeypots because of the learning rate, which can make honeypots faster in the dynamic environment.</p>Marco Ariano KristyantoMaya Hilda Lestari Louk
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-062024-02-06131778510.34148/teknika.v13i1.763Towards Development of a Multilingual Mobile Chat Application for Enhanced Global Communication
https://ejournal.ikado.ac.id/index.php/teknika/article/view/717
<p>The advent of mobile chat applications has revolutionized everyday communication. These applications facilitate the exchange of user's textual and multimedia content across languages and cultures. Most chat applications are known to only support a limited set of predominantly spoken languages, thereby, leaving a substantial portion of the user population without adequate multilingual support. This paper aims to bridge the linguistic gap by presenting Kobapp, a multilingual chat application. The Kobapp, leverages some of the cutting-edge technologies, such as React-Native, Next.js, and the DeepL API, to offer real-time, accurate translations while at the same time offering user privacy. The development process of the Kobapp is outlined from the system architecture and design, emphasizing the integration of a client-side (Android) and server-side using Node.js, Express.js, and MongoDB. Notably, user feedback plays a crucial role in shaping an application's features and functionality. Therefore, the application’s performance was evaluated through a conducted user study. Results of the study indicate a strong positive linear relationship between overall user satisfaction and translation accuracy for different language pairs. Moreover, the absence of outliers and the model's significance further reinforces the application's commitment to data quality and accuracy. Future research will explore new dimensions in multilingual communication and applications to promote a truly global community.</p>Oryina Kingsley AkputuDivine Dumzo-AjufoChristian C. OkaforAdeboye Daniel AbayomiTerhemba M. Ape
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-192024-02-19131869110.34148/teknika.v13i1.717Plant Information Management System Using OSIsoft PI System: A Case Study of Cilacap Power Plant Units 1 and 2
https://ejournal.ikado.ac.id/index.php/teknika/article/view/752
<p>In the dynamic industrial sector, the ability to combine and manage data from various sources is essential. This study focuses on the utilization of the PI System to integrate operational data from multiple data sources at power plants, facilitating data driven decision making and enhancing operational efficiency. The application of the PI System in collecting data from Distributed Control Systems (DCS) and asset management systems like Maximo is examined, as well as its potential for integrating data from other power plant units. The study utilizes systems analysis methods to understand the potential of data integration in improving operational visibility and control. Findings from testing reveal that effective data integration can extend monitoring and management capabilities, indicating an overall improvement in operational performance. This study contributes to the literature on industrial data management by demonstrating the effective use of the PI System as a comprehensive tool for integrating data from various systems within power plants. It showcases the system's adaptability in enhancing operational decision-making and providing a cohesive platform for real-time performance monitoring. Additionally, the research offers insights into the practical application of systems analysis methods in the context of power plant operations, contributing to the ongoing discourse on digital transformation in the energy sector.</p>Rahan Sukma YudhaHendra Setiawan
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-02-222024-02-221319210110.34148/teknika.v13i1.752Comparison of Web Page Rendering Methods Based on Next.js Framework Using Page Loading Time Test
https://ejournal.ikado.ac.id/index.php/teknika/article/view/769
