Article Per Year (5 Year)
p-Index From 2021 - 2026
2.345
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Jurnal ilmiah teknologi informasi Asia
Dwija Wisnu Brata
Program Magister Teknik Elektro Fakultas Teknik, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Analisis Evaluasi Indeks KAMI (Keamanan Informasi) 5.0 dalam Pengelolaan Keamanan Informasi di SMK Telkom Purwokerto Nadanta, Aflah Hanif; Farisi, Hariz; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Evaluasi menggunakan Indeks KAMI (Keamanan Informasi) 5.0 dalam pengelolaan keamanan informasi di SMK Telkom Purwokerto dilakukan dengan tujuan untuk mengidentifikasi tingkat kesiapan (kelengkapan dan kematangan) pengelolaan keamanan informasi, serta memberikan rekomendasi perencanaan yang dapat meningkatkan pengelolaan keamanan informasi di sekolah tersebut. Penelitian ini dilakukan karena SMK Telkom Purwokerto sebagai sekolah berbasis teknologi telah menjalankan sistem elektronik namun belum memiliki panduan tata kelola dan sistem keamanan informasi yang resmi dan mengacu pada standar tertentu. Penelitian dilakukan secara analitik dengan studi literatur, observasi, dan wawancara semi-terstruktur menggunakan instrumen Indeks KAMI 5.0 kepada koordinator TI sekolah. Setiap data yang dikumpulkan dianalisis berdasarkan tujuh area utama dan satu area suplemen dari alat evaluasi Indeks KAMI 5.0 yang mengacu pada ISO/IEC 27001 dan kerangka COBIT. Hasil evaluasi menunjukkan tingkat kematangan pengelolaan keamanan informasi di SMK Telkom Purwokerto masih pada tahap awal dengan skor 202. Skor tersebut ketika dikaitkan dengan status ketergantungan sekolah terhadap sistem elektronik yang tergolong tinggi, menghasilkan status kesiapan Tidak Layak. Beberapa kelemahan mendasar yang ditemukan antara lain tidak adanya kebijakan formal, belum ada prosedur terdokumentasi, serta lemahnya koordinasi dengan Yayasan Pendidikan Telkom yang bertindak sebagai penyedia infrastruktur. Rekomendasi penelitian ini meliputi pembentukan kebijakan keamanan informasi, pembuatan prosedur standar, peningkatan kesadaran staf serta penguatan monitoring atas layanan dari yayasan.
Rancang Bangun Sistem Manajemen Konten Blog Berbasis Data Instagram dengan Fitur Konversi Otomatis Qhafari, Abi Al; Rahayudi, Bayu; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dalam era digital, media sosial seperti Instagram telah menjadi kanal utama distribusi informasi dan promosi konten. Namun, proses migrasi konten dari Instagram ke blog masih dominan dilakukan secara manual, yang memakan waktu dan rentan kesalahan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomatisasi berbasis web scraping yang mampu mengambil data dari akun publik Instagram dan mengonversinya menjadi artikel blog secara terstruktur dengan bantuan model GPT-4o. Metode pengembangan yang digunakan adalah Waterfall, dengan teknologi backend NestJS, TypeORM untuk ORM, dan integrasi layanan RapidAPI serta OpenAI GPT-4o untuk pemrosesan caption menjadi judul artikel. Sistem diuji melalui uji fungsionalitas, integrasi, dan performa. Hasil pengujian menunjukkan bahwa sistem berhasil melakukan scraping hingga 12 postingan dalam satu sesi dengan tingkat keberhasilan 100%, waktu respons rata-rata pada proses konversi sebesar 2.1 detik, dan seluruh modul berjalan sesuai fungsinya. Selain itu, caption-caption Instagram berhasil dikonversi menjadi artikel dengan struktur judul yang relevan dan layak tayang. Sistem ini secara signifikan meningkatkan efisiensi pengelolaan konten blog dan mengurangi intervensi manual secara drastis.
