Article Per Year (5 Year)
p-Index From 2021 - 2026
2.568
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Ken Ditha Tania
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
ANALISIS SENTIMEN PUBLIK PADA TWITTER TERHADAP IMPLEMENTASI KEBIJAKAN ROYALTI MUSIK DENGAN ALGORITMA SUPPORT VECTOR MACHINE Onky Ardhillah; Ari Wedhasmara; Ken Ditha Tania; Allsela Meiriza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17791

Abstract

Pemberlakuan Peraturan Pemerintah Nomor 56 Tahun 2021 tentang Pengelolaan Royalti Lagu dan/atau Musik bertujuan untuk melindungi hak ekonomi pencipta serta menciptakan sistem distribusi royalti yang adil. Namun, implementasi kebijakan ini menimbulkan polemik dan beragam respons dari masyarakat, khususnya pelaku usaha dan Usaha Mikro, Kecil, dan Menengah (UMKM), yang menilai kebijakan tersebut berpotensi menambah beban biaya serta masih kurang transparan dalam mekanisme penetapan tarif royalti. Kondisi ini menunjukkan adanya kesenjangan antara tujuan kebijakan dengan persepsi publik terhadap pelaksanaannya. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap penerapan PP No. 56 Tahun 2021 melalui media sosial Twitter menggunakan pendekatan text mining dengan algoritma Support Vector Machine (SVM). Data penelitian diperoleh melalui proses crawling Twitter berdasarkan kata kunci terkait royalti dan musik pada periode Maret hingga November 2025 dengan total 3.813 tweet berbahasa Indonesia. Tahapan penelitian meliputi prapemrosesan teks yang terdiri dari cleaning, case folding, normalization, tokenization, stopword removal, dan stemming, kemudian dilakukan pelabelan sentimen ke dalam kelas positif, negatif, dan netral. Representasi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan proses klasifikasi dilakukan menggunakan algoritma SVM dengan kernel linier. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen publik dengan tingkat akurasi sebesar 74,44%, dengan dominasi sentimen netral dan negatif dibandingkan sentimen positif. Temuan ini mengindikasikan bahwa sebagian masyarakat masih memiliki pandangan kritis terhadap implementasi kebijakan royalti musik, khususnya terkait transparansi dan mekanisme pengelolaannya, sehingga diperlukan peningkatan sosialisasi dan kejelasan tata kelola royalti oleh pemerintah dan Lembaga Manajemen Kolektif Nasional (LMKN).
PERANCANGAN KNOWLEDGE MANAGEMENT SYSTEM SEBAGAI MEDIA KOLABORASI DAN TRANSFER PENGETAHUAN ANTAR DIVISI PADA EVENT SISTEM INFORMASI FESTIVAL (SI-FEST) HIMSI FASILKOM UNSRI Aisy Intan Herita; An'nur Aisyah Ghaidah Senjaya Mangkunegara; Azzahra Dezza Syahputri; Rifqi Muhammad Rifat; Ken Ditha Tania; Dedy Kurniawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18098

