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 adm. jakarta pusat,
Dki jakarta
INDONESIA
IKRA-ITH Informatika : Jurnal Komputer dan Informatika
Published by Universitas Persada Indonesia YAI
ISSN : 25804316     EISSN : 26548054     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 504 Documents
 44   45   46   47   48 
Redesain UI/UX Fitur Privasi Mute, Restrict, dan Unfollow pada Instagram Berbasis Model Mental Pengguna MUHAMAD RIFKI ALFADHRY; Gugun Gunadi; Susi Maulidiah
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.6967

Abstract

Instagram reaches approximately 108 million users in Indonesia (DataReportal, 2025), making the Mute, Restrict, and Unfollow features important tools for managing social interaction and protecting user privacy. Previous usability studies (Sidik, 2025; Huda et al., 2023; Nyoman et al., 2025) have confirmed usability problems on Instagram, yet none has produced an interface redesign grounded in a mapping of users' mental models toward these three specific features. This study aims to redesign the UI/UX of the Mute, Restrict, and Unfollow features using a Design Thinking approach grounded in user mental model analysis, and to evaluate its effectiveness using the System Usability Scale (SUS). The research began with a preliminary study involving 15 active Instagram users, followed by semi-structured interviews and Think-Aloud Protocol sessions with 13 participants during the Empathize and Define stages, and a SUS-based evaluation of a high-fidelity prototype during the Prototype stage. The preliminary study found that 80% of respondents could not correctly understand the functions of the Mute and Restrict features. The interviews further revealed a mismatch between users' mental models and the system's actual mechanisms, causing confusion when managing interactions. Based on these findings, an interface redesign was developed, resulting in a SUS score of 88.65 (Excellent category), surpassing the contextual benchmark of 66.57 established by a prior study (Sidik, 2025). These findings indicate that a Design Thinking approach grounded in user mental model mapping can produce a UI/UX design that is easier to understand, reduces cognitive load, and strengthens users' privacy control on Instagram.
PERANCANGAN SISTEM INFORMASI PRAKTEK DOKTER MENGGUNAKAN METODE PERSONAL EXTREME PROGRAMMING BERBASIS WEB Fingki Marwati; Salman Farizy; Vini Siti Yundari
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7013

Abstract

Perkembangan teknologi informasi mendorong transformasi pelayanan kesehatan, termasuk pada fasilitas pelayanan kesehatan tingkat pertama seperti praktik dokter. Pengelolaan layanan yang masih dilakukan secara manual berpotensi menimbulkan berbagai kendala operasional, antara lain penumpukan antrean, duplikasi data pasien, keterlambatan penyusunan laporan, serta kurang optimalnya pengelolaan rekam medis dan persediaan obat. Penelitian ini bertujuan untuk merancang Sistem Informasi Praktik Dokter berbasis web yang dapat membantu meningkatkan efektivitas dan efisiensi proses pelayanan. Metode Personal Extreme Programming (PXP) digunakan dalam pengembangan sistem karena memiliki karakteristik adaptif, iteratif, dan sesuai untuk pengembang tunggal atau tim kecil. Pendekatan ini menekankan penyusunan user story, pengujian secara bertahap, serta pengembangan produk secara berkelanjutan. Sistem yang dirancang mencakup beberapa modul utama, yaitu pendaftaran pasien, manajemen rekam medis, antrean, laboratorium, farmasi, keuangan, dan pelaporan. Perancangan sistem dilakukan dengan memetakan entitas utama, seperti pasien, kunjungan, rekam medis, resep, stok obat, hasil laboratorium, dan laporan manajerial. Hasil rancangan ini diharapkan mampu mendukung integrasi proses bisnis pada praktik dokter, mempercepat pelayanan, meningkatkan akurasi data, serta mempermudah manajemen dalam pengambilan keputusan berbasis informasi.
Rancang Bangun Sistem Informasi Manajemen Kru dan Produksi Syuting Berbasis Web Menggunakan Laravel serta Tailwind CSS dengan Model Waterfall (Studi Kasus: Sindikart) Muhamad Elgar; Uus Firdaus; Setyono
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7043

