Article Per Year (5 Year)
p-Index From 2021 - 2026
5.451
P-Index
This Author published in this journals
All Journal Sistemasi: Jurnal Sistem Informasi Jurnal Teknologi Informasi dan Pendidikan JURSIMA (Jurnal Sistem Informasi dan Manajemen) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer jurnal Teknik Industri - Unisi Community Development Journal: Jurnal Pengabdian Masyarakat SELODANG MAYANG Jurnal Karya Abdi Journal of Computer Science and Informatics Engineering Jurnal Armada Informatika Journal of Artificial Intelligence and Digital Business Indonesian Journal of Multidisciplinary on Social and Technology JURSIMA Journal of Innovative and Creativity Intechno Journal : Information Technology Journal Teknofile, Jurnal Sistem Informasi Abdimas, Jurnal Pengabdian Masyarakat JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Jurnal Perangkat Lunak
Fitri Yunita
Universitas Islam Indragiri
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
Sistem Pendukung Keputusan Pemilihan Wisma di Tembilahan Berbasis Website Menggunakan Metode AHP dan SAW M. Naofal Maulana Putra; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.9611

Abstract

Tembilahan sebagai ibu kota Kabupaten Indragiri Hilir mengalami pertumbuhan ekonomi dan mobilitas penduduk yang cukup tinggi, sehingga kebutuhan akan akomodasi penginapan terjangkau seperti wisma terus meningkat. Permasalahan yang muncul adalah banyaknya pilihan wisma dengan variasi harga dan kualitas yang beragam, sementara calon tamu belum memiliki panduan sistematis dalam menentukan pilihan terbaik. Penelitian ini bertujuan membangun sistem pendukung keputusan berbasis website untuk membantu proses pemilihan wisma secara lebih objektif dan terukur, menggunakan integrasi metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW). Objek penelitian mencakup sepuluh wisma di Tembilahan yang dievaluasi berdasarkan lima kriteria, yaitu harga, fasilitas, lokasi, pelayanan, dan kebersihan. Metode AHP diterapkan untuk menghitung bobot tiap kriteria berdasarkan penilaian tiga expert, menghasilkan bobot fasilitas 27,72%, harga 25,22%, kebersihan 16,88%, pelayanan 16,78%, dan lokasi 13,41%, dengan nilai Consistency Ratio sebesar 0,0357 yang dinyatakan konsisten. Bobot tersebut selanjutnya digunakan oleh metode SAW untuk menghitung nilai preferensi masing-masing wisma melalui proses normalisasi dan penjumlahan terbobot. Hasil perhitungan menunjukkan Wisma 3 Putri menempati peringkat pertama dengan skor preferensi 0,8462 karena memiliki nilai tinggi pada hampir seluruh kriteria benefit. Sistem dikembangkan menggunakan PHP native, MySQL, dan Bootstrap 5. Pengujian usability dilakukan menggunakan instrumen System Usability Scale terhadap 20 responden dan menghasilkan skor rata-rata 76,25 yang termasuk dalam kategori Good, menunjukkan sistem layak dan mudah digunakan.
Prediksi Kelulusan Tepat Waktu Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) Tasya Parmi; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.10092

Abstract

Memprediksi ketepatan waktu kelulusan mahasiswa merupakan kebutuhan yang sangat penting namun belum banyak dieksplorasi dalam tata kelola pendidikan tinggi, terutama di perguruan tinggi yang mana keterlambatan penyelesaian studi menimbulkan dampak merugikan terhadap status akreditasi dan efektivitas institusi. Penelitian ini berupaya mengoperasionalkan algoritma K-Nearest Neighbor (K-NN) sebagai pendekatan klasifikasi selektif untuk memprediksi apakah mahasiswa yang terdaftar di program Sistem Informasi Universitas Islam Indragiri akan lulus dalam batas waktu yang ditentukan. Dengan memanfaatkan data 153 catatan mahasiswa yang mencakup nilai IPK, semester dan SKS dataset tersebut melalui prapemrosesan yang terstruktur yang mencakup pembersihan data dan normalisasi Min-Max Scaling, dilanjutkan dengan pemisahan bertingkat menjadi subset pelatihan dan pengujian dengan rasio 90:10 melalui 10-fold Cross Validation. Eksperimen membuktikan bahwa k = 7 menghasilkan keseimbangan klasifikasi yang paling optimal. Penilaian evaluatif melalui perincian Confussion Matrix dan analisis Kurva ROC membuktikan keakuratan selektif model, yang menghasilkan akurasi keseluruhan sebesar 99,33%, recall 100% untuk kelompok lulusan tepat waktu, presisi 98,33%, dan skor F1 sebesar 99,09% , Area Under the Curve (AUC) mencapai nilai 0,990, yang mengonfirmasi potensi klasifikasi yang kuat dan ambang batas “sangat baik”. Temuan ini menegaskan bahwa K-NN merupakan mekanisme yang efisien secara komputasi dan dapat diandalkan secara epistemologis untuk memprediksi risiko kegagalan kelulusan sejak dini, sehingga memberikan landasan informasi yang dapat ditindaklanjuti kepada pengelola akademik guna melakukan intervensi yang tepat waktu dan meningkatkan indikator akreditasi institusi.
Automation Testing pada Website Konseling Mahasiswa (Sikosa) Menggunakan Jest Muhammad Aidil; Muhammad Jibril; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.11863