Abstract

Pengelolaan pengetahuan merupakan elemen penting dalam menjaga keberlanjutan informasi dan efektivitas kerja dalam suatu organisasi. Dalam kepanitiaan Sistem Informasi Festival (SI-FEST) yang diselenggarakan oleh HIMSI FASILKOM Universitas Sriwijaya, proses berbagi pengetahuan antar divisi masih berlangsung secara informal dan belum terdokumentasi dengan baik. Kondisi tersebut berpotensi menimbulkan ketidakefisienan koordinasi kerja, terutama pada masa transisi kepanitiaan karena banyak informasi penting yang tidak terdokumentasi dan sulit diakses kembali. Penelitian ini bertujuan untuk merancang Knowledge Management System (KMS) sebagai wadah digital yang dapat memfasilitasi kolaborasi, dokumentasi, dan distribusi pengetahuan antar divisi dalam kegiatan SI-FEST. Penelitian menggunakan pendekatan kualitatif dengan desain studi kasus melalui analisis kebutuhan yang diperoleh dari studi literatur, observasi, serta wawancara semi-terstruktur terhadap lima informan yang terlibat dalam kegiatan SI-FEST. Analisis dilakukan dengan menggunakan kerangka SECI (Socialization, Externalization, Combination, Internalization) untuk memetakan proses konversi pengetahuan. Hasil penelitian berupa rancangan sistem yang mengintegrasikan repository pengetahuan terpusat, forum diskusi, dokumentasi serah terima, evaluasi kegiatan, serta arsip lintas periode guna mendukung kolaborasi, mempermudah akses pengetahuan, dan menjaga keberlanjutan transfer pengetahuan pada pelaksanaan SI-FEST di periode berikutnya.
KLASTERISASI PORTAL BERITA ONLINE MENGGUNAKAN ALGORITMA K-MEANS DENGAN TEKNIK KNOWLEDGE DISCOVERY IN DATABASE Novita Ramadhini; Salsabila Alfath Annisaa’; Adiaz Salsabilah Putri; Ken Ditha Tania; Ahmad Rifai
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18100

Abstract

Lonjakan volume informasi pada portal berita online menciptakan tantangan besar dalam pengorganisasian data yang tidak terstruktur dan tidak berlabel. Ketidakmampuan sistem dalam mengelompokkan berita secara otomatis menyebabkan redundansi informasi serta penurunan efisiensi pencarian bagi pengguna. Penelitian ini bertujuan untuk mengimplementasikan klasterisasi berita secara otomatis dengan mengintegrasikan algoritma K-Means dan kerangka kerja Knowledge Discovery in Databases (KDD). Metode KDD digunakan untuk memastikan proses pengolahan data dilakukan secara sistematis, meliputi tahapan data selection, preprocessing (case folding, normalization, tokenizing, stopword removal, dan stemming), data transformation, hingga tahap data mining menggunakan K-Means. Penentuan jumlah klaster optimal dilakukan dengan metode Elbow dan divalidasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa nilai k = 7 merupakan jumlah klaster optimal dalam memisahkan topik-topik berita. Evaluasi menggunakan Silhouette Score menghasilkan nilai rata-rata positif yang menunjukkan kualitas klaster yang baik. Penelitian ini memberikan kontribusi dalam pengorganisasian berita secara otomatis sehingga mempermudah pengguna dalam menemukan informasi yang relevan dengan lebih cepat dan akurat
ANALISIS PENERAPAN KNOWLEDGE MANAGEMENT PADA BPS KABUPATEN OGAN ILIR MENGGUNAKAN SECI MODEL Leony Santika; Muhamad Ramadhan Heru Pradipta; Ulva Khairunnisya; Vindira Yusefani; Ken Ditha Tania; Dedy Kurniawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18101

Abstract

Pengetahuan merupakan aset krusial bagi instansi pelayanan publik seperti Badan Pusat Statistik dalam menghasilkan data statistik yang valid dan berkualitas. Namun, tingginya rotasi pegawai serta minimnya transfer pengetahuan yang terstruktur berpotensi menyebabkan hilangnya tacit knowledge dari pegawai operasional yang berpengalaman. Kondisi ini menunjukkan pentingnya pengelolaan pengetahuan yang efektif untuk menjaga keberlanjutan pengetahuan organisasi. Oleh karena itu, penelitian ini bertujuan untuk mengkaji penerapan Knowledge Management di BPS Kabupaten Ogan Ilir dengan menggunakan kerangka SECI Model. Penelitian ini menggunakan pendekatan kualitatif deskriptif evaluatif melalui observasi, wawancara mendalam, dan studi literatur. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan Saldana yang meliputi kondensasi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa keempat dimensi SECI telah berjalan di dalam organisasi. Dimensi Socialization dan Internalization berlangsung efektif melalui interaksi langsung dan praktik lapangan, sedangkan dimensi Combination didukung oleh penggunaan media penyimpanan digital. Namun demikian, kelemahan utama ditemukan pada dimensi Externalization, di mana pengetahuan kontekstual di lapangan belum sepenuhnya terdokumentasi secara formal
ANALISIS KLASIFIKASI RISIKO GEMPA BUMI DI INDONESIA BERDASARKAN MAGNITUDO DAN KEDALAMAN MENGGUNAKAN ALGORITMA DECISION TREE Salsabila Alfath Annisaa'; Novita Ramadhini; Adiaz Salsabilah Putri; Ken Ditha Tania; Allsela Meiriza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18119

