Jurnal Teknologi Informasi dan Ilmu Komputer最新文献

{"title":"Evaluasi Layanan Kesehatan Aplikasi Depok Single Window  dengan Metode System Usability Scale dan Heuristic Evaluation","authors":"A. Kusumaningtyas, Prihandoko Prihandoko","doi":"10.25126/jtiik.20241117714","DOIUrl":"https://doi.org/10.25126/jtiik.20241117714","url":null,"abstract":"Penerapan Smart City di Indonesia merupakan bentuk upaya pemerintah Indonesia dalam pengembangan dan pengelolaan daerah di era desentralisasi. Salah satu contoh implementasi ini adalah e-government di Kota Depok dengan meluncurkan aplikasi mobile bernama Depok Single Window (DSW). Aplikasi DSW merupakan aplikasi layanan publik yang dimiliki oleh Pemerintah Kota Depok untuk meningkatkan kualitas layanan publik memanfaatkan potensi teknologi telematika secara baik. Untuk meningkatkan kesejahteraan rakyat dan kepercayaan masyarakat terhadap keandalan aplikasi layanan publik, perlu diadakan evaluasi aplikasi. Untuk evaluasi ini maka digunakan 2 metode yaitu System Usability Scale (SUS) dan Heuristic Evaluation (HE).Data yang digunakan dalam Metode SUS merupakan data primer yang diperoleh langsung dari masyarakat Kota Depok melalui penyebaran kuesioner dengan Google Form. Data yang digunakan dalam Metode HE juga merupakan data primer yang diperoleh langsung dari para ahli yang memahami usability dari aplikasi mobile dan UI/UX dengan memberikan penilaian berdasarkan 10 prinsip heuristik Nielsen. Dalam Metode SUS didapatkan skor penilaian sebesar 68,75 yang menyatakan bahwa layanan kesehatan yang dievaluasi masih dibawah nilai minimal yang harus didapatkan. Sementara itu, evaluasi yang dilakukan dengan Metode HE menemukan total 13 masalah usability yang telah dievaluasi oleh para ahli. Masalah-masalah tersebut telah melanggar 8 dari 10 prinsip heuristik, yaitu Consistency and Standards, Visibility of System Status, User Control and Freedom, Aesthetic and Minimalist Design, Error Prevention, Recognize, Diagnose, and Recover from Errors, Recognition Rather Than Recall, dan Flexibility and Efficiency of Use.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":"2020 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140415950","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Perbandingan Kerja Binomial GLMM Tree dan BIMM Forest untuk Memodelkan Status Bekerja Penduduk","authors":"Dwi Agustin Nuraini Sirodj, Khairil Anwar Notodiputro, Bagus Sartono","doi":"10.25126/jtiik.20241117531","DOIUrl":"https://doi.org/10.25126/jtiik.20241117531","url":null,"abstract":"Model prediksi berbasis pada pohon keputusan saat ini banyak dikembangkan di berbagai bidang. Pengembangan metode yang dilakukan diantaranya memasukkan pengaruh acak ke dalam model.  Generalized linier mixed model (GLMM) Tree menjadi salah satu model yang dapat mengakomodasi adanya pengaruh acak dan dilakukan dengan metode partisi rekursif hanya saja waktu komputasi yang dibutuhkan relatif lebih lama. Selanjutnya metode alternatif lainnya adalah Binary Mixed Model (BiMM) Forest yang menggabungkan prinsip kerja Bayesian GLMM dan Random Forest. Dari kedua metode yang akan digunakan maka permasalahan yang dihadapi adalah bagaimana kinerja dari metode GLMM Tree dan BiMM Forest jika diterapkan untuk klasifikasi status bekerja penduduk di Kabupaten Bogor dan Kabupaten Pangandaran. Dari hasil analisis tampak bahwa metode BiMM Forest memiliki kinerja yang lebih baik di bandingkan dengan GLMM Tree untuk kedua daerah. Selain itu ditunjukkan pula bahwa peubah yang penting dalam proses klasifikasi status bekerja penduduk di Kabupaten Bogor dan Kabupaten Pangandaran adalah peubah terkait aspek pendidikan, sosial, dan ekonomi.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":"2004 12","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140416325","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Implementasi Sensor Polar H10 dan Raspberry Pi dalam Pemantauan dan Klasifikasi Detak Jantung Beberapa Individu Secara Simultan dengan Pendekatan Machine Learning ","authors":"Eko sakti Pramukantoro, Kasyful Amron, Viera Wardhani, Putri Annisa Kamila","doi":"10.25126/jtiik.20241117716","DOIUrl":"https://doi.org/10.25126/jtiik.20241117716","url":null,"abstract":"Pengawasan detak jantung umumnya dilakukan secara individual, dalam waktu terbatas, dan memerlukan perangkat medis yang spesifik. Dengan