Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Jurnal of Information Technology and Society (JITS)

Pengembangan Chatbot Layanan Publik Menggunakan Machine Learning Dan Natural Languange Processing Mustaqim, Muhamad; Gunawan, Ari; Pratama , Yudistira Bagus; Zaliman, Iski
jits Vol 1 No 1 (2023): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v1i1.16

Abstract

Dalam era digital yang semakin berkembang seperti sekarang ini, chatbot menjadi salah satu inovasi teknologi yang banyak digunakan sebagai media komunikasi dengan pengguna dalam berbagai bidang, termasuk layanan publik. Chatbot memiliki kemampuan untuk menjawab pertanyaan dan memberikan solusi dalam waktu yang lebih cepat dan efisien dibandingkan dengan interaksi manusia ke manusia. chatbot dapat membantu pelayanan publik dengan cepat serta responsive.Metodologi penelitian adalah gagasan ilmiah secara rasional, empiris, dan sistematis yang digunakan untuk melakukan suat kegiatan penelitian. Dalam penelitian rancang bangun chatbot ini, penulis menggunakan metode penelitian studi kasus. Studi kasus merupakan pendekatan yang lebih memfokuskan tentang apa yang sedang diteliti yang mana dapat memaksimalkan pemahaman tentang kasus yang sedang ditelitiKebutuhan perangkat lunak merupakan faktor-faktor yang harus dipenuhi untuk merancang sebuah perangkat lunak (aplikasi) sehingga perangkat lunak tersebut sesuai dengan maksud dan tujuan pembuatan. Default Chatbot layanan publik adalah proses awal dimana user pertama kali memulai chatbot atau memberikan sapaan kepada chatbot, lalu ‘bot’ akan memberi respon yang sesuai dengan training phrases. Misal: ‘Hai’ atau ‘hallo''.Chatbot layanan publik yang menggunakan teknologi machine learning dan natural language processing (NLP) dapat membantu meningkatkan kualitas pelayanan publik dengan menyediakan layanan yang lebih cepat, akurat, dan efisien
Penerapan Splunk Terhadap Analisis File Log Anomaly Keamanan Ramdani, Al Ahfaz Reza; Suheni; Emikawati; Pratama, Yudistira Bagus
jits Vol 1 No 1 (2023): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v1i1.18

Abstract

Dalam hal ini menjelaskan tentang penerapan splunk terhadap analisis file log anomaly keamanan. Kami fokus pada pendeteksian anomali dari log file, yaitu peristiwa yang memerlukan pemeriksaan lebih dalam oleh analis. File log tersebut kemudian digunakan untuk menganalisis dan men-debug kegagalan sistem. Karena utilitas penting ini, para peneliti telah berupaya menemukan cara yang cepat dan efisien untuk mendeteksi anomali dalam sistem komputer dengan menganalisis catatan lognya. Penelitian dalam deteksi anomali berbasis log dapat dibagi menjadi dua kategori utama: deteksi anomali berbasis log batch dan deteksi anomali berbasis log streaming. Deteksi anomali berbasis log batch berat secara komputasi dan tidak memungkinkan kami untuk mendeteksi anomali secara instan. Di sisi lain, deteksi anomali streaming memungkinkan peringatan segera. Namun, pendekatan streaming saat ini sebagian besar diawasi. File log memberikan wawasan tentang keadaan sistem komputer dan memungkinkan deteksi kejadian anomali yang relevan dengan keamanan dunia maya. Namun, sulit untuk menganalisis data log secara otomatis karena mengandung sejumlah besar pesan tidak terstruktur dan beragam yang dikumpulkan dari sumber yang heterogen. Oleh karena itu, beberapa pendekatan yang memadatkan atau meringkas data log melalui teknik pengelompokan telah diusulkan. Memilih pendekatan yang tepat untuk domain aplikasi tertentu, bagaimanapun, bukan hal sepele, karena algoritme dirancang untuk tujuan dan persyaratan tertentu.
Pengembangan Sistem Absensi Mahasiswa Magang PLN Icon Plus Bangka Belitung dengan Pengenalan Wajah menggunakan Computer Vision dan Algoritma Deep Learning Suheni, Suheni; Pratama, Suprayuandi; Altiarika, Eka; Pratama, Yudistira Bagus
Jurnal Teknologi Informasi dan Masyarakat Vol 2 No 2 (2024): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v2i2.44

