Articles
<![CDATA[Systematic Literature Review on Auditing Information Technology Risk Management Using the COBIT Framework ]]>
<![CDATA[Rizky Handayani]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Emha Taufiq Luthfi]]>
<![CDATA[ Prisma Sains : Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram Vol 11, No 4: October 2023 ]]>
Publisher : <![CDATA[IKIP Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33394/j-ps.v11i4.8871
<![CDATA[Information technology has an important role in carrying out company management activities. It is important that information technology is managed properly so that no risks arise that could endanger the company. Companies can implement information technology risk management through risk management audits. An audit on information technology risk management can help evaluate companies by identifying information technology risks and minimizing information technology risks. Such audits can be carried out with the help of the COBIT framework. This study intends to conduct a systematic literature review on risk management audits related to information technology using the COBIT framework. Literature search from IEEXplore, ScienceDirect and Garuda Kemdikbud database sources. Papers were selected based on inclusion criteria. Inclusion criteria include paper language is Indonesian and English, paper is published between 2019-2023, the paper describes COBIT in IT risk management audits, and paper is available as full text. The results obtained were 24 papers. There are two criteria for assessing paper quality, namely the paper contains the COBIT framework used for IT risk management audits and the paper contains the COBIT domain used. The results of the analysis of research questions indicate that COBIT 5 is a guide used by many researchers in information technology audits for risk management. COBIT 5 provides a complete and comprehensive risk governance guide for measuring enterprise IT risk management. Implementation of COBIT 5 in IT risk management audits to assist in risk assessment and risk management in order to minimize and prevent IT risks that may occur. Domain APO12 (Manage Risk) and EDM03 (Ensure Risk Optimization) as a reference in conducting IT risk management.]]>
<![CDATA[PERANCANGAN ALAT BANTU ACADEMIC SCORECARD UNTUK PENGUKURAN KINERJA MANAJEMEN PADA STMIK BINA MULIA PALU ]]>
<![CDATA[Hasrul]]>;
<![CDATA[Abidarin Rosidi]]>;
<![CDATA[Emha Taufiq Lutfi]]>
<![CDATA[ Jurnal Teknomatika Vol 5 No 2 (2013): TEKNOMATIKA ]]>
Publisher : <![CDATA[Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Untuk menjamin dan meningkatkan kinerja manajemen STMIK Bina Mulia Palu, dalam merealisasikan visi dan misinya, diperlukan sebuah rancangan sistem pengukuran kinerja. Oleh karena itu peneliti mencoba merancang sebuah alat Bantu pengukuran kinerja dengan melibatkan indikator kinerja finansial dan non finansial. Proses perancangan alat bantu pengukuran kinerja menggunakan model Balance Scorecard, yaitu keseimbangan antara finansial dan non finansial yang didasarkna pada penentuan sasaran strategis dan indikator kinerja utama (IKU) dari masing-masing perspektif Balance Scorecard yaitu keuangan, pelanggan, proses bisnis internal, pertumbuhan dan pembelajaran. Dalam merancang alat bantu pengukuran kinerja digunakan metode penelitian Action Research untuk menentukan tahapan-tahapan dalam penelitian. Hasil penelitian adalah sebuah alat bantu pengukuran kinerja yang disebut dengan Academic Scorecard.]]>
<![CDATA[PENGEMBANGAN MEDIA BELAJAR IPA BIOLOGI MENGGUNAKAN AUGMENTED REALITY (Studi Kasus: Siswa MTs Pondok Pesantren Pabelan) ]]>
<![CDATA[Danang Tejo Kumoro]]>;
<![CDATA[Abidarin Rosidi]]>;
<![CDATA[Emha Taufiq Luthfi]]>
<![CDATA[ Jurnal Teknomatika Vol 5 No 2 (2013): TEKNOMATIKA ]]>
Publisher : <![CDATA[Fakultas Teknik dan Teknologi Informasi, Universitas Jenderal Achmad Yani Yogyakarta ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[IPA Biologi adalah salah satu mata pelajaran yang diajarkan di sekolah. Materi yang diajarkan terkait dengan seluruh makhluk hidup yang ada di bumi. Sebagai sebuah subyek yang mengajarkan materi yang ada di alam, IPA Biologi memerlukan media atau perangkat pembelajaran yang dapat menampilkan simulasi data benda tiruan yang berbentuk seperti suatu obyek yang dipelajari. Augmented Reality sebagai sebuah bagian dari multimedia adalah perangkat yang menyajikan visual ke dalam dunia nyata dapat dimanfaatkan menjadi perangkat pembelajaran yang menampilkan materi dalam subyek IPA Biologi yang dipelajari karena teknologi 3D memungkinkan membentuk beragam materi alam dalam versi maya.]]>