Abstract

Sistem Konseling Mahasiswa (SiKosa) merupakan platform berbasis web yang dirancang untuk mendukung layanan konseling daring bagi mahasiswa melalui fitur autentikasi, pengelolaan profil, konsultasi, chat, chatbot, serta pengelolaan pengguna dan artikel. Kompleksitas fitur dan pembaruan sistem secara berkala menuntut proses pengujian yang konsisten, efisien, dan terdokumentasi. Penelitian ini bertujuan menerapkan automation testing pada website SiKosa menggunakan framework Jest dengan pendekatan Software Testing Life Cycle (STLC) untuk memastikan setiap fungsi berjalan sesuai kebutuhan sistem. Tahapan penelitian meliputi requirement analysis, test planning, test case development, test environment setup, test execution, dan test closure. Pengujian dilakukan terhadap tujuh kelompok fitur yang melibatkan peran mahasiswa, psikolog, dan administrator. Dua pendekatan digunakan, yaitu unit testing untuk menguji service layer secara terpisah menggunakan mock serta integration testing untuk menguji endpoint Application Programming Interface melalui HTTP request dengan database aktual dan Supertest. Test case disusun berdasarkan kebutuhan fungsional, mencakup jalur positif dan negatif, serta dieksekusi secara berurutan melalui Command Line Interface Jest. Hasil pengujian menunjukkan bahwa seluruh 26 test case dalam 26 test suite berhasil dijalankan dengan status lulus dan menghasilkan test pass rate sebesar 100%. Pengujian mengonfirmasi bahwa validasi masukan, pengelolaan sesi, otorisasi berbasis peran, respons layanan, dan konsistensi data berfungsi sesuai spesifikasi. Penerapan Jest dengan tahapan STLC terbukti mendukung pengujian SiKosa yang lebih cepat, terstruktur, konsisten, dapat diulang, dan terdokumentasi.
Analisis Sentimen Pengguanaan ChatGPT di Kalangan Mahasiswa dalam Pembelajaran menggunakan Metode Naïve Bayes Siti Noraisyah; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12250

Abstract

Perkembangan teknologi Artificial Intelligence (AI), khususnya ChatGPT, telah memberikan pengaruh yang signifikan terhadap proses pembelajaran di perguruan tinggi. ChatGPT dimanfaatkan oleh mahasiswa sebagai media pendukung untuk memahami materi, mencari referensi, dan menyelesaikan tugas akademik. Namun, penggunaan teknologi tersebut juga memunculkan berbagai persepsi yang perlu dianalisis. Penelitian ini bertujuan untuk menganalisis sentimen mahasiswa terhadap penggunaan ChatGPT dalam pembelajaran menggunakan metode Naïve Bayes. Data penelitian diperoleh melalui penyebaran kuesioner kepada 73 mahasiswa yang pernah menggunakan ChatGPT sebagai alat bantu belajar. Jawaban responden dikonversi ke dalam skala Likert, kemudian dilakukan pelabelan sentimen ke dalam kategori positif, netral, dan negatif berdasarkan skor total. Dataset dibagi menjadi data pelatihan sebesar 80% dan data pengujian sebesar 20% sebelum dilakukan proses klasifikasi menggunakan algoritma Gaussian Naïve Bayes. Hasil pelabelan sentimen menunjukkan bahwa 58,90% responden memiliki sentimen positif dan 41,10% memiliki sentimen netral, serta tidak ditemukan sentimen negatif terhadap penggunaan ChatGPT dalam pembelajaran. Selanjutnya, hasil evaluasi model Naïve Bayes menunjukkan tingkat akurasi sebesar 93,33% dengan nilai precision kelas netral sebesar 86% dan kelas positif sebesar 100%, nilai recall kelas netral sebesar 100% dan kelas positif sebesar 89%, serta rata-rata F1-Score sebesar 93%. Temuan ini menunjukkan bahwa ChatGPT diterima secara positif oleh sebagian besar mahasiswa sebagai media pendukung pembelajaran. Selain itu, metode Naïve Bayes terbukti mampu mengklasifikasikan sentimen mahasiswa secara efektif dengan tingkat akurasi yang tinggi sehingga dapat digunakan sebagai salah satu metode analisis sentimen pada data hasil kuesioner.
Evaluasi Kualitas Layanan dan Keamanan Aplikasi Dana pada Generasi Z Menggunakan Metode E-Servqual Karmila Karmila; Abdullah Abdullah; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12386

