Article Per Year (5 Year)
p-Index From 2021 - 2026
15.555
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer ELINVO (Electronics, Informatics, and Vocational Education) Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) J-Intech (Journal of Information and Technology)
Satrio Hadi Wijoyo
Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember, Surabaya
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 138 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 138 Documents
Search

 10   11   12   13   14 
Pengembangan Sistem Informasi Klasifikasi Bidang Penelitian Skripsi Berdasarkan Judul Dan Abstrak Menggunakan Algoritma Support Vector Machine Susanto, Ananta Risky; Wijoyo, Satrio Hadi; Rachmadi, Aditya
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Artikel ini telah diterbitkan pada JITECS
Perbandingan Antara Pembelajaran Tatap Muka dan Pembelajaran Dalam Jaringan Pada Aspek Motivasi Belajar, Kemandirian Belajar, dan Kemampuan Belajar Kolaboratif Siswa Kelas 11 Jurusan Rekayasa Perangkat Lunak di Sekolah Menengah Kejuruan Negeri 6 Malang dicky setiawan, chandra; Herlambang, Admaja Dwi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada kondisi pandemi pendidik perlu untuk membandingkan antara dua metode pembelajaran yang sesuai pada kondisi pandemi yaitu pemelajaran tatap muka dan pembelajaran dalam jaringan dalam aspek motivasi belajar, kemandirian belajar dan kemampuan belajar kolaboratif. Penelitian ini menggunakan metode penelitian kuantitatif yaitu metode yang memiliki pendekatan data numerik dan analisis statistik.  Metode pengumpulan data penelitian menggunakan kuesioner yang dilakukan secara tatap muka di dalam kelas. Responden yang digunakan untuk pengambilan kuesioner berjumlah 85 siswa jurusan rekayasa perangkat lunak SMKN 6 Malang. Penelitian ini menggunakan uji korelasi untuk dapat membuktikan hipotesis. Hasil penelitian membuktikan bahwa (1) pada metode pembelajaran tatap muka hasil yang didapatkan dalam aspek motivasi belajar, kemandirian belajar dan belajar kolaboratif menunjukkan hasil nilai signifikansi yaitu mendapatkan pengaruh sebesar 74.1% dari peserta didik. (2) pada metode pembelajaran daring menunjukkan hasil nilai signifikansi yaitu mendapatkan pengaruh sebesar 58.5% dari peserta didik. (3) mengacu dari data penelitian antara pemelajaran tatap muka dan daring dapat disimpulkan metode pembelajaran tatap muka lebih efektif dibandingkan dengan metode pembelajaran daring.
Evaluasi Penerimaan Penggunaan AI Chatbot Veronika pada Layanan Pelanggan Digital Telkomsel Menggunakan TAM dan Variabel Trust Farrel, Zhafa Anbiya Ananta; Rachmadi, Aditya; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 5 (2026): Mei 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Transformasi digital mendorong Telkomsel mengimplementasikan AI chatbot Veronika sebagai layanan pelanggan digital. Keberhasilan adopsinya bergantung pada penerimaan pengguna, namun integrasi trust ke dalam Technology Acceptance Model (TAM) pada konteks chatbot telekomunikasi di Indonesia masih belum terjawab celah yang dikonfirmasi melalui analisis bibliometrik terhadap 107 artikel terindeks Scopus. Penelitian ini menganalisis pengaruh trust, perceived ease of use (PEOU), dan perceived usefulness (PU) terhadap behavioral intention (BI) penggunaan Veronika, termasuk peran mediasi PU. Pendekatan kuantitatif explanatory digunakan dengan kuesioner Likert 5 poin terhadap 232 mahasiswa S1 Universitas Brawijaya yang dianalisis menggunakan PLS-SEM (SmartPLS 4.0). Hasil menunjukkan seluruh tujuh hipotesis diterima: trust berpengaruh terhadap PU (β = 0,347) dan BI (β = 0,278), PEOU terhadap PU (β = 0,160) dan BI (β = 0,164), PU terhadap BI (β = 0,275), serta PU memediasi secara parsial komplementer pengaruh trust (β tidak langsung = 0,095; t = 2,812; p = 0,005) dan PEOU (β tidak langsung = 0,044; t = 2,147; p = 0,032) terhadap BI. Model menjelaskan 30,1% varians BI dan 18,6% varians PU, dengan jalur trust→PU sebagai prediktor terkuat (f² = 0,128). Temuan ini membuktikan bahwa trust merupakan konstruk determinan yang memberikan nilai tambah eksplanatori pada TAM, baik secara langsung maupun melalui mediasi PU, dalam konteks layanan pelanggan berbasis AI.
