cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering
Jurnal Pengembangan Teknlogi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya merupakan jurnal keilmuan dibidang komputer yang memuat tulisan ilmiah hasil dari penelitian mahasiswa-mahasiswa Fakultas Ilmu Komputer Universitas Brawijaya. Jurnal ini diharapkan dapat mengembangkan penelitian dan memberikan kontribusi yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : -
Articles 6,968 Documents
 681   682   683   684   685 
Pengaruh Penggunaan ChatGPT dalam Materi Pembelajaran Sistem Komputer terhadap Kemampuan Merangkum dan Hasil Belajar Siswa Kelas X SMA Negeri 2 Malang Safie, Laquisha Dinara; Hariyanti, Uun; Rahman, Khalid
Jurnal Pengembangan Teknologi Informasi 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

naskah ini akan diterbitkan pada jurnal JTIIK
Pengaruh Project Based Learning dengan Strategi Reflektif Berbantuan ChatGPT dan Design Thinking terhadap Hasil Belajar Choirinnisa, Fadila; Hariyanti, Uun; Purnawirawan, Okta
Jurnal Pengembangan Teknologi Informasi 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

Naskah ini akan diterbitkan di Konferensi Internasional ICCE
Pemanfaatan Data Log Suricata dalam Pengembangan Model Machine Learning untuk Deteksi Serangan Cross-Site Scripting (XSS) Wahida, Putri Zahratul; Data, Mahendra; Amron, Kasyful
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Cross-Site Scripting (XSS) merupakan salah satu serangan aplikasi web yang paling berbahaya menurut OWASP Top 10 (2021) karena memungkinkan penyerang menyisipkan skrip berbahaya untuk pencurian data sensitif maupun pengambilalihan sesi. Penelitian ini mengembangkan model deteksi XSS berbasis machine learning dengan memanfaatkan log Suricata sebagai sumber data utama. Lingkungan uji berbasis Docker dibangun untuk menghasilkan trafik benign dan serangan terkontrol melalui mekanisme traffic mirroring, sehingga diperoleh dataset HTTP yang kemudian diproses melalui tahapan pembersihan, pelabelan, dan ekstraksi delapan fitur utama. Model Random Forest dilatih dan dievaluasi dalam 15 iterasi eksperimen untuk memperoleh performa yang stabil serta dibandingkan secara langsung dengan mekanisme deteksi rule-based Suricata. Hasil menunjukkan bahwa model ML mencapai recall 1.00 tanpa false negative, precision rata-rata 0.90, dan F1-score 0.947, secara konsisten melampaui Suricata yang hanya mencapai recall 0.619 akibat keterbatasan rule dalam mengenali variasi payload. Analisis feature importance menegaskan bahwa panjang URL dan elemen konten HTTP menjadi indikator paling dominan. Secara keseluruhan, pendekatan machine learning terbukti lebih adaptif dan mampu meningkatkan efektivitas deteksi XSS dibandingkan deteksi berbasis aturan konvensional.
Optimalisasi Strategi untuk Healthtech Customer Relationship Management (CRM) melalui Analisis Segmentasi Pelanggan B2B Menggunakan Metode K-Means dan Customer Lifetime Value (CLV) Mauluda Wildani, Barik; Wicaksono, Satrio Agung; Kurnianingtyas, Diva
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini bertujuan mengoptimalkan strategi Customer Relationship Management (CRM) pada startup healthtech di Indonesia melalui pendekatan analitik berbasis data dengan menerapkan segmentasi pelanggan B2B menggunakan metode K-Means serta estimasi Customer Lifetime Value (CLV). Permasalahan yang melatarbelakangi penelitian ini adalah praktik CRM yang masih bersifat generik sehingga belum mampu mengakomodasi perbedaan nilai ekonomi dan karakteristik pelanggan dalam pengambilan keputusan operasional, khususnya terkait alokasi sumber daya dan program retensi. Penelitian ini menggunakan pendekatan kuantitatif dengan menganalisis 101 akun pelanggan B2B melalui tahapan pra-pemrosesan data, analisis eksploratif, penentuan jumlah klaster optimal menggunakan metode Elbow dan Silhouette Score, visualisasi klaster melalui Principal Component Analysis (PCA), serta estimasi CLV secara agregat berdasarkan total nilai kontrak pada masing-masing klaster. Hasil penelitian menunjukkan terbentuknya 3 klaster pelanggan dengan karakteristik dan kontribusi ekonomi yang berbeda secara signifikan. Klaster bernilai tinggi memerlukan strategi CRM yang berfokus pada retensi dan penguatan hubungan jangka panjang, klaster bernilai menengah menunjukkan potensi pengembangan nilai, sementara klaster bernilai rendah memerlukan pendekatan CRM berbasis efisiensi. Dibandingkan dengan praktik CRM sebelumnya, pendekatan berbasis segmentasi dan CLV memberikan dasar yang lebih objektif dan terukur dalam penetapan prioritas pelanggan, alokasi sumber daya, serta perumusan kebijakan operasional yang berkelanjutan pada industri healthtech.