Abstract

Indonesia merupakan negara dengan aktivitas kegempaan sangat tinggi akibat letaknya di pertemuan tiga lempeng tektonik besar. Tingginya potensi ancaman ini menimbulkan permasalahan terkait perlunya analisis risiko gempa yang cepat dan akurat untuk mendukung sistem mitigasi bencana. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan tingkat risiko gempa bumi di Indonesia berdasarkan parameter magnitudo dan kedalaman. Metode yang digunakan adalah algoritma Decision Tree terhadap 131.833 data gempa dari BMKG periode 2008–2025. Tahapan penelitian ini meliputi data collection, preprocessing, labelling, splitting, modelling, rule extraction, dan evaluation. Hasil klasifikasi menunjukkan bahwa magnitudo > 4,501 termasuk kategori Risiko Sedang (315 data), sedangkan magnitudo ≤ 4,501 termasuk Risiko Rendah (10.726 data). Model ini menghasilkan akurasi sebesar 99,96% dan recall 100%. Tingginya performa ini membuktikan bahwa algoritma Decision Tree sangat efektif untuk klasifikasi risiko gempa dan berpotensi mendukung upaya mitigasi bencana nasional.
KLASIFIKASI BERITA HOAKS DAN FAKTA BERDASARKAN REPRESENTASI TF-IDF MENGGUNAKAN SUPPORT VECTOR MACHINE Dinda Aulika Elfarin Aritonang; Putri Maharani; Nabila Ramadhani; Ken Ditha Tania; Allsela Meiriza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18129

Abstract

Perkembangan media digital yang pesat menyebabkan penyebaran informasi berlangsung sangat cepat, termasuk munculnya berita hoaks yang dapat menimbulkan misinformasi di masyarakat. Permasalahan dalam penelitian ini adalah sulitnya membedakan berita hoaks dan fakta secara otomatis karena tingginya volume informasi yang beredar. Penelitian ini dilakukan untuk menganalisis kinerja algoritma Support Vector Machine (SVM) dalam membedakan berita hoaks dan fakta berbahasa Indonesia menggunakan fitur Term Frequency–Inverse Document Frequency (TF-IDF). Dataset yang dipakai berjumlah 1.896 berita yang terdiri dari 948 berita hoaks dan 948 berita fakta. Langkah-langkah penelitian mencakup pembersihan teks, ekstraksi fitur dengan TF-IDF, pembagian data menjadi data pelatihan (80%) dan data pengujian (20%), serta proses pengklasifikasian dengan SVM. Penilaian kinerja model dilakukan dengan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model ini berhasil mencapai akurasi 97% dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,97. Temuan ini menandakan bahwa metode SVM yang menggunakan TF-IDF efektif dalam mengenali berita hoaks dan berita yang benar
KLASIFIKASI PENYAKIT KANKER HATI DALAM ALGORITMA K-NEAREST NEIGHBORS (KNN) Taniya Raisha Dwiva Putri; Tessa Arianvira; Revi Amelia Dwifa Futri; Muhammad Farhan; Ken Ditha Tania; Allsela Meiriza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18133

