Claim Missing Document
Check
Articles

Found 3 Documents
Search

Audit Tata Kelola Tekonolgi Website KKN Universitas XYZ Menggunakan Cobit 5 Domain APO12 & APO13 Fathin, Afif; Fauzan Khalid, Muhammad; Megawati
Journal Informatics Nivedita Vol 1 No 2 (2025): Journal Informatics Nivedita
Publisher : Universitas Hindu Negeri I Gusti Bagus Sugriwa Denpasar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25078/nivedita.v1i2.4905

Abstract

Penelitian ini bertujuan untuk menelaah penerapan pengelolaan risiko dan keamanan teknologi informasi dalam sistem layanan digital Kuliah Kerja Nyata (KKN) di UIN Suska Riau, dengan mengacu pada kerangka kerja COBIT 2019. Fokus utama evaluasi berada pada dua domain: APO12 (Managed Risk) dan APO13 (Managed Security). Penilaian dilakukan melalui pendekatan capability level dengan membandingkan kondisi aktual terhadap target yang ditetapkan. Hasil evaluasi menunjukkan bahwa domain APO12 mencapai Level 2, sedangkan APO13 masih berada di Level 1. Temuan ini mengindikasikan bahwa pelaksanaan proses belum sepenuhnya berjalan optimal, minim dokumentasi formal, serta belum ditopang kebijakan standar. Oleh karena itu, penelitian ini memberikan sejumlah usulan strategis seperti penyusunan kebijakan, dokumentasi risiko, analisis keamanan, serta penguatan sistem perlindungan informasi. Langkah-langkah ini diharapkan dapat memperbaiki tata kelola risiko dan keamanan informasi, serta mendukung operasional layanan digital yang berkelanjutan sesuai prinsip COBIT 2019.
Evaluasi Kelembagaan dan Layanan Sistem Digital KKN Di Universitas XYZ Dengan Pendekatan Kerangka Tata Kelola Informasi Fathin, Afif; Fahrezi, Galih Ageng; Hafiz, M. Fazlan; Angraini
Journal Informatics Nivedita Vol 1 No 2 (2025): Journal Informatics Nivedita
Publisher : Universitas Hindu Negeri I Gusti Bagus Sugriwa Denpasar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25078/nivedita.v1i2.4927

Abstract

Penelitian ini bertujuan untuk mengevaluasi sistem layanan digital Kuliah Kerja Nyata (KKN) di Universitas XYZ menggunakan pendekatan deskriptif kualitatif. Data diperoleh melalui wawancara mendalam, observasi teknis, dan analisis dokumen terhadap kebijakan internal, struktur tata kelola, serta kontrol keamanan sistem. Analisis dilakukan dengan menggunakan kerangka kerja COBIT 5, khususnya pada domain EDM (Evaluate, Direct and Monitor), APO (Align, Plan and Organize), dan BAI (Build, Acquire and Implement) untuk mengukur tingkat kapabilitas proses tata kelola dan pengelolaan keamanan informasi. Hasil penelitian menunjukkan bahwa sistem telah mengimplementasikan kontrol teknis dasar seperti protokol HTTPS, backup data rutin, dan manajemen hak akses berbasis peran. Namun, kelemahan ditemukan pada aspek tata kelola kelembagaan dan manajemen risiko, seperti belum tersedianya dokumen kebijakan formal, tidak adanya prosedur manajemen risiko, dan absennya struktur koordinasi yang terdokumentasi. Domain EDM dan sebagian domain APO serta BAI masih berada pada level kapabilitas rendah (Level 0–1), menunjukkan belum terstrukturnya proses inti secara institusional. Penelitian ini merekomendasikan penyusunan dokumen tata kelola TI, pembentukan komite pengarah TI, penguatan kontrol keamanan melalui autentikasi multi-faktor, serta pengembangan prosedur perubahan dan dokumentasi sistem yang sistematis, guna meningkatkan keandalan dan keberlanjutan sistem digital KKN di lingkungan universitas.
Comparison of Convolutional Neural Network and Recurrent Neural Network Algorithms for Indonesian Sign Language Recognition Harmade, Dani; Fathin, Afif; Zainal, Nur Jannah Nai'mah
Public Research Journal of Engineering, Data Technology and Computer Science Vol. 3 No. 2: PREDATECS January 2026
Publisher : Institute of Research and Publication Indonesia (IRPI).

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/predatecs.v3i2.2090

Abstract

Effective communication is a fundamental human need; however, for people with hearing impairments in Indonesia, interaction relies heavily on the Indonesian Sign Language System (Sistem Isyarat Bahasa Indonesia – SIBI). Although deep learning has been widely applied in sign language recognition, comprehensive comparative studies focusing specifically on SIBI remain limited, particularly in evaluating the performance gap between different neural network architectures. This study addresses this gap by comparing the effectiveness of Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN) in classifying SIBI hand gesture images. An augmented SIBI dataset was trained using the Adam optimizer to improve generalization and recognition performance. The experimental results reveal a significant performance difference between the two models, where CNN achieved a precision, recall, and F1-score of 94%, while RNN obtained a precision of 76% recall of 74%, and F1-score of 73%. These findings demonstrate that CNN is substantially more effective for image-based SIBI recognition because it extracts spatial features more effectively than the sequential processing mechanism of RNN. This research contributes empirical evidence for selecting appropriate deep learning architectures in SIBI recognition systems and offers practical implications for developing more accurate and reliable assistive communication technologies in educational and accessibility contexts.