Abstract

Sindikart Equipment and Props Rental House is an artistic service company in the film industry that has been managing crew data and property inventory conventionally using office applications and cloud-based storage, which can lead to data duplication, difficulty in validating crew information, and slow retrieval of past project archives. This research aims to design and build a web-based Crew and Film Production Management Information System to integrate the management of crew data, production projects, and property inventory at Sindikart. The research method used is descriptive qualitative, with data collection through participatory observation and direct interviews with the Director of Sindikart. The system was developed using the Waterfall model, with Laravel as the backend framework, Tailwind CSS for the frontend interface, and MySQL as the database, and has two user roles, namely Admin and Crew. Testing was carried out using the Black Box Testing method on 63 test scenarios, with 62 scenarios valid and 1 scenario not yet optimal, resulting in a system success rate of 98.41%. These results indicate that the system is feasible to implement and able to transform Sindikart's operational data management into a more centralized, structured, and efficient one.
RANCANG BANGUN APLIKASI MANAJEMEN TUGAS AKHIR MAHASISWA BERBASIS MOBILE MENGGUNAKAN METODE PROTOTYPE (Studi Kasus: Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang) Mutiara Isya Meliana; Jajam Haerul Jaman; Chaerur Rozikin
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7080

Abstract

Proses pengelolaan tugas akhir mahasiswa di Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang (FASILKOM UNSIKA) masih dilakukan melalui berbagai media yang terpisah sehingga menyebabkan proses administrasi dan pemantauan progres tugas akhir kurang optimal. Penelitian ini bertujuan untuk merancang dan membangun aplikasi manajemen tugas akhir mahasiswa berbasis mobile yang mampu mengintegrasikan seluruh tahapan tugas akhir dalam satu platform. Metode yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Prototype yang meliputi pengumpulan kebutuhan, perancangan, pembangunan prototipe, evaluasi, dan penyempurnaan sistem secara iteratif. Aplikasi dikembangkan menggunakan Kotlin, Jetpack Compose, dan Supabase sebagai backend, serta memanfaatkan API untuk validasi pengguna yang terintegrasi dengan SISKA UNSIKA. Fitur utama aplikasi mencakup login, register, pengajuan judul, logbook bimbingan, pendaftaran seminar proposal, kolokium, yudisium, serta pelacakan status tugas akhir. Pengujian dilakukan menggunakan Black Box Testing untuk memastikan seluruh fungsi aplikasi berjalan sesuai kebutuhan pengguna. Hasil penelitian menunjukkan bahwa aplikasi SIMTA Mobile mampu membantu pengelolaan tugas akhir menjadi lebih cepat, terstruktur, dan terdokumentasi dengan baik. Selain itu, aplikasi ini meningkatkan efisiensi komunikasi dan mendukung digitalisasi layanan akademik di lingkungan FASILKOM UNSIKA.
Analisis Clustering Tingkat Kemiskinan di Beberapa Kabupaten/Kota di Provinsi Sumatera Utara Menggunakan Algoritma K-Means (Data BPS Tahun 2020–2025) Monica Sari Batubara; Novita Sari Siagian; Leony Sinaga
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7092

