Article Per Year (5 Year)
p-Index From 2021 - 2026
2.296
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Media Informatika JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Teknologi dan Bisnis Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Jurnal Sistem Informasi dan Teknologi (SINTEK) Journal of Computer Science Artificial Intelligence and Communications Sintek Kuwera Proceeding of Community Service and Engagement
Andryadi, Aan Ansen
Universitas Al-Ghifari
Aerospace Engineering Arts Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Transportation Veterinary Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Analisis Otomatisasi Layanan TI Berbasis ITIL 4: Systematic Literature Review Aan Ansen Andryadi; Sandi Nazril; Rindu Nur Anfanti; Sukma; Dewi Agustiani; Adila Safari Nurrahman
Jurnal Sistem Informasi dan Teknologi Vol 6 No 2 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i2.271

Abstract

Tuntutan terhadap kecepatan dan keandalan layanan Teknologi Informasi (TI) di era digital mendorong organisasi beralih dari operasional manual menuju otomatisasi. Namun, implementasi tanpa tata kelola yang kuat kerap memicu hilangnya visibilitas evaluasi layanan. Penelitian ini bertujuan menganalisis secara teoretis pemanfaatan otomatisasi terhadap peningkatan berkelanjutan pada proses manajemen layanan TI modern dengan kerangka ITIL 4 Service Value System (SVS). Metode yang digunakan adalah Systematic Literature Review (SLR) terhadap literatur empiris publikasi 2020–2025. Hasil analisis menunjukkan bahwa otomatisasi cerdas melalui integrasi AI/ML dan Policy-as-Code secara fundamental mentransformasi instrumen Continual Improvement Register (CIR) menjadi ekosistem analitik yang prediktif. Implementasi otomatisasi terbukti mampu menurunkan Mean Time to Resolution (MTTR) hingga 45,8%, mempercepat lead time perubahan hingga 70%, serta memberikan penghematan biaya operasional sebesar 36%. Analisis lintas sektor menegaskan bahwa otomatisasi berperan sebagai mesin orkestrasi data yang menjembatani kesenjangan visibilitas antardivisi dan mencegah insiden berulang. Kesimpulannya, otomatisasi tidak sekadar menggantikan tugas manusia, melainkan bertindak sebagai penyuplai data esensial bagi ekosistem ITIL 4 SVS untuk menjamin perbaikan layanan TI yang terstruktur dan berkesinambungan.
Desain Sistem Informasi Kolaboratif Untuk Pengelolaan Penelitian Dosen Menggunakan Arsitektur Microservices Aan Ansen Andryadi; Ridwan Zulkifli; Luthfiah Mufida; Neng Pita Lestia Putri; Randi Pajar Rohmana; Rohmawati Septiani; Syahda Lidini Hanifah
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 6 (2025): Desember 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i6.10115

Abstract

Abstrak - Pengelolaan penelitian dosen menghadapi tantangan yang bersifat multidimensional, mulai dari beban kerja dosen yang tinggi hingga ketimpangan pendanaan dan minimnya dukungan sistem informasi yang terintegrasi. Kondisi ini menghambat produktivitas riset dan kolaborasi akademik yang efektif antar dosen. Penelitian ini mengangkat pentingnya desain sistem informasi kolaboratif berbasis arsitektur microservices yang dapat menyediakan platform fleksibel, dan skalabel untuk mendukung pengelolaan penelitian dosen secara kolaboratif dan berkelanjutan. Tujuan penelitian adalah merancang dan mengembangkan sebuah sistem informasi kolaboratif yang mampu meningkatkan efisiensi pengelolaan penelitian dosen dengan mengaplikasikan arsitektur microservices sebagai fondasi teknologi untuk mendukung modularitas dan layanan mandiri. Metode penelitian yang digunakan adalah metode RD (Research and Development) dengan pendekatan iterative prototyping dan validasi fungsionalitas sistem melalui uji coba pada pengguna dosen di lingkungan kampus. Tools utama yang digunakan meliputi platform pengembangan berbasis microservices, bahasa pemrograman dan database terdistribusi yang mendukung interoperabilitas antarmodul. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil menyediakan fitur kolaborasi, pengelolaan data riset, dan pelaporan yang responsif, serta mampu diakses secara simultan oleh banyak pengguna tanpa mengurangi performa. Dari hasil penelitian ditemukan bahwa arsitektur microservices sangat efektif untuk membangun sistem informasi kolaboratif di konteks pengelolaan penelitian dosen, memungkinkan peningkatan produktivitas dan kolaborasi antar dosen.Kata Kunci : Arsitektur microservices; Pengelolaan penelitian dosen; Research and development (RD); Sistem informasi kolaboratif; Abstract - Lecturer research management faces multidimensional challenges, ranging from high workloads to funding inequities and a lack of integrated information systems. These conditions hamper research productivity and effective academic collaboration among lecturers. This research highlights the importance of designing a collaborative information system based on a microservices architecture that can provide a flexible and scalable platform to support collaborative and sustainable lecturer research management. The objective of this research is to design and develop a collaborative information system capable of improving the efficiency of lecturer research management by applying a microservices architecture as a technological foundation to support modularity and self-service. The research method used is RD (Research and Development) with an iterative prototyping approach and validation of system functionality through trials with lecturer users on campus. The main tools used include a microservices-based development platform, a programming language, and a distributed database that supports interoperability between modules. The results show that the developed system successfully provides collaboration features, research data management, and responsive reporting, and can be accessed simultaneously by multiple users without compromising performance. From the research results, it was found that the microservices architecture is very effective for building collaborative information systems in the context of managing lecturer research, enabling increased productivity and collaboration between lecturers.Keywords: Collaborative information systems; Lecturer research management; Microservices architecture; Research and development (RD);
Analisis Otomatisasi Layanan TI Berbasis ITIL 4: Systematic Literature Review Aan Ansen Andryadi; Sandi Nazril; Rindu Nur Anfanti; Sukma; Dewi Agustiani; Adila Safari Nurrahman
Jurnal Sistem Informasi dan Teknologi Vol 6 No 2 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i2.271