<p>In the rapidly developing digital age, websites have become indispensable for interaction, information dissemination and transaction. To improve the performance of web applications, choosing the right rendering technology is critical. Next.js is a framework designed to overcome React's limitations in server-side rendering. This study investigates the effectiveness of Client-side Rendering (CSR), Server-side Rendering (SSR), and Static Site Generation (SSG) on the Next.js-based Filmku website using the loading time method. The study concentrates on page loading speed, complete page rendering speed, and user experience. The authentication page takes 422 ms to complete the CSR process, which is 57.41% slower than the SSG finish time of 180 ms and 34.88% slower than SSR, which completes the authentication page in 274 ms. On the Profile page, SSG completes the page rendering process much faster, taking only 524 ms, which is 25.79% faster than SSR's completion time of 706 ms and even 13.75% faster than CSR's completion time of 608 ms. The SSG rendering method completed in 1,135 ms on the main page, which is 15.93% faster than the CSR completion time of 1,350 ms and 25.57% faster than the SSR completion time of 1,525 ms. It is evident that SSG has a faster rendering speed compared to the other methods. However, it should be noted that CSR may result in slower initial page load times. SSR can provide stable rendering times, but it can also burden the server as every client request is fully processed on the server.</p>Roy HanafiAbd HaqNinik Agustin
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-132024-03-1313110210810.34148/teknika.v13i1.769Pengaruh Behavioral Intention Terhadap Use Behavior Pada Penggunaan Aplikasi Gojek
https://ejournal.ikado.ac.id/index.php/teknika/article/view/761
<p>Gojek merupakan salah satu pelopor jasa transportasi online yang masih eksis di Indonesia hingga hari ini. Kota Balikpapan yang dihuni 703.611 jiwa adalah salah satu kota dengan aktivitas pengguna aplikasi Gojek tertinggi di wilayah Indonesia Timur pada tahun 2019. Kendati demikian, Gojek pernah mengalami penurunan jumlah pengguna akibat kenaikan harga BBM, dan keluhan pada aplikasi Gojek itu sendiri. Salah satu cara untuk menangani penurunan tersebut yaitu dengan memberikan layanan sesuai perilaku pengguna dalam menggunakan aplikasi Gojek. Hal ini dapat dilakukan dengan sebuah evaluasi penerimaan aplikasi Gojek dengan menggunakan metode UTAUT2. UTAUT2 merupakan metode untuk mengetahui bagaimana suatu teknologi diterima dan digunakan. Dari 9 variabel yang terdapat pada UTAUT2, variabel behavioral intention dan use behavior adalah variabel untuk membantu mengetahui dan menggambarkan niat dan frekuensi seorang pengguna dalam menggunakan suatu aplikasi. Penelitian kuantitatif ini dilakukan untuk mengetahui bagaimana behavioral intention memengaruhi use behavior pada penggunaan aplikasi Gojek di Kota Balikpapan, menggunakan metode PLS-SEM pada perangkat lunak WarpPLS dengan 139 responden. Hasil analisis menunjukkan bahwa 3 dari 10 hipotesis diterima dan 7 sisanya ditolak. Variabel performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation dan price value berpengaruh positif tidak signifikan terhadap behavioral intention, serta facilitating conditions berpengaruh positif tidak signifikan terhadap use behavior. Variabel habit berpengaruh positif signifikan baik terhadap behavioral intention dan use behavior. Variabel behavioral intention berpengaruh positif signifikan terhadap use behavior. Berdasarkan hasil analisis, disusun 4 rekomendasi yang dapat dijadikan acuan bagi perusahaan Gojek untuk meningkatkan intensi dan frekuensi penggunanya dalam menggunakan aplikasi Gojek baik di Kota Balikpapan maupun di tempat lain.</p>Evano Valdi Ananda KaryotoYuyun Tri WirantiM. Ihsan Alfani Putera
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-132024-03-1313110911910.34148/teknika.v13i1.761Analisis Pengalaman Pengguna Shopee: Evaluasi Dengan UMUX dan UMUX-Lite
https://ejournal.ikado.ac.id/index.php/teknika/article/view/770