Abstract

Kemiskinan tetap menjadi salah satu masalah sosial utama yang memengaruhi pembangunan daerah dan kesejahteraan masyarakat. Karakteristik kemiskinan yang berbeda di berbagai daerah memerlukan pendekatan pengelompokan yang tepat untuk mendukung perumusan kebijakan yang lebih tepat sasaran. Studi ini bertujuan untuk mengelompokkan beberapa kabupaten dan kota di Provinsi Sumatera Utara berdasarkan karakteristik kemiskinan menggunakan algoritma K-Means. Studi ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) untuk periode 2020–2025, termasuk tingkat kemiskinan, jumlah penduduk miskin, garis kemiskinan, indeks kesenjangan kemiskinan (P1), indeks keparahan kemiskinan (P2), dan Indeks Pembangunan Manusia (IPM). Penelitian ini mengikuti kerangka Knowledge Discovery in Databases (KDD) yang terdiri dari pemilihan data, pra-pemrosesan, normalisasi data, penentuan jumlah klaster optimal menggunakan Metode Elbow, pengelompokan menggunakan algoritma K-Means, dan evaluasi menggunakan Silhouette Score. Hasil menunjukkan bahwa jumlah klaster optimal adalah tiga. Klaster 1 terdiri dari Kabupaten Langkat dan Kabupaten Samosir dengan karakteristik kemiskinan yang relatif tinggi. Klaster 2 meliputi Kota Pematang Siantar dan Kabupaten Deli Serdang, yang memiliki karakteristik kemiskinan sedang. Sementara itu, Kota Medan membentuk klaster terpisah karena karakteristik perkotaannya, garis kemiskinan yang lebih tinggi, dan Indeks Pembangunan Manusia yang lebih tinggi dibandingkan dengan daerah lain. Temuan ini diharapkan dapat memberikan informasi yang bermanfaat bagi pemerintah daerah dalam merancang kebijakan pengentasan kemiskinan yang lebih efektif. Kata kunci: K-Means, Pengelompokan, Kemiskinan, Penambangan Data, Sumatera Utara.
Analisis Kinerja Algoritma Random Forest dalam Klasifikasi Kelulusan Mahasiswa Menggunakan Student Performance Dataset Leony Sinaga; Monica Sari Batubara; Novita Sari Siagian
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7093

Abstract

Perkembangan pesat pembelajaran mesin telah mendorong penerapannya di sektor pendidikan untuk mendukung pengambilan keputusan berbasis data, khususnya dalam klasifikasi kelulusan siswa. Studi ini bertujuan untuk mengimplementasikan algoritma Random Forest untuk mengklasifikasikan status kelulusan siswa menggunakan Dataset Kinerja Siswa. Penelitian ini menggunakan pendekatan eksperimental kuantitatif yang terdiri dari pra-pemrosesan data, membagi dataset menjadi data pelatihan (80%) dan data pengujian (20%), mengembangkan model klasifikasi Random Forest, dan mengevaluasi kinerjanya menggunakan Akurasi, Presisi, Recall, F1-Score, Area Under the Curve (AUC), dan Matriks Konfusi. Hasil eksperimen menunjukkan bahwa model Random Forest mencapai Akurasi 89,87%, Presisi 90,21%, Recall 88,46%, F1-Score 89,33%, dan nilai AUC 0,94. Matriks Konfusi menunjukkan bahwa model tersebut mengklasifikasikan sebagian besar data dengan benar, dengan 29 True Negative, 42 True Positive, 3 False Positive, dan 5 False Negative. Temuan ini menunjukkan bahwa algoritma Random Forest memberikan kinerja yang baik, stabil, dan efektif dalam mengklasifikasikan kelulusan siswa berdasarkan data akademik. Studi ini diharapkan dapat menjadi referensi untuk implementasi pembelajaran mesin dalam mendukung pengambilan keputusan pendidikan, khususnya untuk identifikasi dini siswa yang berisiko mengalami keterlambatan kelulusan. Kata kunci: Random Forest, Pembelajaran Mesin, Klasifikasi, Kelulusan Mahasiswa, Evaluasi Model.
Implementasi Aplikasi Edukasi Kebidanan Berbasis Android Sebagai Media Pembelajaran Interaktif Menggunakan Model Prototype (Studi Kasus: Mahasiswa Kebidanan UNSIKA) Ananta Ziaurohman Az Zaki; Intan Purnamasari; Carudin Carudin
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7094

