Claim Missing Document
Check
Articles

Found 3 Documents
Search

MACHINE LEARNING DALAM PENGEMBANGAN PERANGKAT LUNAK Rachman Andhika, Arief
Integrative Perspectives of Social and Science Journal Vol. 2 No. 01 Februari (2025): Integrative Perspectives of Social and Science Journal
Publisher : PT Wahana Global Education

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

Abstract

Dengan adanya model pembelajaran mesin yang telah dilatih menggunakan kumpulan data kode yang luas, pengembang dapat menerima rekomendasi kode yang lebih optimal. Tujuan dalam penelitian ini adalah untuk mengetahui peran Machine Learning dalam meningkatkan efisiensi dan kualitas pengembangan perangkat lunak, tantangan dan kendala dalam penerapan Machine Learning pada proses pengembangan perangkat lunak dan untuk mengetahui penerapan algoritma Machine Learning dapat mengoptimalkan proses pengujian dan pemeliharaan perangkat lunak. Penelitian ini menggunakan metode kualitatif. Hasil dalam penelitian ini adalah Dengan pemanfaatan teknologi ML yang semakin matang, pengujian dan pemeliharaan perangkat lunak dapat menjadi lebih efisien, cerdas, dan berkelanjutan, memastikan bahwa perangkat lunak yang dikembangkan tetap berkualitas tinggi dan aman digunakan dalam jangka panjang.
Analisis Kualitas Sistem Pengajuan Kartu Pegawai dengan System Usability Scale dan Scrum Berbasis Web Arief Rachman Andhika; Elfandry Bayunanda
Jurnal Ilmiah Teknik Informatika dan Komunikasi Vol. 5 No. 3 (2025): November: Jurnal Ilmiah Teknik Informatika dan Komunikasi 
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/juitik.v5i3.1530

Abstract

XYZ is one of the official vendors of PT. Bank Rakyat Indonesia (Persero), Tbk, entrusted with the production of ID Cards or Employee Identification Cards (KTPP). Currently, the KTPP application process at the bank has been implemented through an application, but it still requires a relatively long processing time. Therefore, a web-based application was developed to accelerate the KTPP creation process. The system development was carried out using the Scrum methodology and could be completed within 72 hours or 9 working days, assuming one working day equals eight hours. To measure user satisfaction with this application, particularly among employees of PT. Bank Rakyat Indonesia (Persero), Tbk, the System Usability Scale (SUS) was employed. This method was chosen due to its efficiency, statistical validity, and its ability to provide clear, accurate evaluation scores that can be accessed online at a low cost. The SUS evaluation yielded a score of 72.0, indicating that the system is acceptable and falls within Grade B with a rating of good. These findings demonstrate that the web-based KTPP application system is feasible for implementation and can be effectively used in the KTPP application process within the relevant institution.
STUDI LITERATURE REVIEW PEMANFAATAN MACHINE LEARNING DALAM MULTISEKTOR Arief Rachman Andhika, Elfandry Bayunanda
Integrative Perspectives of Social and Science Journal Vol. 2 No. 03 Agustus (2025): Integrative Perspectives of Social and Science Journal
Publisher : PT Wahana Global Education

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

Abstract

Machine learning berperan sebagai teknologi yang membantu manusia untuk memecahkan masalah komputasi secara lebih efisien dan efektif. Empat kemampuan utama yang dimiliki oleh machine learning meliputi pengolahan bahasa alami, visi komputer, sistem rekomendasi, dan sistem sekuritas siber. Melihat besarnya peran machine learning bagi manusia, maka diperlukan kajian mendalam pemanfaatan machine learning, akan tetapi, literatur yang tersaji saat ini masih terfragmentasi pada sektor terentu. Oleh sebab itu, penelitian ini bertujuan untuk menjelaskan pemanfaata machine learning dalam multisektor dengan systematic review. Metode yang digunakan berbasis pada systematic literatur review dengan basis data google scholar. Tahapan yang dilakukan terdiri dari seleksi kata kunci, penentuan basis data, input istilah, penyaringan literatur, ekstraksi, visualisasi, dan peninjauan. Berdasarkan temuan berbagai literatur internasional, machine learning telah diterapkan di berbagai sektor, baik agrikultur, perkotaan, edukasi, medis, ekonomi, IT, dan saham.