memanfaatkan sensor Polar H10 dan Raspberry Pi penelitian ini mengusulkan sebuah sistem yang mampu memonitor detak jantung beberapa orang sekaligus dalam waktu yang sama. Dalam penelitian ini, kami merekam data detak jantung yang berupa RR Interval dari beberapa subjek secara real-time menggunakan sensor Polar H10. Data tersebut kemudian diprediksi menggunakan model machine learning berbasis random forest yang berjalan pada Raspberry Pi untuk prediksi 5 jenis detak jantung. Selanjutnya kami melakukan pengujian dari segi komputasi, durasi pemantauan, dan jangkauan komunikasi antara sensor Polar H10 dan Raspberry Pi. Hal ini kami lakukan untuk mengetahui kemampuan sistem dalam melakukan pemantauan subjek secara bersamaan dan jangkauan komunikasi. Sehingga subjek yang sedang pantau tidak terpaku dalam satu tempat atau tidak perlu selalu dekat dengan sistem. Hasil dari pengujian yang kami lakukan, dengan satu Raspberry Pi dapat melakukan pemantauan ke 7 pasien sekaligus, dengan rata-rata kecepatan prediksi 0,023 detik terus menerus selama 30 menit. Sedangkan jangkauan komunikasi mencapai 25-meter pada lingkungan tanpa penghalang dan 10-meter pada lingkungan yang terhalang. Dapat disimpulkan sistem yang diusulkan mampu memberikan fleksibilitas pemantauan detak jantung, serta memungkinkan pemeriksaan bebeberapa individu sekaligus dengan durasi yang lama.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":"1978 4","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140416715","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Nogo Osing Apps: Aplikasi Smart Farming Buah Naga Berbasis IoT","authors":"Maulida Dwi Agustiningsih, P. Lestari, Ravika Mutiara Savitrah, Arif Fahmi, Hamdan","doi":"10.25126/jtiik.20241117683","DOIUrl":"https://doi.org/10.25126/jtiik.20241117683","url":null,"abstract":"Buah naga merupakan salah satu komoditas unggulan di Banyuwangi. Namun, produksi buah naga belum optimal dalam memenuhi permintaan konsumen. Hal ini dikarenakan sebagian besar budi daya buah naga dilakukan secara tradisional yang hanya menggantungkan siklus panen. Di luar siklus panen, budi daya buah naga dipengaruhi oleh beberapa faktor diantaranya faktor suhu, pencahayaan, dan kelembaban tanah. Salah satu strategi untuk mengoptimalkan suhu dan kelembaban tanah pada budi daya buah naga yaitu dengan mengaplikasikan Internet of Things (IoT).Pada penelitian ini dilakukan perancangan sistem monitoring dan kontrol pada budi daya buah naga dengan menerapkan teknologi IoT. Sistem monitoring dan kontrol dengan teknologi IoT menggabungkan hardware dan software aplikasi yang memungkinkan petani untuk mengatur suhu dan kelembaban tanah yang dibutuhkan. Kombinasi arduino, microcontroller, sensor flow, soil moisture dan modul relay dapat memonitoring suhu dan kelembaban tanah guna menghasilkan buah naga yang optimal. Metodologi yang digunakan yaitu metode research and development. Skema metodologi perancangan monitoring dan kontrol pada budidaya buah naga dimulai dari perumusan masalah, studi literatur, analisis dan desain sistem, perancangan software, perancangan hardware, integrasi aplikasi, dan uji coba sistem. Perancangan hardware terdiri dari perancangan rangkaian, pencetakan papan rangkaian, dan penambahan program pada papan rangkaian. MIT Inventor dan Webserver digunakan dalam perancangan software.Pengujian fungsional aplikasi menggunakan pengujian black box. Hasil pengujian menunjukkan bahwa empat fitur utama: monitoring dan kontrol pada lampu, pompa, kelembaban tanah, dan suhu, berhasil dilakukan. Selain itu, hasil uji kalibrasi menunjukkan bahwa aplikasi Nogo Oseng menunjukkan akurasi alat ukur sesuai dengan rancangan dan kondisi di lapangan.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":"55 5","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140411662","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Evaluasi Usability Aplikasi Mobile Sampingan Menggunakan Metode Usability Testing dan System Usability Scale (SUS)","authors":"R. Aisy, Yusi Tyroni Mursityo, S. Wijoyo","doi":"10.25126/jtiik.20241116613","DOIUrl":"https://doi.org/10.25126/jtiik.20241116613","url":null,"abstract":"Pada tahun 2018 diluncurkan sebuah aplikasi yang membantu para pencari pekerjaan paruh waktu bernama Aplikasi mobile Sampingan. Aplikasi ini merupakan aplikasi yang sangat membantu menghasilkan