Abstract

Kanker hati (liver cancer) merupakan penyakit dengan tingkat mortalitas tinggi yang sering terdeteksi pada tahap lanjut, sehingga diperlukan pendekatan sistematis untuk mendukung diagnosis yang cepat dan akurat. Penelitian ini bertujuan menerapkan metode data mining menggunakan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan penyakit kanker hati serta mengevaluasi kinerja model. Data yang digunakan berasal dari Kaggle sebanyak 5.000 data pasien dengan 14 atribut klinis, mencakup faktor risiko seperti hepatitis, sirosis, dan diabetes, serta biomarker seperti skor fungsi hati dan kadar alpha fetoprotein. Tahap preprocessing dilakukan menggunakan Z-Transformation Normalization untuk menyetarakan skala atribut numerik, mengingat KNN berbasis perhitungan jarak. Selanjutnya, model dilatih dan diuji untuk mengukur performanya. Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi sebesar 86,40% dengan nilai class precision pada prediksi positif sebesar 80,00%. Hasil ini menunjukkan bahwa algoritma KNN cukup efektif dalam mengolah data medis dan dapat dimanfaatkan sebagai alat bantu dalam proses identifikasi penyakit kanker hati secara lebih akurat
ANALISIS PENERAPAN KNOWLEDGE MANAGEMENT DALAM PROSES PRODUKSI PADA UMKM PEMPEK VIMONA KOTA PALEMBANG Taniya Raisha Dwiva Putri; Revi Amelia Dwifa Futri; Tessa Arianvira; Muhammad Faza; Ken Ditha Tania; Ahmad Rifai
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18134

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam mendukung perekonomian dan menciptakan lapangan kerja. Namun, pengelolaan pengetahuan pada UMKM seringkali belum dilakukan secara sistematis, sehingga proses produksi masih bergantung pada pengalaman individu. Penelitian ini bertujuan untuk menganalisis penerapan Knowledge Management dalam proses produksi pada UMKM Pempek Vimona di Kota Palembang. Pendekatan yang digunakan adalah kualitatif dengan metode studi kasus deskriptif melalui teknik pengumpulan data berupa wawancara dan observasi. Analisis data dilakukan menggunakan model SECI (Socialization, Externalization, Combination, Internalization) untuk mengidentifikasi proses konversi pengetahuan tacit dan explicit. Hasil penelitian menunjukkan bahwa proses berbagi pengetahuan telah terjadi melalui interaksi langsung antar pekerja; namun, sebagian besar pengetahuan masih bersifat tacit dan belum terdokumentasi secara sistematis. Oleh karena itu, penelitian ini menyimpulkan bahwa penerapan Knowledge Management yang lebih terstruktur sangat diperlukan untuk mendukung efektivitas dan keberlanjutan proses produksi.
PENERAPAN DATA MINING UNTUK ANALISIS SENTIMEN PUBLIK TERHADAP WHIPPINK PADA PLATFORM X MENGGUNAKAN RANDOM FOREST Cherliana Cherliana; Rahma Ardhia Cahyani; Muhammad Hafiz Al Zaky; Ken Ditha Tania; Allsela Meiriza
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18136

Abstract

Media sosial menghasilkan volume opini publik yang sangat besar dan tidak terstruktur sehingga memerlukan pendekatan komputasional untuk dianalisis secara sistematis. Salah satu isu yang ramai diperbincangkan di platform X adalah fenomena Whippink yang berkaitan dengan penggunaan nitrous oxide (N₂O) dan memunculkan beragam tanggapan dari masyarakat. Permasalahan penelitian ini adalah bagaimana mengidentifikasi serta mengklasifikasikan kecenderungan sentimen publik terhadap fenomena tersebut berdasarkan data percakapan pada media sosial. Penelitian ini guna menganalisis sentimen masyarakat terhadap fenomena Whippink pada platform X menggunakan algoritma Random Forest. Data penelitian diperoleh melalui teknik web scraping dengan kata kunci #WHIPPINK pada periode Januari 2024 hingga Februari 2026 dan menghasilkan 500 tweet berbahasa Indonesia. Tahapan penelitian meliputi pelabelan sentimen, preprocessing teks, pembobotan fitur diimplementasikan melalui TF-IDF, data dibagi dengan rasio 80:20, serta evaluasi model diimplementasikan dengan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian membuktikan sentimen negatif mendominasi sebesar 71,4%, sedangkan sentimen positif sebesar 28,6%. Model Random Forest dengan 400 pohon keputusan menghasilkan akurasi 85,86% dan weighted F1-score 0,85, yang menunjukkan performa klasifikasi yang baik dalam memetakan persepsi publik.
ANALISIS PENGELOMPOKKAN INTENT PERCAKAPAN CHATBOT MENGGUNAKAN METODE TF-IDF DAN ALGORITMA K-MEANS Muhamad Ramadhan Heru Pradipta; Apriansyah Wahyudi Putra; Ramanuddin Jaya; Windah Kurnia Sari; Ken Ditha Tania; Fathoni Fathoni
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18138