Pengembangan Sistem Informasi Penilaian Lesson Study dan Non Lesson Study Berbasis Website pada Aktivitas Pengenalan Lapangan Persekolahan Fakultas Ilmu Komputer Universitas Brawijaya Alifian, Faris Ihsan; Wijoyo, Satrio Hadi; Pramono, Djoko
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kegiatan Pengenalan Lapangan Persekolahan (PLP) di Fakultas Ilmu Komputer Universitas Brawijaya masih menghadapi kendala administratif karena proses penilaian, pengarsipan dokumen, dan pengumpulan hasil kegiatan belum sepenuhnya terintegrasi dalam satu sistem. Kondisi tersebut menimbulkan risiko duplikasi data, inkonsistensi arsip, serta beban administratif bagi aktor yang terlibat. Penelitian ini bertujuan mengembangkan sistem informasi penilaian Lesson Study dan Non Lesson Study berbasis website yang mampu mengintegrasikan proses penilaian PLP, mengurangi aktivitas administratif, serta memenuhi kebutuhan pengguna. Pengembangan sistem dilakukan menggunakan model Waterfall yang meliputi analisis kebutuhan, perancangan, implementasi, dan pengujian. Analisis proses bisnis menggunakan Business Process Model and Notation (BPMN) dan Business Process Improvement (BPI), sedangkan pengujian dilakukan melalui Black Box Testing dan User Acceptance Testing berbasis karakteristik ISO/IEC 25010. Sistem dikembangkan menggunakan Laravel pada sisi backend serta Inertia.js, ReactJS, dan TypeScript pada sisi frontend. Hasil penelitian menunjukkan sistem berhasil mengintegrasikan proses penilaian PLP dalam satu platform. Jumlah aktivitas administratif pada proses penilaian berkurang dari 33 aktivitas menjadi 19 aktivitas, atau turun 42%. Seluruh skenario Black Box Testing memperoleh status berhasil, sedangkan pengujian penerimaan pengguna memperoleh indeks 92% dengan kategori sangat setuju. Hasil tersebut menunjukkan bahwa sistem dapat mengurangi beban administrasi pada tingkat proses, berjalan sesuai kebutuhan, dan diterima oleh pengguna.
Pengembangan E-Modul Materi Topologi Jaringan Sebagai Media Pembelajaran di SMAN 3 Malang Menggunakan Metode ADDIE Laksmana, Adysha Jauseva; Wijoyo, Satrio Hadi; Wardhono, Wibisono Sukmo
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 6 (2026): Juni 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kurikulum Merdeka sebagai struktur pembelajaran menuntut siswa untuk lebih berpartisipasi dalam proses pembelajaran. Saat ini terdapat berbagai jenis media pembelajaran yang bersifat interaktif untuk memenuhi capaian tersebut, salah satunya yaitu berupa e-modul (electronic module). E-modul menggabung berbagai jenis media dengan upaya untuk menyajikan informasi secara terstruktur dan menarik. Tujuan dari penelitian ini adalah untuk mengetahui struktur desain e-modul dari penelusuran kebutuhan, serta nilai efektivitas dari segi materi, media dan pemenuhan kebutuhan pengguna. E-modul dibuat melalui Figma dan Flip PDF Professional dengan metode penelitian model ADDIE (Analyze, Design, Develop, Implement, Evaluation). Teknik pengumpulan data yang digunakan berupa observasi dan pembagian kuesioner google form untuk ahli materi, ahli media dan siswa SMA Negeri 3 Malang, spesifiknya pada pembelajaran materi Topologi Jaringan. Hasil dari dua jenis ahli yang diukur menggunakan rumus Aiken V menunjukkan nilai skala tinggi, yaitu 0,8375 dari ahli materi dan 0,904167 dari ahli media. Sementara itu hasil dari siswa yang diukur dengan statistik deskriptif menunjukkan nilai rata-rata 79,1 atau sebesar 83,6% (sangat baik), median 80, modus 82 dan 85 dengan ukuran skewness condong ke kiri dan koefisien kurtosis sebesar 2,61. Implementasi e-modul bisa dibilang efektif dan telah memenuhi kebutuhan pengguna, namun perlu diperhatikan bahwa sampel data dari siswa kurang variatif untuk menentukan efektivitas dari e-modul secara mutlak.