<p>Shopee telah menjadi pemimpin E-Commerce di Asia Tenggara dengan lebih dari 237 juta pengunjung pada bulan September 2023. Platform ini masih dihadapkan pada tantangan terkait kesesuaian desain dengan kebutuhan pengguna dan kesulitan pengguna dalam memahami aplikasi. Penelitian ini bertujuan untuk mengevaluasi desain aplikasi Shopee, dengan fokus pada pengalaman pengguna. Hasil survei menunjukkan bahwa fitur yang sering digunakan adalah memesan barang, pembelian pulsa, dan Shopee Food. Oleh karena itu, pengujian difokuskan pada tiga fitur tersebut dengan menggunakan metode evaluasi UMUX dan UMUX-Lite, yang menghasilkan wawasan kuantitatif dan kualitatif. Dengan skor UMUX 80,83 dan UMUX-Lite 80, penilaian diberikan dalam kategori B. Namun, terdapat saran perbaikan untuk Shopee Food, termasuk peningkatan desain icon dan tampilan menu, serta penyederhanaan navigasi. Perbaikan ini diharapkan dapat meningkatkan pengalaman pengguna secara keseluruhan di Platform Shopee.</p>Syifa' Septiana Dwi InayahRosalina AldaBintang Ahmada Farhan AdamaAriq Cahya Wardhana
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-152024-03-1513112012610.34148/teknika.v13i1.770Penggunaan Latent Dirichlet Allocation (LDA) dan Support-Vector Machine (SVM) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink
https://ejournal.ikado.ac.id/index.php/teknika/article/view/746
<p>EdLink merupakan salah satu platform mobile berbasis Android yang telah dirancang khusus untuk mendukung pengalaman belajar di dunia pendidikan. Platform ini menawarkan berbagai fitur konten pembelajaran interaktif, tugas online, dan diskusi. EdLink telah menjadi salah satu aplikasi yang banyak diminati dan digunakan di berbagai instansi pendidikan, termasuk perguruan tinggi. Aplikasi EdLink saat ini memiliki rating 3,7 di Google Play Store. Banyak pengguna mengeluhkan berbagai aspek, seperti fitur yang kurang lengkap, pelayanan, dan kinerja. Dalam penelitian ini, digunakan analisis sentimen berbasis aspek untuk mengevaluasi aplikasi. Data ulasan yang digunakan adalah seluruh ulasan aplikasi EdLink di Google Play Store dari versi 1.1.6 hingga 4.7.8, dengan jumlah 2014 ulasan. Penelitian ini dilakukan dengan pemodelan topik Latent Dirichlet Allocation (LDA) dengan tujuan untuk menentukan aspek serta analisis sentimen menggunakan Support Vector Machine (SVM) dengan pendekatan Lexicon Based. Penelitian ini menghasilkan tiga aspek utama, yaitu Application Usability, Reliability, dan Performance Efficiency. Berdasarkan model LDA menghasilkan skor koherensi tertinggi 0,487 dan berdasarkan distribusi jumlah topik dan skor koherensi tertinggi dari num topic 1-10 adalah 3. Kemudian, labeling Lexicon Based menghasilkan 418 jumlah ulasan positif dan 1.223 ulasan negatif. Selanjutnya, klasifikasi SVM dengan rasio pembagian data 90:10 menghasilkan akurasi tertinggi 85,45% kemudian dilakukan resampling dengan hasil akurasi tertinggi 90,00% menggunakan SMOTE. Berdasarkan aspek dan sentimen dihasilkan 319 ulasan negatif dan 127 ulasan positif untuk aspek Usability, 482 ulasan negatif, dan 120 ulasan positif untuk aspek Reliability, serta 422 ulasan negatif dan 171 ulasan positif untuk aspek Performance Efficiency.</p>Yeni KustiyahningsihYohan Permana
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-182024-03-1813112713610.34148/teknika.v13i1.746Design and Implementation of Blockchain-Based Office Attendance System
https://ejournal.ikado.ac.id/index.php/teknika/article/view/775
<p>The office attendance system has shifted from using physical forms to digital inputs to minimize data errors and data loss when taking attendance. Unfortunately, digital systems generally still use traditional databases where the admin's role is crucial, and there is potential for fraud (e.g., admitting attendance of a non-attending person or manipulating a targeted person’s log due to personal grudges, competition, or other reasons) if the admin is dishonest. In this paper, we propose Absenin, a blockchain-based office attendance system, which replaces the role of traditional databases with blockchain and smart contracts to make it secure from malicious admins and fair for other participants. We create an Attendance Smart Contract that will run on the Ethereum blockchain. Admins and employees will interact with this smart contract to carry out attendance system operations. Absenin is also designed to have real-time attendance data, but the attendance machine does not need to be connected to the Internet, which is a unique feature of our system that no previous works have attempted. Despite using blockchain and smart contracts, our evaluation results show that Absenin is able to produce relatively small processing delays, and gas usage on the blockchain is still far below the gas limit of the Ethereum mainnet. Therefore, we can assure that the system is feasible and can be applied to organizations with a scale of thousands, tens, or hundreds of thousands of employees.</p>Yustus Eko Oktian