Abstract

Pengembangkan aplikasi absensi pengenalan wajah bagi mahasiswa magang di PLN Icon Plus Bangka Belitung dengan menggunakan teknologi computer vision dan algoritma deep learning diharapkan dapat meningkatkan efisiensi waktu proses absensi dengan mengurangi ketergantungan pada metode absensi manual yang memakan waktu dan rawan kesalahan. Pengembangan aplikasi ini menggunakan teknik computer vision untuk mendeteksi dan mengenali wajah siswa, sedangkan algoritma deep learning digunakan untuk meningkatkan akurasi dan kecepatan pengenalan wajah. Algoritma deep learning, khususnya Convolutional Neural Networks (CNN), diterapkan untuk melatih model pengenalan wajah dengan dataset gambar wajah mahasiswa. Sistem ini dilengkapi dengan fitur manajemen data yang memungkinkan administrator untuk memantau dan mengelola data absensi secara real-time. Tujuan penggunaan sistem absensi pengenalan wajah adalah untuk mempercepat registrasi kehadiran serta meningkatkan keakuratan dan keamanan informasi kehadiran. Penelitian ini menggunakan metode kualitatif dengan model prototype untuk mengembangkan dan menguji aplikasi. Reaksi sistem selama kinerja pengenalan wajah dan registrasi kehadiran diukur untuk mengevaluasi seberapa besar aplikasi dapat meningkatkan efisiensi waktu kehadiran. Hasil penelitian menunjukkan bahwa dengan dikembangkannya aplikasi pengenalan wajah, proses absensi dapat dipercepat secara signifikan dan akurasi pencatatan kehadiran siswa pada saat praktik dapat ditingkatkan. Pengujian dilakukan pada berbagai kondisi pencahayaan dan sudut pandang untuk memastikan pengaplikasian optimal. Oleh karena itu, diharapkan aplikasi ini dapat menjadi solusi yang efektif dan efisien dalam menangani mahasiswa magang PLN Icon Plus Bangka Belitung.
Pengembangan Aplikasi Asisten Virtual Menggunakan Machine Learning Berbasis Mobile untuk Meningkatkan Pelayanan Kampus di Universitas Muhammadiyah Bangka Belitung Gunawan, Ari; Eka Altiarika; Suprayuandi Pratama; Yudistira Bagus Pratama
Jurnal Teknologi Informasi dan Masyarakat Vol 2 No 2 (2024): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v2i2.45

Abstract

The development of technology, particularly in the fields of artificial intelligence (AI) and machine learning, has transformed the paradigm of information services across various sectors, including education. This research aims to develop a mobile-based virtual assistant application using machine learning algorithms to enhance information accessibility at Universitas Muhammadiyah Bangka Belitung. The research methodology employed in this study is a qualitative approach with a waterfall development model. Data collection was conducted through observation, interviews, and questionnaire distribution. The research findings indicate that the developed virtual assistant application is capable of providing faster, more precise, and accurate information services to students, faculty, and other campus stakeholders. The benefits of this research include improved time efficiency in information services, reduction of errors in information delivery, and enhancement of campus reputation. This research has practical implications, including recommendations for Universitas Muhammadiyah Bangka Belitung to continue developing and implementing virtual assistant applications as part of a strategy to enhance technology-based information services in the future. This research's theoretical contributions expand the literature on the application of AI and machine learning technologies in higher education contexts in Indonesia, while also providing practical insights for other educational institutions interested in adopting similar technologies. Furthermore, this research opens up opportunities for further studies into the development of AI-based information systems in educational environments. Keywords: Virtual Assistant; Machine Learning; Artificial Intelligence; Mobile Application; Information Services
PENGENALAN POLA KASUS POTENSI BANJIR DI PANGKALPINANG DENGAN ALGORITMA RANDOM FOREST DAN XGBOOST MENGGUNAKAN GOOGLE EARTH ENGINE Randi Atul Aufa; Eka Altiarika; Arvi Pramudyantoro; Yudistira Bagus Pratama; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1415