Abstract

Penggunaan chatbot yang kian masif saat ini menghasilkan lonjakan volume data log percakapan pengguna secara signifikan. Namun, hal ini memunculkan permasalahan berupa kesulitan dalam memetakan maksud (intent) pengguna yang sangat beragam dan tidak terstruktur jika proses evaluasi dilakukan secara manual. Oleh karena itu, penelitian ini bertujuan untuk menganalisis pengelompokan intent secara otomatis pada dataset percakapan chatbot multi-turn untuk menemukan pola topik yang dominan. Metode penyelesaian yang digunakan berlandaskan kerangka Knowledge Discovery in Database (KDD), meliputi transformasi teks dengan Term Frequency-Inverse Document Frequency (TF-IDF), pengelompokan data menggunakan algoritma K-Means Clustering, serta validasi cluster dengan Elbow Method dan Silhouette Score. Hasil penelitian menunjukkan pembentukan cluster optimal pada K=54 dengan Silhouette Score tertinggi sebesar 0,5353. Kombinasi metode ini terbukti efektif dan granular dalam memisahkan spektrum kebutuhan pengguna mulai dari edukasi teknis hingga hiburan sehingga dapat menjadi landasan evaluasi bagi pengembang chatbot ke depannya
Co-Authors Adiaz Salsabilah Putri Ahmad Rifai Ahmad Rijal Khairullah Aisy Intan Herita Allsela Meiriza An'nur Aisyah Ghaidah Senjaya Mangkunegara Anadya Nisrina Salsabila Annisa Olivia Rafidah Apriansyah Wahyudi Putra Ari Heriyadi Ari Wedhasmara Audya Anggraini Hasim Azzahra Dezza Syahputri Cherliana Cherliana Dedy Kurniawan Dinda Aulika Elfarin Aritonang Dio Rizqy Saputra Dymas Ahmad Fadhil Fathoni Fathoni Ferdianto Ferdianto Fitri Amanda Fuad Kanifudin Habil Al-Farisy Henrie Rafi Ardiyanto Hori Fahmi Jovandra Anata Malayadza Kaisyah Azzahra Leony Santika M Andre Yunizar Muhamad Anandithyo Aftarudzaki Muhamad Ramadhan Heru Pradipta Muhammad Farhan Muhammad Faza Muhammad Hafiz Al Zaky Nabila Ramadhani Nabilah Putri Maharani Nadhilah Al Adawiyah Nadia Ramadhani Neisya Az Zahra Novita Ramadhini Onky Ardhillah Putri Maharani R.A Callista Salsabila Rahma Ardhia Cahyani Ramanuddin Jaya Revi Amelia Dwifa Futri Rifki Alkazim Rifqi Febrian Rifqi Muhammad Rifat Salsa Yurinka Salsabila Alfath Annisaa' Salsabila Alfath Annisaa’ Taniya Raisha Dwiva Putri Tessa Arianvira Trya Andini Banowati Ulva Khairunnisya Vindira Yusefani Winda Kurnia Sari Winda Kurnia Sari Windah Kurnia Sari