Abstract

Tuntutan terhadap kecepatan dan keandalan layanan Teknologi Informasi (TI) di era digital mendorong organisasi beralih dari operasional manual menuju otomatisasi. Namun, implementasi tanpa tata kelola yang kuat kerap memicu hilangnya visibilitas evaluasi layanan. Penelitian ini bertujuan menganalisis secara teoretis pemanfaatan otomatisasi terhadap peningkatan berkelanjutan pada proses manajemen layanan TI modern dengan kerangka ITIL 4 Service Value System (SVS). Metode yang digunakan adalah Systematic Literature Review (SLR) terhadap literatur empiris publikasi 2020–2025. Hasil analisis menunjukkan bahwa otomatisasi cerdas melalui integrasi AI/ML dan Policy-as-Code secara fundamental mentransformasi instrumen Continual Improvement Register (CIR) menjadi ekosistem analitik yang prediktif. Implementasi otomatisasi terbukti mampu menurunkan Mean Time to Resolution (MTTR) hingga 45,8%, mempercepat lead time perubahan hingga 70%, serta memberikan penghematan biaya operasional sebesar 36%. Analisis lintas sektor menegaskan bahwa otomatisasi berperan sebagai mesin orkestrasi data yang menjembatani kesenjangan visibilitas antardivisi dan mencegah insiden berulang. Kesimpulannya, otomatisasi tidak sekadar menggantikan tugas manusia, melainkan bertindak sebagai penyuplai data esensial bagi ekosistem ITIL 4 SVS untuk menjamin perbaikan layanan TI yang terstruktur dan berkesinambungan.
Pemanfaatan Artificial Intelligence dan Machine Learning dalam Praktik Monitoring and Event Management Menurut Perspektif ITIL 4 Rival Maulana; Aan Ansen Andryadi; Febi Fitriyani; Dinda Nurasidah; Nazwa Albirri; Nazwa Fadillah
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 6 No. 1 (2026): Edisi April - September 2026 IN PRESS
Publisher : Utiliti Project Solution