Perbandingan Metode Naïve Bayes dan K-Nearest Neighbor dalam Analisis Sentimen Pada Ulasan Google Play Store Terhadap Aplikasi (SIGNAL) Samsat Digital Nasional Pinem, Gilbert Aryaduta; Pinem, Gilbert; Wijoyo, Satrio Hadi; Rahayudi, Bayu
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 7 No 1 (2026): Agustus
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/3b9n5r39

Abstract

Samsat Digital Nasional (SIGNAL) merupakan aplikasi pelayanan publik yang berperan penting dalam proses pendaftaran dan pengesahan STNK secara digital. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu Naïve Bayes dan K-Nearest Neighbor (KNN), dalam analisis sentimen ulasan pengguna aplikasi SIGNAL, serta melakukan root cause analysis (RCA) terhadap ulasan bersentimen negatif. Data penelitian berupa 705 ulasan pengguna aplikasi SIGNAL yang diperoleh dari Google Play Store pada periode Juni 2023 hingga Juni 2024, dengan pengambilan data dilakukan pada 4 Juni 2024. Ulasan yang digunakan mencakup keseluruhan penilaian bintang dari 1 hingga 5 dan dipilih berdasarkan relevansi serta keterkinian setiap bulan. Seluruh data kemudian dilabeli menjadi dua kelas sentimen, yaitu positif dan negatif, dengan hasil 427 ulasan positif dan 278 ulasan negatif. Tahapan text preprocessing meliputi penghapusan data duplikat, case folding, penghapusan angka dan tanda baca, tokenizing, normalisasi kata tidak baku menjadi kata baku, serta pemilahan kata berdasarkan kamus InSet (Koto, 2017). Data selanjutnya dibobotkan menggunakan metode TF-IDF dan diseimbangkan menggunakan Random Under Sampler sebelum dilakukan proses klasifikasi. Evaluasi model dilakukan menggunakan K-Fold cross validation untuk meningkatkan keandalan hasil. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memiliki kinerja lebih baik dengan nilai akurasi sebesar 83,8%, dibandingkan KNN yang memperoleh akurasi 80,7% dengan nilai K terbaik sebesar 15. Analisis RCA pada ulasan negatif mengidentifikasi permasalahan pada aspek application services meliputi akses dan login, pendaftaran kendaraan, serta pembayaran, serta pada aspek customer services yang mencakup layanan pengaduan dan keterlambatan respon.   Abstract Samsat Digital Nasional (SIGNAL) is a pivotal application for digital public services, specifically regarding the registration and validation of Vehicle Registration Certificates (STNK). This study compares Naïve Bayes and K-Nearest Neighbor (KNN) algorithms for sentiment analysis and performs a Root Cause Analysis (RCA) on negative user reviews. A total of 705 Google Play Store reviews ranging from 1 to 5 stars were collected on June 4, 2024, covering the period from June 2023 to June 2024. The data selection focused on the most relevant reviews per month, which were labeled into 427 positive and 278 negative entries. The methodology involved text preprocessing to remove duplicates, convert text to lowercase, eliminate noise, tokenize, normalize, and filter words using the InSet lexicon (Koto, 2017). Subsequently, the data was weighted using TF-IDF and balanced via a Random Under Sampler. Testing through K-Fold cross-validation revealed that Naïve Bayes provided superior results with 83.8% accuracy, whereas KNN achieved 80.7% accuracy with an optimal K value of 15. Finally, the RCA on negative feedback identified application service issues involving login access, registration, and payments, while customer service inefficiencies were primarily caused by poor complaint handling and delayed responses.
Predicting On-Time Graduation Using the C 4.5 Algorithm with Forward Selection Optimization (Case Study: Computer Engineering Study Program, Faculty of Computer Science, Brawijaya University) Bangse, Ni Nyoman Dinda Permata Putri; Wijoyo, Satrio Hadi; Bachtiar, Fitra Abdurrachman
Journal of Information Technology and Computer Science Vol. 11 No. 2: August 2026
Publisher : Faculty of Computer Science (FILKOM) Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jitecs.2026112871

Abstract

On-time student graduation is a key indicator of academic effectiveness and higher education quality. Timely graduation reflects efficient academic management, while delays may negatively impact institutional performance and accreditation. Graduation delays are influenced by various academic and non-academic factors, making early prediction essential. This study aims to develop an on-time graduation prediction model using the C4.5 algorithm optimized with the forward selection method. The research was conducted in the Computer Engineering Study Program, Faculty of Computer Science, Universitas Brawijaya, using student data from the 2018–2021 cohorts. The dataset includes both academic and nonacademic attributes. The modeling process followed the CRISP-DM framework, and model performance was evaluated using a confusion matrix. The results show that the C4.5 model without feature selection achieved an accuracy of 63%, while the application of forward selection significantly improved accuracy to 83%. These findings indicate that feature selection plays a crucial role in enhancing prediction performance. The proposed model can support academic stakeholders in data driven decision making and in designing strategies to improve on-time graduation rates.  