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-152024-03-1513113714410.34148/teknika.v13i1.775Object Detection in E-Commerce Using YOLO in Real Time
https://ejournal.ikado.ac.id/index.php/teknika/article/view/773
<p>Presently, e-commerce platforms incorporate image search functionalities. Nevertheless, these systems possess constraints; input images necessitate static and manual cropping since the system does not automatically generate bounding boxes. Addressing this concern requires the implementation of an object detection algorithm to ascertain the quantity, location, and type of desired objects within real-time bounding boxes before users finalize their selection. This capability empowers users to readily discern their desired items, thereby augmenting the precision and efficiency of visual searches. Despite the availability of swifter object detection algorithms such as R-CNN and Mask R-CNN, which prioritize accuracy over speed, rendering them less suited for real-time detection, we opted to employ the YOLOv4 algorithm as an alternative, renowned for its efficacy in real-time object detection. Furthermore, we adopted the Color, Texture, and Edge-Based Image Retrieval (CTEBIR) technique for image matching. The results of our experimentation demonstrate that the utilization of the YOLOv4 algorithm can enhance the accuracy and speed of visual searches by streamlining the search process based on the identified classes. Additionally, our precision assessment yielded a score of 95%, with individual scores for camera objects reaching 90%, keyboards achieving 85%, and laptops attaining 71%. These findings corroborate the dependability of the CTEBIR algorithm in image matching and contribute to a deeper comprehension of the system's efficacy in accurately detecting and distinguishing objects.</p>Frans Mikael SinagaGunawanSunaryo WinardiHeru KurniawanWulan Sri LestariKarina Mannita Tarigan
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-182024-03-1813114515410.34148/teknika.v13i1.773Evaluasi Kepuasan Pengguna BRImo Menggunakan EUCS
https://ejournal.ikado.ac.id/index.php/teknika/article/view/772
<p>Aplikasi BRImo merupakan salah satu layanan dari BRI yang dirilis pada 25 Febuari 2019 dengan fitur-fitur yang lebih lengkap dan tampilan yang baru daripada sebelumnya yang menjadi business model baru. Penelitian ini memiliki tujuan untuk mengetahui tingkat kepuasan pengguna aplikasi BRImo berdasarkan lima faktor yaitu faktor isi, faktor keakuratan, faktor tampilan, faktor kemudahan, dan ketepatan waktu. Dan juga untuk mengetahui faktor yang memiliki pengaruh dominan terhadap kepuasan pengguna. Metodologi penelitian ini menggunakan End User Computing Satisfaction (EUCS). Penelitian dilakukan berfokus pada pengguna BRImo pada wilayah malang dan sekitarnya dengan berbagai macam rentang usia. Sehingga sampel yang diambil berjumlah 100 orang dengan menggunakan rumus slovin dari seluruh populasi pengguna BRImo pada wilayah Malang. Hasil penelitian didapatkan bahwa secara parsial variabel isi, keakuratan, tampilan, kemudahan berpengaruh positif dan signifikan, namun variabel ketepatan waktu berpengaruh positif dan tidak signifikan terhadap kepuasan pengguna. Sedangkan secara simultan variabel isi, keakuratan, tampilan, kemudahan, ketepatan waktu memiliki pengaruh signifikan terhadap kepuasan pengguna. Selain itu, didapatkan variabel tampilan memiliki pengaruh paling dominan terhadap kepuasan pengguna.</p>Yekti Asmoro KanthiKevin GumilangSiti Aminah
Copyright (c) 2024 Teknika
https://creativecommons.org/licenses/by-sa/4.0
2024-03-202024-03-2013115516310.34148/teknika.v13i1.772