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

Abstract

Transformasi digital meningkatkan kompleksitas layanan TI dan menuntut tata kelola yang lebih adaptif. Monitoring and Event Management (MEM) merupakan praktik krusial dalam kerangka kerja ITIL 4 yang berfungsi mendeteksi perubahan status layanan secara sistematis. Namun, banyak organisasi masih menghadapi kendala berupa ketergantungan pada proses manual yang reaktif, minimnya standarisasi dokumentasi, serta lonjakan volume data peristiwa yang melampaui kapasitas analisis konvensional. Penelitian ini bertujuan mengkaji integrasi Artificial Intelligence (AI) dan Machine Learning (ML) dalam mengoptimalkan praktik MEM berdasarkan perspektif ITIL 4. Metode yang digunakan adalah Systematic Literature Review (SLR) terhadap publikasi ilmiah dari Scopus, IEEE Xplore, dan Google Scholar dalam rentang tahun 2019–2026, dengan kriteria inklusi yang berfokus pada implementasi ITIL 4, integrasi AI/ML dalam IT Service Management (ITSM), serta penerapan AIOps dalam deteksi anomali dan manajemen peristiwa. Sintesis literatur menunjukkan bahwa AI/ML mampu mentransformasi MEM dari pendekatan reaktif menjadi proaktif melalui deteksi anomali berbasis Large Language Model (LLM), algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN), serta model Fuzzy Multicriteria Matrix untuk klasifikasi peristiwa berdasarkan tingkat kekritisan. Integrasi AI terbukti mempercepat respons insiden hingga 30% dan mereduksi beban kerja manual melalui virtual agent serta otomatisasi sistem ticketing. Temuan utama menegaskan bahwa efektivitas MEM sangat bergantung pada kualitas data dalam Configuration Management Database (CMDB) sebagai single source of truth yang diperkaya wawasan prediktif AI. Keselarasan antara teknologi cerdas, proses terstandarisasi berbasis ITIL 4, dan kompetensi sumber daya manusia menjadi kunci peningkatan kematangan operasional serta penguatan transparansi dan akuntabilitas dalam tata kelola layanan TI modern.
Explainable Artificial Intelligence-Based Early Warning System for Student Dropout Prediction Aan Ansen Andryadi; Samsan; Gilang Redzav Bagaswara
Journal of Computer Science, Artificial Intelligence and Communications Vol 3 No 1 (2026): May 2026
Publisher : Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jocsaic.v3i1.177

Abstract

Student dropout remains one of the major challenges faced by higher education institutions because it negatively affects academic performance, institutional reputation, and educational sustainability. Early identification of students at risk of dropping out enables universities to implement timely interventions that improve student retention. Although machine learning models have demonstrated promising predictive performance, many of these approaches operate as black-box systems, limiting their transparency and practical adoption in educational decision-making. Therefore, this study proposes an Explainable Artificial Intelligence (XAI)-Based Early Warning System for student dropout prediction by integrating the XGBoost classification algorithm with SHapley Additive exPlanations (SHAP). The proposed framework consists of six stages: data collection, data preprocessing, feature engineering, machine learning model development, explainability analysis, and performance evaluation. To demonstrate the proposed methodology, a synthetic dataset representing higher education student records was utilized. The simulated experimental results showed that the proposed model achieved an Accuracy of 89.5%, Precision of 84.0%, Recall of 82.0%, F1-Score of 83.0%, and an ROC-AUC of 0.93. Furthermore, SHAP analysis identified Grade Point Average (GPA), Attendance Rate, Previous Semester GPA, Financial Status, and Learning Management System (LMS) activity as the most influential factors affecting student dropout prediction. By combining high predictive performance with interpretable explanations, the proposed Early Warning System provides transparent decision support for lecturers and academic advisors, facilitating data-driven interventions aimed at improving student retention in higher education institutions.
Co-Authors Adila Safari Nurrahman Ahmad Husen Amrullah, Fikri Andriansyah, Rendi Anisha Vinka Malhotra’s Arachman, Taufik Arya Yasin Cikal Rosyayuda Derismana, Derismana Dewi Agustiani Dinda Nurasidah Dodi Nugraha Edi Firdaus Evie Farida Juliarta Fadilah, Umi Lutfiatul Fadillah, Rike Setiani Nur Faidah, Rika Setiani Nur Febi Fitriyani Gilang Redzav Bagaswara Ginanjar Nugraha Ginanjar, Rega Hasri Fatonah, Neng Henny Noviany Ina Siti Nurhasanah Jamil, Ihsan Surya Kartijo Kartijo Lita Lestari Utami Luthfiah Mufida Manafi, Ahmad Mansur, Ahmad Gojali Mochamad Saleh Mufida, Luthfiah Muniroh, Nur Nazwa Albirri Nazwa Fadillah Neng Pita Lestia Putri Nurahman, Ilmal Yakin Nurfadhilah, Dila Siti Perdiansyah, Devi Pratama, Frinska Putra Putri, Neng Pita Lestia Randi Pajar Rohmana Ridwan Zulkifli Rindu Nur Anfanti Rival Maulana Rohmana, Randi Pajar Rohmawati Septiani Samsan Sandi Nazril Sophiawati, Nur Kesha Sukma Syahda Lidini Hanifah zulkifli, ridwan