Abstract

Banjir merupakan bencana yang sering terjadi di Kota Pangkalpinang dan menimbulkan dampak sosial serta ekonomi yang signifikan. Setiap tahun, curah hujan tinggi dan elevasi wilayah yang rendah menyebabkan genangan air di berbagai titik, mengganggu aktivitas masyarakat dan infrastruktur kota. Oleh karena itu, diperlukan sistem peringatan dini yang efektif berbasis teknologi untuk mengenali pola potensi banjir secara akurat dan cepat. Penelitian ini bertujuan untuk mengenali pola kasus banjir dengan menggabungkan data historis lingkungan dan iklim menggunakan algoritma pembelajaran mesin melalui platform Google Earth Engine (GEE). Metode yang digunakan dalam penelitian ini meliputi pengumpulan data spasial dan klimatologis dari GEE, seperti curah hujan, kelembapan tanah, suhu permukaan, tutupan lahan, dan elevasi. Data selanjutnya diproses menggunakan Google Colab, termasuk tahapan preprocessing dan feature engineering. Algoritma Random Forest dan XGBoost digunakan dalam pendekatan ensemble learning dengan metode soft voting. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1 Score. Hasil penelitian menunjukkan bahwa model memiliki performa tinggi dengan Accuracy 0.98, Precision 0.97, Recall 0.99 dan F1 Score 0.98. Prediksi potensi banjir tahun 2025–2030 menunjukkan tren perubahan jumlah titik banjir dengan probabilitas tinggi setiap tahunnya. Visualisasi pengenalan pola potensi banjir dalam bentuk peta interaktif di GEE mempermudah analisis spasial dan mendukung pengambilan keputusan mitigasi. Penelitian ini diharapkan dapat menjadi solusi praktis dalam peringatan dini dan strategi adaptasi terhadap bencana banjir.
Perbandingan Sentimen Komentar Youtube pada Video Promosi Bisnis Kuliner di Bangka Belitung Menggunakan Algoritma Machine Learning Al Ahfaz Reza Ramdani; Yudistira Bagus Pratama; Arvi Pramudyantoro; Eka Altiarika; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1416

Abstract

Penelitian ini membandingkan sentimen komentar youtube pada video promosi bisnis kuliner di Bangka Belitung menggunakan algoritma machine learning. Penelitian ini bertujuan untuk memahami persepsi masyarakat terhadap bisnis kuliner lokal yang tersebar di platform youtube, serta mengetahui algoritma mana yang lebih efektif dalam mengklasifikasikan sentimen komentar. Metode yang digunakan adalah analisis sentimen dengan pendekatan kualitatif. Algoritma machine learning yang digunakan adalah Support Vector Machine (SVM) dan Naïve Bayes. Data diperoleh melalui proses web scraping terhadap 27 video kuliner khas Bangka Belitung, seperti lempah kuning, mie Koba, otak-otak, dan martabak Bangka, yang kemudian dikumpulkan menjadi 13.692 komentar. Komentar-komentar tersebut diproses melalui tahapan preprocessing, seperti case folding, penghapusan simbol dan angka, tokenisasi, stopword removal, serta stemming. Setelah itu, dilakukan pelabelan sentimen secara manual dan otomatis untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Model klasifikasi kemudian dibangun menggunakan algoritma SVM dan Naïve Bayes, dan dilakukan evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa SVM memiliki akurasi lebih tinggi (86.55%) dibandingkan Naïve Bayes (84.63%). Hasil penelitian menunjukkan bahwa mayoritas komentar memiliki sentimen netral, dengan sedikit komentar positif dan negatif. Penelitian ini memberikan wawasan tentang sentimen masyarakat terhadap bisnis kuliner di Bangka Belitung, yang dapat bermanfaat bagi pelaku bisnis kuliner dalam meningkatkan strategi pemasaran dan pelayanan mereka.