Permasalahan sistem layanan haji tidak hanya fokus pada antrian panjang pendaftar haji, namun juga pada layanan pantauan keberangkatan dan pemulangan, rencana perjalanan haji, layanan kesehatan, dan penyediaan peta shalawat bagi jamaah. Kementerian Agama Provinsi Jawa Tengah telah mengembangkan prototipe sistem mandiri layanan haji yang berfokus pada pantauan keberangkatan dan pemulangan, rencana perjalanan haji, jamaah sakit dan wafat, dan peta shalawat. Pada pengembangan sebelumnya evaluasi dilakukan hanya menggunakan test case kebutuhan fungsional. Evaluasi hanya mengecek apakah kebutuhan fungsional sudah di tambahkan pada prototipe sistem; bagaimana progres pengembangannya. Pada penelitian ini, kami mengusulkan teknik pengujian perangkat lunak untuk mengevaluasi keseluruhan prototipe sistem yang terdiri dari white box testing, black box testing, dan user acceptance testing. Teknik pengujian diusulkan untuk mengetahui bug dan kesalahan – kesalahan yang terjadi pada internal dan eksternal sistem. Selain itu, kami melibatkan para petugas TPHD untuk mendapatkan hasil evaluasi berdasarkan kebutuhan pengguna. Pada pengujian white box diperoleh bahwa source code memiliki derajat kompleksitas yang rendah, artinya sistem tidak terlalu banyak memberikan alternatif halaman. Pada pengujian black box diperoleh bahwa secara umum masukan dan luaran sistem telah sesuai dengan hasil yang diharapkan. Fitur dan informasi yang disediakan tidak memberikan makna ganda dalam penggunaannya. Pada pengujian UAT, kami menggunakan kuesioner dengan likert scale skala 5. Hasilnya, para responden setuju (diatas 56%) bahwa secara keseluruhan sistem layanan haji dapat membantu petugas TPHD. Meskipun, masih terdapat beberapa kelemahan yaitu, sistem kurang responsive dan fungsionalitas sistem perlu diperbaiki.

Early detection of skin cancer is crucial for successful treatment and improved patient outcomes. Medical images play a vital role in this process, serving as the primary data source for both traditional and modern diagnostic approaches. This study aims to provide an overview of the significant role of medical images in skin cancer detection and highlight developments in the use of deep learning for early diagnosis. The scope of this survey includes an in-depth exploration of state-of-the-art deep learning methods, an evaluation of public datasets commonly used for training and validation, and a bibliometric analysis of recent advancements in the field. This survey focuses on publications in the Scopus database from 2019 to 2024. The search string is used to find articles by their abstracts, titles, and keywords, and includes several public datasets, like HAM and ISIC, ensuring relevance to the topic. Filters are applied based on the year, document type, source type, and language. The analysis identified 1697 articles, predominantly comprising journal articles and conference proceedings. The analysis shows that the number of articles has increased over the past five years. This growth is driven not only by developed countries but also by developing countries. Dermatology departments in various hospitals play a significant role in advancing skin cancer detection methods. In addition to identifying publication trends, this study also reveals underexplored areas to encourage new explorations using the VOSviewer and Bibliometrix applications.

Pada era pandemic saat ini, hampir semua kegiatan dilakukan secara online. Dengan adanya kegiatan online, maka peranan media sosial menjadi tinggi. Begitu halnya dengan youtube. Youtube adalah medsos yang tidak asing dari pendengaran kita. Bahkan apapun yang ingin diketahui, tidak sedikit orang yang langsung mencarinya melalui youtube. Youtube sangat dikenal baik dari kalangan anak – anak sampai kakek nenek. Penggunaan youtube yang sangat luar biasa ini, menandakan bahwa perkembangan di dunia teknologi sangatlah pesat. Namun harus selalu diwaspadai bahwa perkembangan teknologi juga berpengaruh pada perkembangan psikologi anak. Dengan adanya dampak teknologi ini, maka perlu adanya literasi yang sudah sudah menjadi bagian dari kehidupan dan perkembangan manusia. Literasi yang dikaitkan dengan teknologi saat ini dikenal dengan Literasi Digital. Literasi digital dapat membuat individu bisa berpartisipasi pada era yang modern saat ini. Literasi digital juga bisa menciptakan sebuah tatanan masyarakat dengan pola pikir dan pandangan yang kritis-kreatif, sehingga mereka tidak akan mudah tertipu yang berbasis digital seperti halnya masyarakat yang telah menjadi korban informasi hoaks. Dengan melihat hal tersebut di atas, maka diperlukan suatu wawasan kepada anak – anak muda tentang pentingnya literasi digital pada era teknologi saat ini. Literasi digital perlu diberikan kepada anak – anak remaja. Dalam hal ini sasaran yang akan diambil adalah siswa SMA. Literasi digital yang diberikan berkaitan dengan youtube, karena diharapkan siswa bisa mengoptimalkan pemakaian youtube. Sehingga siswa harus didampingi dan diberi pelatihan bagaimana memfilter informasi – informasi yang didapatkan dari youtube. Untuk itu, diharapkan siswa tidak hanya sebagai pengguna pasif, tapi harus bisa menjadi pengguna aktif. Sehingga siswa diberi pelatihan tentang bagaimana membuat akun youtube, bagaimana membuat youtube dengan baik dan sesuai aturan, dan juga bagaimana mengunggah video agar menjadi lebih menarik.