Abstract

Meningkatnya adopsi dompet digital di Indonesia turut memunculkan persoalan mutu layanan dan keamanan sistem, khususnya bagi Generasi Z sebagai kelompok digital native yang mendominasi pengguna teknologi finansial namun kritis terhadap kenyamanan serta perlindungan data. Penelitian ini bertujuan mengukur tingkat kualitas layanan, menganalisis keamanan yang dirasakan, serta mengidentifikasi kesenjangan (gap) antara harapan dan persepsi pengguna aplikasi DANA di Kelurahan Sungai Empat. Pendekatan kuantitatif deskriptif digunakan dengan metode E-SERVQUAL melalui kuesioner skala Likert kepada 100 responden yang dipilih secara purposive sampling, kemudian diuji validitas dan reliabilitasnya menggunakan SPSS sebelum dihitung selisih persepsi dan harapan pada enam dimensi. Hasil menunjukkan seluruh dimensi bernilai gap negatif dengan total sebesar -0,46 (harapan 4,45; persepsi 3,99); efficiency memiliki kesenjangan tersempit, sementara privacy tercatat paling lebar, menegaskan bahwa aspek keamanan data dan transparansi kebijakan privasi menjadi perhatian utama. Disimpulkan bahwa layanan DANA belum sepenuhnya memenuhi ekspektasi Generasi Z, sehingga disarankan penguatan sistem keamanan, mekanisme kompensasi, serta daya tanggap layanan secara berkelanjutan agar kesenjangan tersebut dapat diperkecil di masa mendatang.
Sistem Pakar Diagnosa Penyakit pada Pohon Pinang Menggunakan Metode Forward Chaining Marliyah Marliyah; Abdul Muni; Fitri Yunita
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12407

Abstract

Pohon pinang merupakan salah satu komoditas Perkebunan yang memiliki nilai ekonomi tinggi, namun tingkat produktivitasnya dapat menurun akibat serangan berbagai jenis penyakit yang sulit dikenali oleh petani karena eterbatasan pengetahuan petani sera minimnya akses terhadap tenaga pakar. Kondisi tersebut mengakibatkan proses diagnosis penyakit masih dilakukan secara manual sehingga penanganannya menjadi kurang optimal. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web untuk mengidentifikasi penyakit yang menyerang pohon pinang, dengan mengimplementasikan metode Forward Chaining dalam proses identifikasi penyakit berdasarkan gejala yang dipilih pengguna, serta menguji kelayakan sistem dalam membantu proses diagnosis penyakit. Metode penelitian yang diterapkan meliput observasi, wawancara, studi literatur, analisis kebutuhan, perancangan, implementasi, dan pengujian sistem. Sistem dibangun dengan memanfaatkan basis pengetahuan yang terdiri atas data gejala, penyakit, aturan, dan solusi penanganan. Evaluasi sistem dilakukan menggunakan Black Box Testing untuk memastikan setiap fungsi berjalan sesuai dengan kebutuhan,  selain itu dilakukan usability testing melalui penyebaran kuesioner kepada 25 responden untuk menilai Tingkat kemudahan penggunaan sistem. Hasil penelitian menunjukkan bahwa sistem dapat menentukan jenis penyakit berdasarkan gejala yang dipilih pengguna, menampilkan persentase kecocokan beserta solusi penanganan, dan seluruh fitur sistem berfungsi sesuai dengan rancangan dan kebutuhan pengguna. Selain itu, hasil evaluasi usability memperlihatkan bahwa sistem memperoleh penilaian yang baik dari responden. Dengan demikian, sistem pakar yang dibangun dapat membantu petani maupun pengguna dalam mengidentifikasi penyakit pada pohon pinang secara lebih cepat, mudah, dan tepat.
Implementasi E-Learning untuk Meningkatkan Efektivitas Pembelajaran Bahasa Inggris di MTsS Tunas Harapan Tembilahan Alexander Syafa'at; Fitri Yunita; Bayu Rianto
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12614