Root Cause Analysis Berdasarkan Ulasan Pengguna Aplikasi Livin’ by Mandiri dari Google Play Store dan Media Sosial X Menggunakan Integrasi Model LSTM dan Word2Vec Aulia, Ranatika Putri; Wijoyo, Satrio Hadi; Pramono, Welly
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 08 (2026): Agustus 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Peningkatan adopsi aplikasi mobile banking mendorong perlunya analisis mendalam terhadap sentimen pengguna guna mendukung peningkatan kualitas layanan. Penelitian ini bertujuan menganalisis distribusi sentimen dan mengidentifikasi akar permasalahan (Root Cause Analysis – RCA) berdasarkan 13.243 ulasan aplikasi Livin’ by Mandiri dari Google Play Store dan media sosial X. Metodologi penelitian mengintegrasikan Word2Vec sebagai representasi vektor kata dan Long Short-Term Memory (LSTM) sebagai pengklasifikasi sentimen. Tahapan penelitian meliputi pengumpulan data melalui web scraping, pra-pemrosesan teks, pelabelan teks, hingga evaluasi performa model. Hasil pengujian menunjukkan bahwa model integrasi Word2Vec dan LSTM berhasil mengklasifikasikan sentimen dengan accuracy sebesar 84,33%, precision sebesar 69,22%, recall sebesar 83,90%, dan F1-Score sebesar 75,85%. Selanjutnya, ulasan bersentimen negatif dikelompokkan menjadi empat cluster menggunakan K-Means Clustering berbasis Word2Vec untuk mendukung proses RCA. Hasil pemetaan menggunakan diagram fishbone mengidentifikasi akar permasalahan utama dalam empat kategori, yaitu Plant, Policy, Process, dan People, meliputi kegagalan autentikasi dan error aplikasi pasca-pembaruan sistem, keterbatasan fitur investasi dibandingkan platform kompetitor, gangguan transaksi akibat pemeliharaan sistem pada jam sibuk, serta keterbatasan kapasitas layanan pelanggan dalam menangani volume keluhan.
Co-Authors 'Aisy, Rihadatul Abdurrahman, Ikzaaz Bakhtar Abhirama, Fauzan Akbar Abiyyu, Muhammad Alifandi Addieni, Jihan Syahda Aditya Rachmadi, Aditya Admaja Dwi Herlambang, Admaja Dwi Adristi, Tikta Ahmad Afif Supianto Ahnaf, Muhammad Farrel Reginaldo Aji, Yanuar Bimantoro Akbar, Muhammad Aminul Akhmadi, Lutfiani Alfian Hakim Alifian, Faris Ihsan Alimah, Cindy Felita Nur Almas, Muhammad Fikri Almira Syawli Ananda, Reza Berlian Anandhika, I Made Bagus Ananta, Aprilia Andi Reza Perdanakusuma, Andi Reza Aprilianto, Pratama Ardelia, Ayunizar Fata Ardiansyah, M. Iqbal Aritonang, Elsa Arsy Kurnia Fitri Aryani, Lisa Aryati, Meilita Dwi Aryo Pinandito Astriya Nugraha, Dwi Cahya Aswin Suharsono, Aswin Atmaja, Alvino Dwiky Aulia, Ranatika Putri Aurellia, Salsabila Rachma Ayuningdias, Risky Azizi Fahreza, Muhammad Alfian Kurnia Azkiyah, Azka Bangse, Ni Nyoman Dinda Permata Putri Bayu Rahayudi Bayu Satriawan, Eka Bihantoro, Riyan Budi Bilqis, Ariqa Budiyanti, Alifia Putri Cahyani, Ernita Dwi Dewa Yani, Kartika Putri DEWI RAHMAWATI Dian Eka Ratnawati Diana Purwitasari dicky setiawan, chandra Djoko Pramono Dwinanda, Ashila Gisara