penghasilan tambahan bagi para penggunanya sesuai dengan observasi yang penulis lakukan pada ulasan aplikasi mobile Sampingan di Google Playstore, namun ditemukan cukup banyaknya komplain dari pengguna terkait aplikasi ini sehingga menjadi urgensi tersendiri dalam perbaikan aplikasi yang memiliki banyak peminat ini. Sehingga diperlukan evaluasi untuk selanjutnya dapat dilakukan perbaikan pada permasalahan yang dialami pengguna menggunakan metode usability testing dan SUS. Menurut Nielsen (2012) terdapat beberapa aspek yang perlu diukur untuk mengetahui permasalahan usability yaitu learnability, efficiency, error, dan satisfaction. Task scenario dan kuesioner SUS digunakan sebagai instrumen pada penelitian ini yang diberikan kepada 20 pengguna baru, dan terdapat instrumen wawancara yang melibatkan 5 pengguna lama serta 5 pengguna baru aplikasi mobile Sampingan. Dari pengumpulan data yang dilakukan, hasil yang didapatkan yaitu hasil aspek learnability yaitu 87%, aspek efficiency yaitu 0,019 goals/second pada perhitungan time-based efficiency dan 76,3% pada perhitungan Overall Relative Efficiency (ORE), aspek error yaitu 7,6%, serta aspek satisfaction yaitu 59,63 yang menggunakan kuesioner SUS. Selain itu ditemukan 17 permasalahan usability dari proses wawancara yang selanjutnya diberikan rekomendasi perbaikan berdasarkan 23 guidelines yang digunakan. ","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":"78 7","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"140410902","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Prediksi Detak Jantung Berbasis LSTM pada Raspberry Pi untuk Pemantauan Kesehatan Portabel","authors":"Ahmad Foresta Azhar Zen, Eko Sakti Pramukantoro, Kasyful Amron, Viera Wardhani, Putri Annisa Kamila","doi":"10.25126/jtiik.1078015","DOIUrl":"https://doi.org/10.25126/jtiik.1078015","url":null,"abstract":"Penyakit kardiovaskular atau cardiovascular disease (CVD) menduduki peringkat teratas penyebab kematian di dunia. Diperkirakan sekitar 17,9 juta jiwa meninggal akibat CVD pada tahun 2019, yang menyumbang sebanyak 32% dari seluruh kematian global. Penting untuk mendeteksi kelainan pada jantung sedini mungkin untuk mencegah kematian karena CVD. Peningkatan kesadaran tentang pentingnya pemantauan kesehatan diri sendiri telah mendorong perkembangan teknologi pemantauan kesehatan portabel. Dalam penelitian ini, kami mengusulkan model prediksi detak jantung berbasis Long Short-Term Memory (LSTM) dengan menggunakan fitur RR-Interval dan mengimplementasikan pada perangkat Raspberry Pi. Model berbasis LSTM merupakan salah satu jenis arsitektur jaringan saraf tiruan yang mampu menangani data berurutan dengan baik, sehingga sangat cocok untuk pemantauan dan prediksi detak jantung yang bersifat sekuensial. Raspberry Pi dikenal karena ukurannya yang kecil, harga yang terjangkau, kinerja yang andal, dan efisiensi komputasi yang baik. Raspberry Pi juga memungkinkan integrasi yang mudah dengan berbagai sensor, menjadikannya solusi yang cocok untuk pemantauan kesehatan yang portabel. Hasil penelitian ini menunjukkan bahwa model klasifikasi yang diusulkan memiliki kinerja yang baik dengan tingkat akurasi mencapai 96,66%. Implementasi inferensi pada Raspberry Pi juga menunjukkan performa yang baik, dengan waktu 4,82 detik untuk melakukan inferensi data sepanjang 100 detik, serta penggunaan memori sebesar 134,8MB.   Abstract Cardiovascular diseases (CVDs) rank as the top cause of global death. An estimated 17.9 million people succumbed to CVDs in 2019, constituting 32% of all global deaths. Detecting heart abnormalities as early as possible is crucial to prevent CVD-related fatalities. The growing awareness of the importance of self-health monitoring has driven the development of portable health monitoring technologies. In this study, we propose a Long Short-Term Memory (LSTM)-based heart beat prediction model using RR-Interval as features  and implement it on the Raspberry Pi device. LSTM models are a type of artificial neural network architecture known for their ability to handle sequential data effectively, making them highly suitable for sequential heart rate monitoring and prediction. The Raspberry Pi is renowned for its compact size, affordability, reliable performance, and efficient computational capabilities. It also enables seamless integration with various sensors, making it an ideal solution for portable health monitoring. This research show that the proposed classification model performs well, achieving an accuracy rate of 96.66%. The implementation of inference on the Raspberry Pi also demonstrates good performance, with an average inference time of 4.82 seconds for processing 100 data points and a memory usage of 134.8MB.