Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK)
Ika Safitri Windiarti
Universiti Muhammadiyah Malaysia (UMAM)
Computer Science & IT Control & Systems Engineering Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
Transformasi Digital Perguruan Tinggi melalui Integrasi Sistem Informasi Akademik dan Administrasi Terpusat Dafit Afianto; Ika Safitri Windiarti
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4183

Abstract

Transformasi digital perguruan tinggi menjadi kebutuhan strategis dalam meningkatkan efektivitas tata kelola akademik dan administrasi di era teknologi informasi. Namun, banyak perguruan tinggi masih menghadapi permasalahan berupa fragmentasi sistem informasi, redundansi data, dan rendahnya sinkronisasi layanan antar unit kerja. Penelitian ini bertujuan merancang dan mengevaluasi sistem informasi terintegrasi untuk mendukung transformasi digital perguruan tinggi di Universitas Muhammadiyah Muara Bungo menggunakan pendekatan Design Science Research (DSR). Penelitian dilakukan melalui tahapan identifikasi masalah dan kebutuhan sistem, perancangan arsitektur berbasis microservices dan Docker, implementasi prototype menggunakan Laravel dan MySQL, uji coba sistem, evaluasi usability, serta dokumentasi dan replikasi sistem. Data penelitian diperoleh melalui observasi, wawancara mendalam, Focus Group Discussion (FGD), dan dokumentasi terhadap pimpinan universitas, staf teknologi informasi, operator akademik, dosen, dan mahasiswa. Evaluasi sistem dilakukan menggunakan pendekatan System Usability Scale (SUS), observasi penggunaan sistem, dan analisis efektivitas layanan digital. Hasil penelitian menunjukkan bahwa prototype sistem informasi terintegrasi mampu meningkatkan sinkronisasi data akademik dan administrasi, mempercepat proses pelayanan kampus, mengurangi redundansi input data, serta meningkatkan kemudahan akses layanan bagi pengguna. Penggunaan arsitektur microservices dan Docker juga memberikan fleksibilitas dalam integrasi dan pengembangan layanan digital kampus. Namun demikian, penelitian masih menemukan kendala berupa keterbatasan infrastruktur jaringan, kapasitas server, dan kebutuhan peningkatan literasi digital pengguna. Penelitian ini menyimpulkan bahwa integrasi sistem informasi berbasis interoperabilitas data menjadi strategi penting dalam mewujudkan tata kelola perguruan tinggi berbasis digital yang efektif, efisien, dan berkelanjutan.
Dari Statis ke Adaptif: Literatur Sistematis Riview tentang Evolusi Sistem Pendukung Keputusan Berbasis Machine Learning Zulmi; Ika Safitri Windiarti
Jurnal Pengembangan Teknologi Informasi dan Komunikasi (JUPTIK) Vol. 4 No. 1 (2026): JURNAL PENGEMBANGAN TEKNOLOGI INFORMASI DAN KOMUNIAKSI (JUPTIK)
Publisher : Universitas Muhammadiyah Muara Bungo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52060/juptik.v4i1.4188

Abstract

Penelitian ini bertujuan untuk mengkaji evolusi Decision Support System (DSS) dari sistem statis menuju sistem adaptif berbasis machine learning melalui pendekatan Systematic Literature Review (SLR). Studi ini menganalisis artikel ilmiah dalam rentang waktu 2005-2025 dengan menggunakan kerangka PRISMA untuk memastikan proses seleksi yang sistematis dan transparan. Hasil kajian menunjukkan adanya pergeseran signifikan dalam pengembangan DSS, dari pendekatan berbasis aturan (rule-based) menuju sistem berbasis data dan kecerdasan buatan. Pada periode awal, DSS didominasi oleh model deterministik, kemudian bertransisi pada pendekatan data-driven (2005-2015), hingga berkembang menjadi Adaptive Decision Support Systems (ADSS) pada periode 2015-2025, yang ditunjukkan oleh dominasi sekitar 70% studi berbasis machine learning. Integrasi machine learning terbukti meningkatkan akurasi keputusan (65-75%) dan efisiensi sistem (±60%), serta memungkinkan pembelajaran adaptif dan personalisasi rekomendasi. Namun, penelitian ini juga mengidentifikasi sejumlah tantangan utama, seperti kompleksitas model, rendahnya explainability, keterbatasan pendekatan berbasis pengguna, serta belum adanya kerangka konseptual yang terpadu. Dengan demikian, pengembangan DSS ke depan perlu menekankan keseimbangan antara kecerdasan sistem, transparansi, dan kebutuhan pengguna agar menghasilkan sistem yang adaptif, dapat dipercaya, dan implementatif.
Co-Authors DAFIT AFIANTO Zulmi