Analisis Pengaruh Kualitas Platform OpsHub dalam Meningkatkan Kepuasan Pengguna Menggunakan Model Webqual 4.0 Ananta, Aprilia; Wijoyo, Satrio Hadi; Perdanakusuma, Andi Reza
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Platform digital yang digunakan untuk mendukung kegiatan pembelajaran dan administrasi perlu memiliki kualitas yang baik agar pengguna dapat menyelesaikan aktivitas secara efektif. Kepuasan pengguna menjadi indikator penting dalam menilai keberhasilan suatu platform karena mencerminkan kesesuaian antara kebutuhan pengguna dan layanan yang diterima. Penelitian ini bertujuan untuk menguji pengaruh tiga dimensi kualitas platform berdasarkan model Webqual 4.0, yaitu kualitas kegunaan, kualitas informasi, dan kualitas interaksi layanan, terhadap kepuasan pengguna OpsHub pada Apple Developer Academy. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik survei menggunakan kuesioner skala Likert. Data dianalisis menggunakan Generalized Linear Model karena variabel dependen tidak berdistribusi normal. Sampel penelitian berjumlah 90 responden yang merupakan peserta aktif program, dan instrumen telah diuji validitas serta reliabilitasnya. Hasil penelitian menunjukkan bahwa kualitas informasi dan kualitas interaksi layanan berpengaruh signifikan terhadap kepuasan pengguna, sedangkan kualitas kegunaan tidak menunjukkan pengaruh yang signifikan. Nilai koefisien determinasi sebesar 0,716 menunjukkan bahwa model mampu menjelaskan 71,6% variasi kepuasan pengguna.
Klasifikasi Kanker Paru-Paru pada Citra CT Scan Menggunakan Model ConvNeXt dengan Pre-processing CLAHE dan Konfigurasi Hyperparameter Aprianto, Anda Bagas; Yudistira, Novanto; Dewi, Candra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kanker paru-paru merupakan penyebab utama kematian akibat kanker secara global yang menuntut penanganan cepat dan akurat. Computed Tomography (CT) scan menjadi standar emas deteksi dini, namun interpretasi manual memiliki kekurangan karena bersifat subjektif dan rentan terhadap false positive akibat kemiripan visual yang kompleks antara nodul jinak dan ganas. Penelitian ini mengusulkan klasifikasi kanker paru-paru menggunakan arsitektur deep learning ConvNeXt-Tiny pada dataset IQ-OTH/NCCD. Pembagian data dilakukan secara image-wise yang memperlakukan setiap citra secara independen, sedangkan ketidakseimbangan kelas ditangani menggunakan mekanisme weighted loss dengan pendekatan inverse frequency guna memberikan bobot penalti lebih besar pada kelas minoritas. Tahapan penelitian meliputi penerapan Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk mempertegas fitur citra serta pencarian konfigurasi hyperparameter optimal. Hasil pengujian membuktikan bahwa integrasi CLAHE dengan clip limit 2.0 dan grid size 8x8 sangat krusial karena mampu meningkatkan accuracy dari 0.9759 menjadi 0.9940. Konfigurasi pelatihan terbaik tercapai pada learning rate 0.0001, batch size 32, serta optimizer Adam. Dalam analisis komparatif, ConvNeXt-Tiny terbukti superior dengan accuracy 0.9880, precision 0.9880, recall 0.9880, F1-score 0.9880, dan ROC-AUC 0.9988, mengungguli model ResNet-50 dan Swin-T yang keduanya hanya mencapai 0.9639. Meskipun memiliki inference time 1.99 detik yang sedikit lebih lambat, penelitian ini menegaskan potensi ConvNeXt-Tiny dengan pre-processing CLAHE sebagai metode yang robust untuk diagnosis klinis.