<![CDATA[MARKER BASED AUGMENTED REALITY PADA BUKU POA DENGAN METODE FAST CORNER DETECTION ]]>
<![CDATA[Caraka Aji Pranata]]>;
<![CDATA[Ema Utami]]>;
<![CDATA[Emha Taufiq Luthfi]]>
<![CDATA[ Explore Vol 11 No 2 (2021): Juli 2021 ]]>
Publisher : <![CDATA[Universitas Teknologi Mataram ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.35200/ex.v11i2.53
<![CDATA[Pada era yang serba digital saat ini, Augmented reality menjadi tren pada beberapa bidang. Pengertian augmented reality sendiri adalah sebuah teknologi yang dapat menggabungkan objek virtual dengan objek yang ada pada dunia nyata secara realtime. Augmented Reality berbeda dari Virtual Reality dan Mixed Reality. Marker base augmented reality merupakan jenis augmented reality yang menggunakan pengenalan gambar 2 dimensi secara real-time untuk memberi pengguna visualisasi data digital tambahan untuk memberikan informasi sesuai yang dibutuhkan. Fast Corner Detection merupakan sebuah algoritma yang diciptakan karena visualisasi realtime yang tidak cukup cepat dan memiliki source komputasi yang tidak terbatas. Buku Peralatan Olahraga Anak (POA) merupakan sebuah buku pedoman penggunaan dari Peralatan Olahraga Anak yang disusun untuk memberikan kemudahan dalam menggunakan peralatan tersebut. Penelitian ini membahas tentang efektifitas dari penggunaan metode FAST Corner Detection dalam teknologi Augmented Reality. Pengujian yang dilakukan dalam penelitian ini meliputi, waktu pendeteksian marker, jarak marker terhadap kamera, sudut marker terhadap kamera, dan pengaruh cahaya terhadap marker. Dari penelitian ini didapatkan hasil bahwa deteksi maksimal didapatkan saat pengujian di luar ruangan pada jarak 40cm.]]>
<![CDATA[Analisis Sentimen Masyarakat Tentang Tambang Di Indonesia Pada Twitter Menggunakan Data Mining ]]>
<![CDATA[Norlaila, Norlaila]]>;
<![CDATA[Winarno, Wing Wahyu]]>;
<![CDATA[Luthfi, Emha Taufiq]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i3.5402
<![CDATA[Penelitian ini menyelidiki sentimen masyarakat terhadap pertambangan emas di Indonesia melalui Twitter, menggunakan clustering K-Means dan Naïve Bayes Classifier untuk analisis sentimen. Mengingat pertambangan batu bara menjadi isu yang kontroversial, mengukur opini publik sangatlah penting untuk memahami dampak sosial dan mendorong dialog antar pemangku kepentingan. Penelitian ini melibatkan pengumpulan data Twitter, diikuti dengan pra-pemrosesan untuk mempersiapkan analisis. Algoritme K-Means mengidentifikasi tiga kelompok sentimen: netral (1561 tweet), positif (202 tweet), dan negatif (631 tweet). Selanjutnya, Pengklasifikasi Naïve Bayes, yang diterapkan pada set pelatihan yang terdiri dari 1.348 tweet dan set pengujian yang terdiri dari 1.046 tweet, selanjutnya mengkategorikan sentimen menjadi 324 tweet negatif, 40 netral, dan 682 tweet positif. Metodologi tersebut mencapai akurasi gabungan sebesar 99%, yang menunjukkan.]]>
<![CDATA[AUGMENTASI DATA MENGGUNAKAN DCGAN PADA GAMBAR TANAH ]]>
<![CDATA[PATMAWATI, PATMAWATI]]>;
<![CDATA[Andi Sunyoto]]>;
<![CDATA[Emha Taufiq Luthfi]]>
<![CDATA[ TEKNIMEDIA: Teknologi Informasi dan Multimedia Vol. 4 No. 1 (2023): Juni 2023 ]]>
Publisher : <![CDATA[Badan Penelitian dan Pengabdian Masyarakat (BP2M) STMIK Syaikh Zainuddin NW Anjani ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.46764/teknimedia.v4i1.100
<![CDATA[Several studies related to soil type classification have been conducted. However, each of these studies uses different datasets. Only a small number of researchers share soil image datasets publicly. In addition, published datasets have an imbalance in the amount of data in each class which will result in poor model performance or over fit, especially deep learning. With data augmentation, new data variations can be formed that can handle the limited number of datasets. One of the modern augmentation models is DCGAN which is an extension of GAN. DCGAN is considered a good model in improving the stability of GAN training and the quality of image results. The resulting synthesized image is the result of mapping randomized latent vectors in an n-dimensional latent space. A meaningful image transformation is generated from the latent vector through arithmetic operations in the latent space dimension. The size of the latent space dimension is very important in enabling accurate reconstruction of the training data. To test the effect of latent space dimension on images, a quantitative evaluation using Fre'chet Inception Distance (FID) is used. The following results were obtained, for the best image quality in the alluvial soil category using latent space dimension 10 with FID score = 322.0. For clay soil category, the best image quality is generated using latent space dimension 100 with score FID = 332.84 and 512 with score FID = 322.08. In the black soil category, the best latent space dimension is 128 with FID score = 360.80. And for red soil, the best image quality is generated with the use of 512 latent spaces that have a FID score = 256.67.]]>