Image watermarking is a sophisticated method often used to assert ownership and ensure the integrity of digital images. This research aimed to propose and evaluate an advanced watermarking technique that utilizes a combination of singular value decomposition methodology and discrete cosine transformation to embed the Dian Nuswantoro University symbol as proof of ownership into digital images. Specific goals included optimizing the embedding process to ensure high fidelity of the embedded watermark and evaluating the fuzziness of the watermark to maintain the visual quality of the watermarked image. The methods used in this research were singular value decomposition and discrete cosine transformation, which are implemented because of their complementary strengths. Singular value decomposition offers robustness and stability, while discrete cosine transformation provides efficient frequency domain transformation, thereby increasing the overall effectiveness of the watermarking process. The results of this study showed the efficacy of the Lena image technique in gray scale having a mean square error of 0.0001, a high peak signal-to-noise ratio of 89.13 decibels (dB), a universal quality index of 0.9945, and a similarity index structural of 0.999. These findings confirmed that the proposed approach maintains image quality while providing watermarking resistance. In conclusion, this research contributed a new watermarking technique designed to verify institutional ownership in digital images, specifically benefiting Dian Nuswantoro University. It showed significant potential for wider application in digital rights management.

Matakuliah proyek perangkat lunak digunakan untuk melatih mahasiswa dalam penguasaan materi pengembangan perangkat lunak yang terdiri dari analisis, desain, implementasi, dan evaluasi. Mahasiswa diajarkan bagaimana cara mengerjakan perangkat lunak dari tahap awal hingga tahap akhir. Selain itu, mahasiswa juga dilatih untuk bekerja secara tim. Permasalahan yang terdapat pada Universitas Dian Nuswantoro adalah pembentukan kelompok masih dilakukan secara random-select. Pembentukan kelompok yang dilakukan mahasiswa berdasarkan unsur pertemanan, satu komunitas, atau grup di social media seperti WhatsApp. Hasilnya, terjadi ketidakseimbangan di dalam kelompok tim proyek. Ketidakseimbangan tim proyek dapat menyebabkan gagalnya proyek pengembangan perangkat lunak. Penelitian ini mengusulkan eksperimen pendekatan dynamic group formation dengan algoritma genetika. Hasil dari eksperimen menunjukkan bahwa algoritma genetika mampu membantu pembentukan kelompok tim proyek dengan tingkat keberhasilan 87.5% dengan pengaturan inisial populasi adalah 100 populasi dan probabilitas crossover adalah 0.6. Tujuan dari penelitian ini adalah memberikan alternatif pembentukan kelompok mahasiswa secara dinamis guna mendukung kolaborasi tim proyek mahasiswa. Pada proyek perangkat lunak kedepan, tidak ada pembentukan tim proyek secara homogen atau pemilihan anggota tim proyek secara self-select atau random-select. Abstract Software project courses are used to train students in mastering software development materials consisting of analysis, design, implementation, and evaluation. Students are taught how to work on software from the initial stage to the final stage. In addition, students are also trained to work in teams. The problem in Universitas Dian Nuswantoro is that group formation is still done randomly-selectively. The formation of groups by students is based on the friendship level, a community, or a group on social media such as WhatsApp. As a result, there is an imbalance in the project team. Imbalance of the project team can cause the failure of software development projects. This study proposes an experiment using a dynamic group formation approach with genetic algorithms. The results of the experiment show that the genetic algorithm is able to help the formation of project team groups with a success rate of 87.5% with the initial population is 100 population and the probability of crossover (pc) is 0.6. The objective of this study is to provide an alternative dynamic formation of student groups to support the collaboration of student project teams. In the future, there is no homogeneous project team formation or selection of member teams using a self-select or random-select method.

Mental health disorders are severe conditions that affect a person's thoughts, feelings, behavior, and well-being. Data from the World Health Organization (WHO) shows that more than 264 million people worldwide experience depression, one of the most common forms of mental health disorders. However, limited access to psychological services, such as lack of professionals and high costs, are major challenges in providing adequate support. Therefore, innovative technology-based solutions are needed for efficient and affordable psychological support. Efforts to improve research results to develop a mental health chatbot model by combining BERT (Bidirectional Encoder Representations from Transformers) and XGBoost (Extreme Gradient Boosting) models. The BERT model is used to understand the context of the conversation, while the XGBoost algorithm is used for text classification. The dataset used comes from Kaggle, which consists of 312 question patterns with several patterns or classes, namely 79 classes. The results of the program implementation test produced a percentage of 93.05% and output in the form of a program in the execution of the model on Google Colab..