Sistem Monitoring dan Otomasi Pemberian Pakan Ikan Air Tawar Berbasis Internet of Things Fadhil, Muhammad Farrasseka; Ratnawati, Dian Eka; Arwani, Issa
Jurnal Pengembangan Teknologi Informasi 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

Naskah ini akan diterbitkan di JUST-SI.
Pengembangan Alat Pendukung Investigasi Serangan Siber Berdasarkan Log Server Web Menggunakan Algoritma SBERT all-MiniLM-L6-v2 dan Agglomerative Clustering Adi Sumarno, Abdullah Hilal; Data, Mahendra; Noor Fatyanosa, Tirana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Serangan siber terhadap aplikasi web terus meningkat seiring ketergantungan institusi pada layanan digital. Log server web merupakan sumber bukti digital vital yang merekam jejak aktivitas, namun analisis manual terhadap jutaan baris log sering kali tidak efektif dan rentan kesalahan. Penelitian ini bertujuan mengembangkan alat bantu investigasi otomatis menggunakan metode Unsupervised Learning. Sistem yang dibangun menerapkan algoritma Agglomerative Clustering untuk mengelompokkan pola serangan. Tantangan utama dalam klasterisasi log adalah representasi data teks URL yang tidak terstruktur. Oleh karena itu, penelitian ini mengusulkan ekstraksi fitur hibrida yang menggabungkan fitur berbasis aturan dari Sigma Rules dan fitur semantik menggunakan model SBERT all-MiniLM-L6-v2. Berdasarkan hasil pengujian hyperparameter tuning pada rentang k=10 hingga k=15, metode Average Linkage dengan jumlah klaster (k) 12 terbukti memberikan hasil paling optimal. Evaluasi eksternal menunjukkan nilai Homogeneity Score sebesar 0,992 dan Completeness Score sebesar 0,309. Tingginya homogenitas membuktikan kemampuan sistem dalam memisahkan aktivitas normal dan anomali dengan kemurnian tinggi, sementara granularitas klaster yang terbentuk mampu memisahkan varian serangan spesifik seperti SQL Injection dan Sensitive File Exposure untuk mempermudah analisis serangan siber.
Analisis Komparatif Arsitektur CNN untuk Klasifikasi Sampah: Studi Trade-Off Efisiensi vs Akurasi (Studi Pada MobileNetV3, ResNet50, Dan EfficientNetB3) Muhammad Harish Rahmatullah; Setiawan, Budi Darma; Irawati Nurmala Sari
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini melakukan analisis komparatif terhadap tiga arsitektur Convolutional Neural Network (CNN) modern—MobileNetV3, ResNet50, dan EfficientNetB3—untuk aplikasi klasifikasi sampah berbasis pengolahan citra digital. Latar belakang penelitian didasari oleh tantangan pengelolaan sampah di Indonesia yang menghasilkan 21,1 juta ton sampah per tahun dengan hanya 65,71% dikelola dengan baik, dimana proses pemilahan manual masih dominan dan tidak efisien. Dataset custom berisi 2.840 gambar sampah dalam empat kategori (botol plastik, kaleng logam, kardus kertas, dan organik) diimplementasikan menggunakan framework PyTorch pada platform komputasi standar. Evaluasi mencakup metrik akurasi klasifikasi (precision, recall, F1- score) dan metrik efisiensi komputasi (jumlah parameter, ukuran model, waktu inferensi). Hasil menunjukkan ResNet50 mencapai akurasi tertinggi dengan trade-off kompleksitas komputasi besar (25,6 juta parameter), MobileNetV3 unggul dalam efisiensi untuk deployment edge device dengan parameter minimal (5,4 juta), sedangkan EfficientNetB3 memberikan keseimbangan optimal antara akurasi dan efisiensi (12 juta parameter). Analisis trade-off menghasilkan rekomendasi arsitektur spesifik sesuai keterbatasan infrastruktur dan kebutuhan implementasi praktis untuk sistem pengelolaan sampah otomatis yang sustainable.