<![CDATA[Tinjuan Pustaka Sistematis - Sistem Rekomendasi Menggunakan Collaborative Filtering ]]>
<![CDATA[Puri, Fiyas Mahananing]]>;
<![CDATA[Kusrini, Kusrini]]>;
<![CDATA[Luthfi, Emha Taufiq]]>
<![CDATA[ JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA ]]>
Publisher : <![CDATA[JURNAL TECNOSCIENZA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.51158/56m1ch26
<![CDATA[Pemanfaatan bigdata pada era industry 4.0 telah banyak diterapkan diberbagai bidang untuk membuat sebuah sistem rekomendasi, salah satunya pada bidang bisnis. Collaborative Filtering merupakan salah satu metode yang banyak digunakan pada saat ini untuk menghasilkan sebuah rekomendasi produk. Graph Database pada saat ini sudah menjadi pilihan yang banyak dikombinasikan dengan penggunaan metode Collaborative Filtering. Tujuan dari makalah ini adalah sebagai systematic literatur review untuk menentukan sebuah sistem rekomendasi dengan menggabungkan metode rekomendasi dengan database grafik. Hasil penelitian ini menjawab pertanyaan penelitian (Research Question) sebagai berikut. RQ1: Apakah penggunakan sistem rekomendasi dengan algoritma collaborative filtering mengalami peningkatan? RQ2: Apasajakah fokus dan tujuan penelitian dengan menggunakan collaborative filtering? RQ3: Sub-disiplin ilmu apa yang sering menggunakan collaborative filtering? Sebagai hasil dari tinjauan pustaka, 42 jurnal dipilih sebagai bahan Analisa yang diterbitkan antara tahun 2014 sampai dengan 2019. Hasil penelitian menunjukkan adanya keakuratan tingkat rekomendasi dari metode dan algoritma yang digunakan, dan menjawab pertanyaan selanjutnya (RQ2 dan RQ3). Kata kunci: Sistem Rekomendasi, Collaborative Filtering, Graph Database]]>
<![CDATA[PERBANDINGAN KINERJA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI HERREGISTRASI ]]>
<![CDATA[Megira, Selvy]]>;
<![CDATA[Kusrini, Kusrini]]>;
<![CDATA[Luthfi, Emha Taufiq]]>
<![CDATA[ SISKOMTI: Jurnal Sistem Informasi Komputer dan Teknologi Informasi Vol. 2 No. 2 (2020): Agustus 2020 ]]>
Publisher : <![CDATA[Universitas Lembah Dempo ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54342/qjc4j706
<![CDATA[Penelitian dengan judul “ Perbandingan Kinerja Naive Bayes dan Support Vector Machine untuk Prediksi Herregistrasi “ bertujuan untuk mengetahui perbandingan kinerja naive bayes dan support vector machine dalam melakukan prediksi herregistrasi dengan parameter akurasi dan AUC menggunakan skenario pengujian dengan split validation yang nantinya akan dapat dijadikan acuan bagi pihak universitas untuk melakukan kebijakan bagi para mahasiswa khususnya yang berpotensi mengalami tidak melakukan herregistrasi. Pada penelitian ini hanya melakukan prediksi herregistrasi calon mahasiswa baru pada fakultas ilmu komputer untuk angkatan tahun 2015 sampai dengan tahun 2017 dengan menggunakan metode algoritma naive bayes dan support vector machine. Akurasi yang dihasilkan pada metode naive bayes yaitu 93,54% dan AUC 0,946 sedangkan pada metode support vector machine yaitu 92,67% dan AUC 0,877 menggunakan kernel RBF dengan parameter cost (C) 1,0 dan Epsilon 0,0. Selain itu performa akurasi dan AUC sangat berpengaruh apabila dilakukan penghapusan terhadap salah satu variabel yang digunakan.]]>
<![CDATA[Penerapan Simple Additive Weighting pada Pemilihan Canvasser Terbaik PT.Eratel Prima ]]>
<![CDATA[Hardita, Veny Cahya]]>;
<![CDATA[Utami, Ema]]>;
<![CDATA[Luthfi, Emha Taufiq]]>
<![CDATA[ Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer, Universitas Brawijaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (3086.595 KB)
|
DOI: 10.25126/jtiik.2019651218