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":" 11","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139137821","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung","authors":"Siti Roziana Azizah, Rudy Herteno, Andi Farmadi, Dwi Kartini, I. Budiman","doi":"10.25126/jtiik.1067467","DOIUrl":"https://doi.org/10.25126/jtiik.1067467","url":null,"abstract":"Penyakit jantung menjadi salah satu penyebab utama kematian bersama dengan penyakit lainnya. Dalam bidang teknologi, data mining dapat digunakan untuk mendiagnosa suatu penyakit yang bersumber dari data rekam medis pasien. Pada klasifikasi dataset medis, Naive Bayes merupakan salah satu metode terbaik yang digunakan. Tujuan dari penelitian ini adalah untuk mengetahui perbandingan hasil akurasi dari Naive Bayes menggunakan beberapa seleksi fitur yaitu Forward Selection, Backward Elimination, kombinasi union hasil seleksi fitur Forwad Selection dan Backward Elimination, Information Gain, Gain Ratio, dan kombinasi union hasil seleksi fitur Information Gain dengan Gain Ratio. Data yang digunakan dalam penelitian ini adalah data penyakit jantung yang didapatkan dari UCI Machine Learning Repository. Dari implementasi pemodelan yang akan dilakukan menghasilkan nilai akurasi tertinggi sebesar 91.80% pada algoritma Naive Bayes dengan kombinasi union hasil seleksi fitur Information Gain dan Gain Ratio menggunakan perbandingan data latih dan data uji 80:20. Sedangkan akurasi Naive Bayes dengan kombinasi union hasil seleksi fitur Forward Selection dan Backward Elimination hanya memiliki nilai akurasi sebesar 83.61%   Abstract Heart disease is one of the leading causes of death along with other diseases. In the field of technology, data mining can be used to diagnose a disease sourced from patient medical record data. In the classification of medical datasets, Naive Bayes is one of the best methods used. The purpose of this study is to determine the comparison of the accuracy results of Naive Bayes using several feature selections, namely Forward Selection, Backward Elimination, a combination of union of Forwad Selection and Backward Elimination feature selection results, Information Gain, Gain Ratio, and a combination of union of Information Gain feature selection results with Gain Ratio. The data used in this research is heart disease data obtained from the UCI Machine Learning Repository. From the implementation of modeling that will be carried out, the highest accuracy value is 91.80% in the Naive Bayes algorithm with a combination of union of Information Gain and Gain Ratio feature selection results using a ratio of training data and test data of 80:20. While the accuracy of Naive Bayes with a combination of union selection results of Forward Selection and Backward Elimination features only has an accuracy value of 83.61%.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":" 3","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139140878","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Pengembangan Knowledge Management System Ukiran Kayu Khas Bali Berbasis Artificial Intelligence","authors":"I. Putu, Restu Indrawan Prabawa, Ariq Cahya Wardhana","doi":"10.25126/jtiik.1067576","DOIUrl":"https://doi.org/10.25126/jtiik.1067576","url":null,"abstract":"Seni ukir kayu Bali adalah hasil karya dari para seniman ukir kayu asli Bali yang memiliki bakat luar biasa dalam beberapa dekade. Mereka bekerja dengan konsisten dan penuh dedikasi untuk menciptakan karya yang terbaik dan berkualitas tinggi. Selain itu, mereka selalu menyertakan filosofi spiritual yang mendalam dalam hasil karyanya. Begeh Ukir adalah UKM yang bergerak dalam industri seni ukiran Bali yang telah berdiri sejak tahun 2000. Produk utama yang disediakan adalah sanggah, yang secara harfiah berarti tempat ibadah. Kepercayaan Hindu percaya bahwa roh nenek moyang keluarga mendiami sanggah, di mana mereka ditempatkan di dalam sudut sakral atau di area kosong rumah. Dalam memfasilitasi dan meningkatkan pemahaman manajemen sumber daya manusia yang tergabung  ke  dalam UKM Begeh Ukir melalui KMS yang bertujuan agar pengetahuan bisa dapat berlanjut pada generasi penerusnya. Pengetahuan yang disimpan pada KMS berhasil dipetakan dalam bentuk Knowledge Mapping yang terdiri dari sanggah, bale, bahan dan filosofi. Metode KMSLC diterapkan pada pengembangan KMS berhasil mengembangkan chatbot AI berbasis NLP dengan presentase kebenaran knowledge yang dihasillkan sebesar 75%.   