Penerapan Algoritma Random Forest untuk Klasifikasi Cedera Pelari Berbasis Data Kinerja Wearable Devices dengan Teknik Resampling dan Optuna Tuning Adnawirya Pratama, Cendikia; Muflikhah, Lailil; Noor Fatyanosa, Tirana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kemajuan wearable devices memungkinkan pemantauan kinerja pelari secara objektif dan berkelanjutan untuk mendukung klasifikasi dan pencegahan running-related injuries. Namun, pemodelan cedera berbasis data menghadapi tantangan berupa ketidakseimbangan kelas yang ekstrem serta kompleksitas pola temporal. Dataset yang digunakan berupa data temporal mingguan dengan distribusi sangat tidak seimbang, terdiri dari 42.223 data non-injury dan 575 data injury, sehingga berpotensi menimbulkan bias model tanpa penanganan khusus. Untuk mengatasi permasalahan tersebut, diterapkan tiga teknik undersampling, yaitu Random Undersampling, Cluster-based Undersampling, dan NearMiss Undersampling, guna menjaga representativitas dan keberagaman pola kelas mayoritas. Hasil eksperimen menunjukkan bahwa NearMiss Undersampling memberikan kinerja baseline terbaik dengan akurasi 0,8826, F1-score 0,8756, dan AUC 0,9645. Kinerja model selanjutnya meningkat melalui hyperparameter tuning menggunakan Optuna dengan pendekatan Tree-structured Parzen Estimator (TPE), menghasilkan akurasi 0,9000, F1-score 0,8959, dan AUC 0,9782. Selain itu, evaluasi augmentasi data menggunakan SMOTE pada skenario Cluster-based Undersampling menunjukkan bahwa tingkat augmentasi 20% memberikan performa paling stabil. Secara keseluruhan, kombinasi strategi resampling yang tepat dan optimasi parameter terbukti efektif dalam meningkatkan kinerja klasifikasi cedera pelari berbasis data wearable devices.

Page 683 of 697 | Total Record : 6968

 681   682   683   684   685 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026 Vol 10 No 01 (2026): Januari 2026 Vol 10 No 4 (2026): April 2026 Vol 10 No 3 (2026): Maret 2026 Vol 10 No 2 (2026): Februari 2026 Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025 Vol 9 No 12 (2025): Desember 2025 Vol 9 No 11 (2025): November 2025 Vol 9 No 10 (2025): Oktober 2025 Vol 9 No 9 (2025): September 2025 Vol 9 No 8 (2025): Agustus 2025 Vol 9 No 7 (2025): Juli 2025 Vol 9 No 6 (2025): Juni 2025 Vol 9 No 5 (2025): Mei 2025 Vol 9 No 4 (2025): April 2025 Vol 9 No 3 (2025): Maret 2025 Vol 9 No 2 (2025): Februari 2025 Vol 9 No 1 (2025): Januari 2025 Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024 Vol 8 No 10 (2024): Oktober 2024 Vol 8 No 9 (2024): September 2024 Vol 8 No 8 (2024): Agustus 2024 Vol 8 No 7 (2024): Juli 2024 Vol 8 No 6 (2024): Juni 2024 Vol 8 No 5 (2024): Mei 2024 Vol 8 No 4 (2024): April 2024 Vol 8 No 3 (2024): Maret 2024 Vol 8 No 2 (2024): Februari 2024 Vol 8 No 1 (2024): Januari 2024 Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023 Vol 7 No 9 (2023): September 2023 Vol 7 No 8 (2023): Agustus 2023 Vol 7 No 7 (2023): Juli 2023 Vol 7 No 6 (2023): Juni 2023 Vol 7 No 5 (2023): Mei 2023 Vol 7 No 4 (2023): April 2023 Vol 7 No 3 (2023): Maret 2023 Vol 7 No 2 (2023): Februari 2023 Vol 7 No 1 (2023): Januari 2023 Vol 7 No 14 (2023): Antrian Publikasi Vol 6 No 13 (2022): Publikasi Khusus Tahun 2022 Vol 6 No 12 (2022): Desember 2022 Vol 6 No 11 (2022): November 2022 Vol 6 No 10 (2022): Oktober 2022 Vol 6 No 9 (2022): September 2022 Vol 6 No 8 (2022): Agustus 2022 Vol 6 No 7 (2022): Juli 2022 Vol 6 No 6 (2022): Juni 2022 Vol 6 No 5 (2022): Mei 2022 Vol 6 No 4 (2022): April 2022 Vol 6 No 3 (2022): Mei 2022 Vol 6 No 2 (2022): Februari 2022 Vol 6 No 1 (2022): Januari 2022 Vol 5 No 13 (2021): Publikasi Khusus Tahun 2021 Vol 5 No 12 (2021): Desember 2021 Vol 5 No 11 (2021): November 2021 Vol 5 No 10 (2021): Oktober 2021 Vol 5 No 9 (2021): September 2021 Vol 5 No 8 (2021): Agustus 2021 Vol 5 No 7 (2021): Juli 2021 Vol 5 No 6 (2021): Juni 2021 Vol 5 No 5 (2021): Mei 2021 Vol 5 No 4 (2021): April 2021 Vol 5 No 3 (2021): Maret 2021 Vol 5 No 2 (2021): Februari 2021 Vol 5 No 1 (2021): Januari 2021 Vol 5 No 13 (2021) Vol 4 No 13 (2020): Publikasi Khusus Tahun 2020 Vol 4 No 12 (2020): Desember 2020 Vol 4 No 11 (2020): November 2020 Vol 4 No 10 (2020): Oktober 2020 Vol 4 No 9 (2020): September 2020 Vol 4 No 8 (2020): Agustus 2020 Vol 4 No 7 (2020): Juli 2020 Vol 4 No 6 (2020): Juni 2020 Vol 4 No 5 (2020): Mei 2020 Vol 4 No 4 (2020): April 2020 Vol 4 No 3 (2020): Maret 2020 Vol 4 No 2 (2020): Februari 2020 Vol 4 No 1 (2020): Januari 2020 Vol 3 No 12 (2019): Desember 2019 Vol 3 No 11 (2019): November 2019 Vol 3 No 10 (2019): Oktober 2019 Vol 3 No 9 (2019): September 2019 Vol 3 No 8 (2019): Agustus 2019 Vol 3 No 7 (2019): Juli 2019 Vol 3 No 6 (2019): Juni 2019 Vol 3 No 5 (2019): Mei 2019 Vol 3 No 4 (2019): April 2019 Vol 3 No 3 (2019): Maret 2019 Vol 3 No 2 (2019): Februari 2019 Vol 3 No 1 (2019): Januari 2019 Vol 2 No 12 (2018): Desember 2018 Vol 2 No 11 (2018): November 2018 Vol 2 No 10 (2018): Oktober 2018 Vol 2 No 9 (2018): September 2018 Vol 2 No 8 (2018): Agustus 2018 Vol 2 No 7 (2018): Juli 2018 Vol 2 No 6 (2018): Juni 2018 Vol 2 No 5 (2018): Mei 2018 Vol 2 No 4 (2018): April 2018 Vol 2 No 3 (2018): Maret 2018 Vol 2 No 2 (2018): Februari 2018 Vol 2 No 1 (2018): Januari 2018 Vol 2 No 8 (2018) Vol 2 No 6 (2018) Vol 1 No 12 (2017): Desember 2017 Vol 1 No 11 (2017): November 2017 Vol 1 No 10 (2017): Oktober 2017 Vol 1 No 9 (2017): September 2017 Vol 1 No 8 (2017): Agustus 2017 Vol 1 No 7 (2017): Juli 2017 Vol 1 No 6 (2017): Juni 2017 Vol 1 No 5 (2017): Mei 2017 Vol 1 No 4 (2017): April 2017 Vol 1 No 3 (2017): Maret 2017 Vol 1 No 2 (2017): Februari 2017 Vol 1 No 1 (2017): Januari 2017 More Issue