Abstract

Transformasi digital dalam bidang pendidikan mendorong pemanfaatan teknologi pembelajaran yang dapat diakses secara fleksibel, terutama untuk mengatasi keterbatasan pembelajaran tatap muka. Penelitian ini bertujuan mengembangkan sistem E-Learning berbasis web untuk meningkatkan efektivitas pembelajaran Bahasa Inggris di MTsS Tunas Harapan Tembilahan. Pengembangan sistem menggunakan metode System Development Life Cycle dengan model Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Analisis kebutuhan dilakukan menggunakan pendekatan SWOT, sedangkan perancangan sistem menggunakan Unified Modeling Language berupa Use Case Diagram, Activity Diagram, Sequence Diagram, dan Class Diagram. Sistem dibangun menggunakan Node.js, TypeScript, basis data MongoDB, arsitektur REST API, serta integrasi Zoom untuk mendukung pertemuan virtual. Fitur yang dikembangkan mencakup pengelolaan materi, latihan, tugas, kosakata berbasis Spaced Repetition System, penilaian, dan pertemuan virtual dengan pembagian hak akses administrator, guru, dan siswa. Pengujian fungsional dilakukan melalui Black Box Testing, sedangkan penerimaan pengguna diukur menggunakan kuesioner Skala Likert. Hasil pengujian menunjukkan bahwa seluruh fitur berjalan sesuai kebutuhan tanpa kesalahan fungsional. Penilaian pengguna menghasilkan persentase 84,8% dari guru dan 81,36% dari siswa, dengan nilai keseluruhan 82,34% yang termasuk kategori sangat layak. Dengan demikian, sistem E-Learning yang dikembangkan layak digunakan sebagai media pendukung pembelajaran Bahasa Inggris karena mampu memperluas akses materi, mendukung latihan mandiri, memfasilitasi interaksi virtual, serta meningkatkan pemahaman dan intensitas belajar siswa di dalam maupun di luar jam sekolah.
Optimasi Metode K-Nearest Neighbor (KNN) pada Klasifikasi Tingkat Kematangan Buah Pinang Menggunakan Citra Digital Shofi Camila Laisya Amanda; Fitri Yunita; Samsudin Samsudin
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12727

Abstract

Penentuan tingkat kematangan buah pinang secara manual masih bergantung pada pengamatan visual, sehingga rentan terhadap kesalahan, subjektivitas, dan ketidakkonsistenan akibat perbedaan pengalaman pengamat serta kondisi pencahayaan. Penelitian ini bertujuan mengoptimasi metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan tingkat kematangan buah pinang menggunakan citra digital berdasarkan variasi nilai parameter K. Dataset terdiri atas 360 citra buah pinang yang dikelompokkan ke dalam empat kelas, yaitu muda, sedang, tua, dan kering, dengan pembagian 300 citra sebagai data latih dan 60 citra sebagai data uji. Tahapan penelitian mencakup akuisisi data, pra-pemrosesan berupa penghapusan latar belakang, cropping, dan resize menjadi 64 × 64 piksel, kemudian ekstraksi 17 fitur yang terdiri atas 12 fitur warna RGB dan HSV serta 5 fitur tekstur Gray Level Co-occurrence Matrix (GLCM). Proses klasifikasi menggunakan jarak Euclidean dengan pengujian nilai K sebesar 1, 3, 5, 7, dan 9. Kinerja model dievaluasi menggunakan accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa seluruh variasi nilai K menghasilkan performa yang identik, yaitu accuracy 96,67%, precision 97,06%, recall 96,67%, dan F1-score 96,65%. Dari 60 citra uji, sebanyak 58 citra berhasil diklasifikasikan dengan benar. Nilai K = 1 dipilih sebagai parameter optimal karena memberikan performa tinggi dengan konfigurasi paling sederhana. Temuan ini menunjukkan bahwa kombinasi fitur RGB, HSV, dan GLCM efektif merepresentasikan karakteristik visual kematangan buah pinang.
Co-Authors A. Rukib A. Wahyuni Abdul Muni Abdullah Abdullah Abdullah Abdullah Achmad Isya Alfassa Agung Agung Agung Indra Agung Pratama Wiranata Alexander Syafa'at Alexander Syafa'at Andi Yusapri andilau Andilau Asniati Bindas Ayu Sri Rahinda Bayu Rianto Bayu Rianto Dwi Yuli Prasetyo Dwi Yuli Prasetyo Dwi Yuli Prasetyo Eka Wahyuni Endy Sudeska Endy Sudeska Fanisha Juliananda Putri Hasnaini Hasnaini Ilyas, Ilyas Jibril, Muhammad Jusatria Jusatria Karmila Karmila M. Naofal Maulana Putra M. Rizki Mahrifan Marliyah Marliyah Muh. Rasyid Ridha Muhammad Aidil Muhammad Amin Muhammad Amin Muhammad Bambang Iswanto Muhammad Bambang Iswanto Muhammad Farhan Alkarim Muhammad Muhammad Muhammad Muhammad Nurnaila Maharani Rahma Rahma Ria Oktafiani Ricky Setiawan Riska Sari Rosi Rahayu Marlis Safrizal Taher Samsudin, Samsudin Shofi Camila Laisya Amanda Siti Noraisyah Sofyan Syafrizal Taher Syafrizal Thaher Syahruni Runi Tasya Parmi Usman, Usman Zulrahmadi