Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Aisy Intan Herita
Sistem Informasi, Universitas Sriwijaya
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
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.
PREDIKSI TINGKAT KETERLIBATAN PEMAIN GAME ONLINE BERDASARKAN INTENSITAS DAN POLA AKTIVITAS BERMAIN MENGGUNAKAN PENDEKATAN HYBRID MACHINE LEARNING R.A Callista Salsabila; Aisy Intan Herita; Neisya Az Zahra; Winda 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.v10i3.18152

Abstract

Pertumbuhan industri online games menghasilkan volume data aktivitas pemain yang sangat besar, sehingga analisis tingkat keterlibatan pemain (player engagement) secara manual menjadi kurang efektif. Permasalahan ini mendorong perlunya pendekatan analitik berbasis data untuk mengidentifikasi pola perilaku pemain secara lebih akurat. Penelitian ini bertujuan untuk memprediksi tingkat player engagement berdasarkan intensitas dan pola aktivitas bermain menggunakan pendekatan hybrid machine learning yang mengkombinasikan algoritma Logistic Regression dan Artificial Neural Network (ANN). Data yang digunakan berasal dari dataset publik Kaggle yang terdiri dari 40.034 data pemain dengan variabel target EngagementLevel yang diklasifikasikan ke dalam tiga kategori, yaitu Low, Medium, dan High. Dataset melalui tahapan data preprocessing dan dibagi menjadi data latih dan data uji dengan rasio 80:20. Kinerja model dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa model ANN mencapai akurasi sebesar 90,76% dengan rata-rata F1-score 0,91, lebih tinggi dibandingkan model Logistic Regression yang memperoleh akurasi 82% dengan F1-score 0,81. Analisis feature importance menunjukkan bahwa variabel PlayTimeHours dan SessionsPerWeek merupakan prediktor paling signifikan dalam menentukan tingkat keterlibatan pemain
Co-Authors An'nur Aisyah Ghaidah Senjaya Mangkunegara Azzahra Dezza Syahputri Dedy Kurniawan Fathoni Fathoni Ken Ditha Tania Neisya Az Zahra R.A Callista Salsabila Rifqi Muhammad Rifat Winda Kurnia Sari