Edmund Pierre Purba, Geoffrey Eris Maghfiroh, Intan Sartika Fadhilah, Irsya Salim Fadhlika, Nidi Amalia Faizatul Amalia, Faizatul Farrel, Zhafa Anbiya Ananta Fatmawati, Fatmawati Faturani, Bunga Sauma FEBIANA, DHEA RACHMA Firdaus, Raihan Zahran Fitra Abdurrachman Bachtiar Fitri, Arsy Kurnia Ghani Wijaya, Alfiyanto hafilah, salma Hanggara, Buce Trias Hanif, Muhammad Fauzan Hanifah Muslimah Az-Zahra, Hanifah Muslimah Hanun, Putri Nabilah Hariz Farisi Herawati, Serra Nadya Indi Herlambang, Adwaja Dwi Herlando, Muhammad Raafi Heryana, Ana Hikmah Amalia, Dwi Himawat Aryadita, Himawat Husen, Dania Lazuardi Ibrohim, Muhammad Idota, Patrick Jore Ikhsawiyanthi, Anisah Irmawan, Rozy Setia Iskandar, Fahru Setiawan Issa Arwani Jahiro, Almaas Janara Khansa, Elyzia Jannah, Ghina Shofa Raudhatul Jatmiko, Alvindo Tri Juan, Helga Julen, Eiko Farah Diva Khalid Rahman, Khalid Kirana, Urdha Egha Krisnandi, Didik Kurniasari, Salvia Dyah Laksmana, Adysha Jauseva Lubis, Ade Fatmasari Macira Balqis Abdul Gopur, Maersyifaa Maulana, Alif Rizal Mochamad Chandra Saputra, Mochamad Chandra Mubarok, Muhammad Rosyid Mulyadi, Alfansya Achmad Muslichah, Nur Wachidatul Nabawiyyatin, Ala Millatin Nanang Yudi Setiawan Nugraha, Dwi Cahya Astriya Nurul Hidayat Octavia, Sarah Uli Perdanalusuma, Andi Reza Perwira, Muhammad Phadung, Muneeroh Pinem, Gilbert Pinem, Gilbert Aryaduta Prabandari, Putu Ayu Purnama Dyah Prakoso, Bondan Sapta Prakoso, Erick Pramono, Welly Pranaliwa, I Putu Ardhika Pryono, Muhammad Adam Purnama, Putu Tya Virnayanti Purnawirawan, Okta Purnomo, Welly Puspita, Amelia Dhea PUSPITA, ARBALIYAH Putra, Kristantheo Nathaniel Damara Putri, Hana Rizkia Iswana Putri, Rizka Saudah Yunida Putri, Salsabila Tjahya Kusuma Rahmandita, Prasetya Naufal Ramadana, Muhammad Rifqy Ramadhan Al Fauzi, Rafly Ramadhan, Rakhmad Fajar Ramadhani, Aditya Wahyu Reinanda, Moch Zoel Retno Indah Rokhmawati, Retno Indah Riswan Septriayadi Sianturi Ro'if, M. Rosady, Annisa Rosanti, Mitha Diah Rosida, Khanif Rozi, Fahrur Salim, Pratama Maulidi Ega Salsabila, Syahda Rani Salshabila, Alyssa Salshabila, Alyssa Melani Salwa, Shafa Nathaniela Satriawan, Eka Bayu Satrio Agung Wicaksono Sebayang, Gading Sembiring, Rinawati Septiyan Andika Isanta Setyawan, Romi Fajar Sholihah, Tuffahati Sibuea, Sandro Christopher Siregar, Rafi Arya Sitepu, Mikha Aziel Christian Sugiharto, Pradiptya Kahvi Suhartanto, Nathalia Clarissa Anggraini SUPRAPTO Suprihono, M. Rezky Revansyah Suryananda, Dananjaya Cikal Danis Suryanugraha, Mohamad Ariq Susanto, Ananta Risky Tambing, Nathania Maerella Arungla'bi' Tarihoran, Aditya Nugraha Tri Afirianto, Tri Uun Hariyanti Uun Hariyanti, Uun Waworuntu, Kenneth Clinton Welly Purnomo Wibisono Sukmo Wardhono, Wibisono Sukmo Wibisono, Jonathan Wicaksono, Abdul Harris Widhiprasetyo, Fadhil Widhy Hayuhardhika Nugraha Putra wijaya, khonsa Yanuar, Athallarifky Yanuardhana, Anugrah Daffa Yufis Azhar Yusi Tyroni Mursityo Zaein, Nabila