Kata kunci: Artificial Intelligence, Knowledge Management System, Website, Ukiran Bali   Abstract Balinese wood carving art is the work of original Balinese wood carving artists who have extraordinary talent in decades. They work with full consistency and dedication to create the best and highest quality work. In addition, they always include a deep spiritual philosophy in their work. Begeh Ukir is an UKM engaged in the Balinese carving art industry which has been established since 2000. The main product provided is sanggah, which literally means a place of worship. Hindu beliefs believe that the spirits of the family's ancestors inhabit sanggah, where they are placed in sacred corners or in empty areas of the house. In facilitating and increasing understanding of human resource management who are members of the Begeh Carving UKM through KMS which aims so that knowledge can continue in the next generation. The knowledge stored in the KMS has been successfully mapped in the form of Knowledge Mapping which consists of objections, bale, materials and philosophy. The KMSLC method applied to the development of KMS succeeded in developing an NLP-based AI chatbot with a percentage of truth of the knowledge generated by 75%.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":" 61","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139139168","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Penerapan Model Technology Readiness Index untuk Mengukur Tingkat Kesiapan Mahasiswa dalam Penerimaan Sistem E-Polvot","authors":"M. K. Anam, Fransiskus Zoromi, Soni, Torkis Nasution, Khusaeri Andesa, Stmik Amik, Pekanbaru Riau","doi":"10.25126/jtiik.1067368","DOIUrl":"https://doi.org/10.25126/jtiik.1067368","url":null,"abstract":"BEM (Badan Eksekutif Mahasiswa) merupakan ujung tombak dalam menjalankan tata pemerintahan di kalangan mahasiswa dan media untuk menyampaikan aspirasi baik berupa kesejahteraan, keamanan baik secara lisan maupun dalam tulisan kepada perguruan tinggi. Pemilihan BEM di perguruan tinggi rutin dilaksanakan setiap setahun. Namun dalam pemilihan BEM, beberapa mahasiswa tidak dapat menggunakan hak memilih karena keterbatasan waktu yang disediakan oleh panitia pemilihan. Dalam pelaksanaan pemilihan, disediakan 3 jenis waktu perkuliahan, yaitu regular siang jam 08.00 – 17.00, malam jam 17.45 – 09.30, dan non-reguler diadakan perkuliahan jarak jauh atau online setiap akhir pekan. Untuk pemilihan biasanya mahasiswa reguler malam dan non reguler tidak melakukan voting atau pemilihan dikarenakan waktunya diadakan siang hari. Untuk mengatasi permasalahan tersebut perlunya sebuah sistem bisa digunakan dimana saja tanpa harus datang ke kampus. Salah satu sistem yang dapat digunakan adalah e-polvot atau elektronik polling dan voting. Namun untuk menghadirkan sistem tersebut perlu kesiapan baik dari infrastruktur maupun pengguna. Penelitian ini melakukan analisis terhadap kesiapan mahasiswa STMIK Amik Riau dalam penerimaan sistem e-polvot. Tujuan penelitian adalah menganalisis kesiapan mahasiswa menggunakan sistem e-polvot. Analisis kesiapan mahasiswa menggunakan model Technology Readiness Index (TRI). Model ini memiliki 4 variabel yaitu Optimism, Innovativeness, Discomfort dan Insecurity. Populasi yang digunakan dalam penelitian ini adalah seluruh mahasiswa STMIK Amik Riau dengan teknik total sampling. Hasil yang didapatkan pada penelitian ini yaitu mahasiswa STMIK Amik Riau siap untuk menerima sistem e-polvot. Hal ini dilihat dari nilai yang didapatkan dari pengukuran ini adalah 3,93 yang dikategorikan HIGH.   