Topic Modeling Opini Publik Tentang Program Makan Bergizi Gratis Di Media Sosial X Menggunakan Bertopic Fayzul Haq, Muhammad; Sianturi, Riswan Septriayadi; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Naskah ini akan diterbitkan di Jurnal CommIT (Communication and Information Technology)
Ekstraksi Ulasan Pelanggan Restoran dalam Menggali Aspek Layanan pada Google Review dan Tripadvisor sebagai Faktor Peningkatan Kualitas Brata, Dwija Wisnu; Purnomo, Welly; Nofandi, Achmad
Jurnal Ilmiah Teknologi Informasi Asia Vol 18 No 1 (2024): Volume 18 Nomor 1 (8)
Publisher : LP2M Institut Teknologi dan Bisnis ASIA Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32815/jitika.v18i1.1001

Abstract

Customer reviews are views and comments given by customers after they experience a product or service. Customer reviews can be a valuable source of information for owners, but there are certain problems related to reviews piling up and not having time to read the meaning of the contents of the reviews, as well as paying attention to what aspects are highlighted by customers. The research was conducted using deep learning, data collection using web scrapping techniques with the Python-based Selenium tool, data obtained for 2065 reviews consisting of 1955 Google review data and 110 TripAdvisor data. The aspects discussed are service quality, food quality, environment and price using the Artificial Neural Network (ANN) algorithm with word weighting using TF-IDF. Implementation of dataset imbalance, random undersampling technique applied. Hyperparameter tuning was done via the GridsearchCV function from the scikit-learn library. The model testing results were evaluated using a confusion matrix, producing an accuracy value of 89%. Next, a negative review ranking process was carried out to identify the negative reviews most frequently given by customers and the aspects that accompany them.
Analisis Sentimen Pengguna Twitter / X Terhadap Fenomena #KaburAjaDulu Menggunakan Metode Support Vector Machine dan IndoBERT Embedding Gozali, Muhammad Rivaro Farrelino; Tibyani; Brata, Dwija Wisnu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Fenomena tagar #KaburAjaDulu di platform Twitter/X mencerminkan keresahan generasi muda terhadap tekanan hidup, ketidakpastian ekonomi, serta lingkungan kerja yang tidak sehat di era modern. Penelitian ini bertujuan untuk menganalisis persepsi publik terhadap fenomena tersebut melalui pendekatan analisis sentimen berbasis pemrosesan bahasa alami (Natural Language Processing), dengan mengombinasikan IndoBERT sebagai metode embedding kontekstual dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Data penelitian terdiri dari 12.353 tweet publik yang mengandung tagar #KaburAjaDulu, dikumpulkan menggunakan alat bantu TweetHarvest dalam rentang waktu 1 Oktober 2024 hingga 30 Agustus 2025. Data kemudian di pre-processing serta dilabeli menggunakan metode automatic labelling dengan alat bantu IndoBERTweet yang kemudian divalidasi oleh tiga validator hasil automatic labelling tersebut. Hasil penelitian menunjukkan bahwa kombinasi IndoBERT dan SVM dengan kernel Linear memberikan performa terbaik dengan akurasi 95,91%, F1-score (weighted) 0,9581, dan F1-score (macro) 0,8870 pada skema 70% data latih dan 30% data uji. Analisis sentimen memperlihatkan bahwa 77,30% tweet bersentimen negatif, mencerminkan dominasi ekspresi ketidakpuasan terhadap situasi sosial-ekonomi di Indonesia. Temuan ini membuktikan efektivitas pendekatan gabungan IndoBERT dan SVM dalam menganalisis sentimen media sosial Twitter/X berbahasa Indonesia, serta memberikan wawasan empiris dan kontekstual mengenai pola persepsi serta dinamika emosi publik di ruang digital.
Co-Authors Abdurrahim, Ahmad Azmi Al-Prasad, An-Nur Jibril Awwalul Muharram Ardana, Firdausi Baiq Arkan, Mohammad Ilham Bayu Rahayudi Farisi, Hariz Fayzul Haq, Muhammad Gozali, Muhammad Rivaro Farrelino Issa Arwani Kevin Marcelino Ratu, Henry Maulana, Hesi Taka Nadanta, Aflah Hanif Nofandi, Achmad Prakosa, Wira Zeta Pratama, Auriel Edo Purnomo, Welly Qhafari, Abi Al Riswan Septriayadi Sianturi Sekeon, Yerobal Gustaf Tibyani Widhy Hayuhardhika Nugraha Putra