<![CDATA[Bagi PT. Eratel Prima, canvasser merupakan ujung tombak dalam suatu perusahaan yang bergerak pada bidang pendistribusian produk indosat. Perusahaan ini mengandalkan modal dari Indosat sehingga penilaian Key Performance Indicator sangat penting untuk perusahaan ini. Canvasser sangatlah berpengaruh pada penilaian KPI ini. Sebagai ujung tombak perusahaan, tentu sangat penting untuk memelihara konsistensi dari kinerja canvasser. Untuk memberikan semangat pada canvasser, maka perusahaan memberikan apresiasi berupa bonus setiap bulan bagi canvasser yang memiliki kinerja terbaik. Dalam proses penilaian canvasser terbaik dilakukan oleh Head of Marketing. Namun, proses penilaian masih dilakukan secara penilaian masih subjektif dan tidak relevan dengan situasi aktual. Selain itu, proses penilaian masih manual sehingga membutuhkan waktu lama untuk melakukan pengolahan data. Hal inilah yang menjadi latar belakang untuk membuat sebuah sistem guna memilih canvasser terbaik Metode pengambilan keputusan yang digunakan adalah metode Simple Additive Weighting (SAW). Metode ini digunakan untuk menentukan nilai pembobotan setiap kriteria, yang kemudian dilakukan proses peringkat untuk menentukan alternatif terbaik dari sejumlah alternatif. Hasil perhitungan akhir dari sistem dan hasil perhitungan manual menunjukkan hasil yang sama dengan menggunakan 10 canvasser yang dinilai, dan canvasser mendapat nilai tertinggi yaitu Eko dengan nilai 18.6667 yang terpilih untuk menjadi canvasser terbaik.AbstractFor PT. Eratel Prima, Canvasser is a company’s spearhead for indosat product distribution. Indosat as the investor of this company require a good evaluation of Key Performance Indicator (KPI). Canvasser’s role is very influential for KPI score. As a company’s spearhead, it is very important to maintenance the consistency of canvasser performance. To encourage their spirit, the company give a monthly reward in the form of bonuses for a canvasser with the best performance. The assessment process done by the Head of Marketing. But this assessment process done with manual method and for data process require more time. In addition, the assessment is still subjective and not relevant with actual situation. Based on this problem, it needed a system to select the best canvasser. The used method for decision support system is Simple Additive Weighting (SAW). This method used to determine the weighting value of each criterion, and then carried out a ranking process to determine the best alternative from a number of alternatives. The result of this research are the ranking and further recommendation for the best canvasser.]]>
<![CDATA[Systematic Literature Review Of Particle Swarm Optimization Implementation For Time-Dependent Vehicle Routing Problem ]]>
<![CDATA[Diah, M.]]>;
<![CDATA[Setyanto, Arief]]>;
<![CDATA[Luthfi, Emha Taufiq]]>
<![CDATA[ JOIN (Jurnal Online Informatika) Vol 7 No 1 (2022) ]]>
Publisher : <![CDATA[Department of Informatics, UIN Sunan Gunung Djati Bandung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.15575/join.v7i1.804
<![CDATA[Time-dependent VRP (TDVRP) is one of the three VRP variants that have not been widely explored in research in the field of operational research, while Particle Swarm Optimization (PSO) is an optimization algorithm in the field of operational research that uses many variables in its application. There is much research conducted about TDVRP, but few of them discuss PSO's implementation. This article presented as a literature review which aimed to find a research gap about implementation of PSO to resolve TDVRP cases. The research was conducted in five stages. The first stage, a review protocol defined in the form of research questions and methods to perform the review. The second stage is references searching. The third stage is screening the search result. The fourth stage is extracting data from references based on research questions. The fifth stage is reporting the study literature results. The results obtained from the screening process were 37 eligible reference articles, from 172 search results articles. The results of extraction and analysis of 37 reference articles show that research on TDVRP discusses the duration of travel time between 2 locations. The route optimization parameter is determined from the cost of the trip, including the total distance traveled, the total travel time, the number of routes, and the number used vehicles. The datasets that are used in research consist of 2 types, real-world datasets and simulation datasets. Solomon Benchmark is a simulation dataset that is widely used in the case of TDVRP. Research on PSO in the TDVRP case is dominated by the discussion of modifications to determine random values of PSO variables.]]>