Abstract The Student Executive Board (BEM) plays a pivotal role in governing students and serves as a platform to express aspirations, both in terms of welfare and security, through both oral and written means to the university. BEM elections at the university are regularly conducted annually. However, in the BEM elections, some students are unable to exercise their voting rights due to time constraints set by the election committee. The election process offers three types of lecture schedules: regular daytime from 08:00 to 17:00, evening lectures from 17:45 to 09:30, and non-regular lectures held during weekends for distance or online learning. Consequently, regular evening and non-regular students often abstain from voting or participating in the election due to the daytime scheduling. To address this issue, a system is needed that can be accessed from anywhere without physically coming to the campus. One such system that can be used is the e-polvot or electronic polling and voting system. However, implementing such a system requires readiness in terms of infrastructure and user acceptance. This research aims to analyze the readiness of STMIK Amik Riau ","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":" 33","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139138754","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Analisis Forensik Digital untuk Investigasi Kasus Cyberbullying pada Media Sosial Tiktok","authors":"Halimah Septya Mikayla, Arif Kusyanti, Primantara Hari Trisnawan","doi":"10.25126/jtiik.1078017","DOIUrl":"https://doi.org/10.25126/jtiik.1078017","url":null,"abstract":"TikTok merupakan media sosial yang populer digunakan pada masa kini. Media sosial TikTok yang populer di kalangan pengguna menjadi salah satu media yang banyak ditemui jenis kejahatan siber cyberbullying. Kasus cyberbullying pada media sosial TikTok dapat ditindak secara hukum yakni dengan dilakukan investigasi forensik digital. Penelitian ini dilakukan untuk mengumpulkan dan menganalisis bukti digital kasus cyberbullying pada TikTok android dan juga TikTok web dengan melakukan skenario kasus serta menerapkan model investigasi forensik digital yang berfokus pada jejaring sosial. Fase skenario terdiri dari persiapan, perancangan, serta pelaksanaan. Data dari skenario ini kemudian dilakukan forensik digital fase dengan tahapan-tahapan berikut: planning, reconnaissance, collection, transport, examination, identification, analysis, classification, reporting, dan presentation. Penelitian ini berhasil mendapatkan bukti-bukti digital untuk membuktikan kasus cyberbullying yang dieksperimenkan dengan skenario serta dengan model investigasi forensik digital yang diterapkan. Didapatkan hasil perbandingan yang signifikan pada perbedaan antara bukti digital TikTok android dan TikTok web. Secara keseluruhan, penelitian ini berhasil memperoleh barang bukti digital dengan persentase sebesar 68,8% dari perbandingan data awal skenario dengan data ditemukan dari hasil forensik digital.   Abstract TikTok is currently a widely popular social media platform among users and is also a media where various forms of cyberbullying are encountered. Cases of cyberbullying on TikTok can be subject to legal prosecution through digital forensic investigations. This research aims to collect and analyze digital evidence related to cyberbullying cases on TikTok's Android and Website platforms. It involves the creation of case scenarios and the application of a digital forensic investigative model specifically focused on social networks. The scenario phase encompasses preparation, design, and implementation. Data obtained from these scenarios is subsequently subjected to a digital forensics phase, consisting of these stages: planning, reconnaissance, collection, transport, examination, identification, analysis, classification, reporting, and presentation. This research successfully obtained digital evidence that substantiates cases of cyberbullying, as simulated in the scenarios and investigated using the applied digital forensic model. Significant differences were observed in the digital evidence between TikTok on Android and TikTok on the web. In summary, this study achieved a 68.8% match between the initial scenario data and the data retrieved through digital forensics, ultimately obtaining valuable digital evidence.","PeriodicalId":32501,"journal":{"name":"Jurnal Teknologi Informasi dan Ilmu Komputer","volume":" 24","pages":""},"PeriodicalIF":0.0,"publicationDate":"2023-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139137384","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}