Claim Missing Document
Check
Articles

Found 2 Documents
Search

Peran COBIT 5 dan ITIL V3 Dalam Meningkatkan Tata Kelola TI dan Kesuksesan Proyek Sistem Informasi Zulkarnain Zulkarnain; Chintya Lorenz; Derwin Taai; Elia Elia; Wenky Wenky; Wilson Wilson; Yuki Estrada
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13748

Abstract

Kehadiran TI menjadi aspek penting dalam meningkatkan strategi bisnis suatu organisasi. Suatu organisasi tidak luput dari peningkatan strategis bisnis yang dimana bertujuan dalam meningkatkan suatu organisasi yang dimana dihubungkan dengan framework dalam menjalaniya. Kerangka kerja yang digunakan berupa COBIT 5 dan ITIL V3 dimana integrasi yang dirasakan berdampak pada suatu organisasi. Dalam penelitian yang dilakukan digunakan metode studi literatur yang dimana dilakukan pencarian sumber dari jurnal dan buku untuk menganalisis, mengevaluasi, dan menginterpretasi terhadap pertanyaan penelitian secara detail agar mencapai hasil yang optimal. Penelitian ini mengevaluasi peran dan integrasi COBIT 5 dan ITIL V3 dalam meningkatkan tata kelola TI dan kesuksesan proyek sistem informasi melalui studi literatur. Hasil penelitian menunjukkan bahwa penerapan COBIT 5 berpengaruh signifikan terhadap efektivitas tata kelola TI, dengan fokus pada pengelolaan risiko, kepatuhan, dan keselarasan strategi bisnis dan TI. COBIT 5 memberikan arahan dan struktur yang diperlukan untuk memastikan tata kelola TI yang optimal. Di sisi lain, ITIL V3 meningkatkan efisiensi dan kualitas layanan TI melalui siklus hidup layanan yang terstruktur, meliputi manajemen kejadian, pemenuhan permintaan, manajemen akses, manajemen masalah, dan manajemen insiden. ITIL V3 membantu organisasi dalam meningkatkan kepuasan pengguna akhir, mengurangi downtime, dan memastikan layanan TI berjalan dengan lancar. Integrasi antara COBIT 5 dan ITIL V3 memberikan pendekatan holistik dalam tata kelola dan manajemen layanan TI. Kombinasi ini mendukung pengelolaan risiko yang lebih baik, optimalisasi sumber daya, dan memastikan keselarasan antara TI dan tujuan bisnis. Hasil penelitian menunjukkan bahwa pendekatan terintegrasi ini meningkatkan kesuksesan proyek sistem informasi, yang pada akhirnya meningkatkan produktivitas dan kinerja organisasi. Kata Kunci: COBIT 5, ITIL V3, Tata Kelola TI, Manajemen Layanan TI, Proyek Sistem Informasi, Integrasi Framework, Efisiensi Operasional, Kualitas Layanan.
Developing an Indonesian Fake News Detection System Using IndoBERT and ProtoNet for Few-Shot Learning Yefta Christian; Wilson Wilson; Andik Yulianto
International Journal Software Engineering and Computer Science (IJSECS) Vol. 6 No. 3 (2026): DECEMBER 2026
Publisher : Lembaga Komunitas Informasi Teknologi Aceh (KITA), Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35870/ijsecs.v6i3.8156

Abstract

Fake news dissemination through digital media has become a critical concern because inaccurate information may spread swiftly and influence public comprehension, social behavior, and decision-making. This study developed an Indonesian fake news detection web application employing fine-tuned IndoBERT and an IndoBERT-based Prototypical Network (ProtoNet) under few-shot learning scenarios. The research followed the Cross Industry Standard Process for Data Mining framework, consisting of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The dataset was obtained from the publicly available Deteksi Berita Hoaks Indo Dataset on Kaggle and contained 23,944 Indonesian news records, consisting of 11,200 factual and 12,744 hoax articles. Three few-shot scenarios were evaluated: 50-shot, 100-shot, and 300-shot per class. IndoBERT was fine-tuned as a supervised classification baseline, while ProtoNet used IndoBERT embeddings to construct class prototypes and classify texts based on Euclidean distance. The best performance was achieved by fine-tuned IndoBERT in the 300-shot scenario, with 97.12% accuracy and a 97.10% macro F1-score. ProtoNet achieved 92.65% accuracy and a 92.63% macro F1-score in the same scenario. Even in the most constrained 50-shot setting, ProtoNet achieved an F1-score of 90.82%, closely trailing fine-tuned IndoBERT at 91.17% and demonstrating strong metric stability. The web application supports manual text input, URL-based article extraction, model selection, confidence scores, and word-level occlusion explanations. These results demonstrate the effectiveness of IndoBERT for Indonesian fake news detection and the feasibility of prototype-based classification under limited-data conditions. Overall, this work bridges the gap between deep contextual representation, data-efficient learning, and practical, interpretable deployment for public media verification.