Abstract

Proses pembelajaran kebidanan masih didominasi oleh penyampaian materi secara konvensional sehingga kurang mendukung pemahaman mahasiswa terhadap materi yang bersifat prosedural. Penelitian ini bertujuan mengimplementasikan aplikasi edukasi kebidanan berbasis Android dengan pembelajaran interaktif menggunakan model Prototype sebagai media pembelajaran bagi mahasiswa Kebidanan Universitas Singaperbangsa Karawang (UNSIKA). Pembelajaran interaktif pada aplikasi ini diwujudkan melalui penyajian video pembelajaran, modul, deskripsi materi, dan kuis evaluasi yang mendorong pengguna berpartisipasi aktif. Metode penelitian yang digunakan adalah Software Development Life Cycle (SDLC) dengan model Prototype. Aplikasi dikembangkan menggunakan React Native dan Firebase, kemudian diuji menggunakan Black Box Testing untuk fungsionalitas serta System Usability Scale (SUS) untuk mengukur kemudahan penggunaan. Hasil penelitian menunjukkan seluruh fitur aplikasi berfungsi sesuai kebutuhan, dengan skor SUS sebesar 90,36 yang termasuk kategori Excellent, Grade A, dan Acceptable. Dengan demikian, aplikasi edukasi kebidanan berbasis Android ini mampu menjadi media pembelajaran yang efektif, mudah digunakan, dan mendukung proses belajar mandiri mahasiswa Kebidanan UNSIKA.
Analisis Kualitatif Persepsi Mahasiswa terhadap Penggunaan Machine Learning sebagai Pendukung Pembelajaran Alex Septama Sihite; Judea Tirta Jordan Simamora; Octav Kornelius Hutagaol; Marcel Alezandro Sihombing
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7095

Abstract

The development of Artificial Intelligence (AI), particularly Machine Learning (ML), has had a significant impact on the world of education as a supporter of the learning process. This study aims to analyze students' perceptions of the use of Machine Learning as a supporter of Artificial Intelligence-based learning. The study used a descriptive qualitative approach with data collection techniques through Likert scale questionnaires and interviews. The research respondents were 50 students who had used Machine Learning-based applications in learning activities. Data analysis was carried out through data reduction, data presentation, and drawing conclusions. The results showed that the majority of students had a positive perception of the use of Machine Learning. 80% of respondents agreed with the use of Machine Learning in learning, 12% were neutral, and 8% disagreed. Students considered that Machine Learning facilitates understanding of material, accelerates task completion, increases learning motivation, and supports independent learning. However, some students were still concerned about the potential for dependence on technology and reduced critical thinking skills if used excessively. The results of the study indicate that Machine Learning has great potential as a supporter of learning in higher education if used wisely and balanced with critical thinking skills and digital literacy. Keywords: Artificial Intelligence, Machine Learning, Student Perception, Learning, Technology Acceptance Model.
Tinjauan Arsitektur Transformer Dan Penerapannya Pada Pemrosesan Bahasa Alami Marcel Alezandro Sihombing; Irene Lestaria Sinaga; Octav Kornelius Hutagaol; Judea Tirta Jordan Simamora; Alex Septama Sihite
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7096

Abstract

The rapid development in the field of natural language processing (NLP) cannot be separated from the emergence of the Transformer architecture first introduced in 2017. This architecture relies on a self-attention mechanism that allows the model to process all tokens at once, unlike the sequential approach in RNN or LSTM. This article presents a literature review of the Transformer architecture, its main components such as multi-head attention, positional encoding, and feed-forward network, as well as its various applications in NLP tasks such as machine translation, sentiment analysis, and text generation. In addition, the advantages and limitations of the Transformer compared to previous architectures are discussed, along with challenges such as high computational requirements and large memory consumption. This review is expected to provide a comprehensive basic understanding of the Transformer for researchers and practitioners in the field of machine learning.
Analisis Penerapan Algoritma Decision Tree, Random Forest, dan Naive Bayes pada Pengolahan Data untuk Sistem Cerdas Judea Tirta Jordan Simamora; Alex Septama Sihite; Octav Kornelius Hutagaol; Marcel Alezandro Sihombing
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.7099

Abstract

The rapid growth of information technology has led to a significant increase in the volume of data generated across various sectors. This condition creates challenges in data processing, particularly in obtaining accurate, efficient, and timely information to support intelligent decision-making. Machine learning, as a branch of artificial intelligence, has emerged as one of the most widely used approaches for addressing these challenges due to its ability to learn patterns from data and generate predictions automatically. However, the successful implementation of machine learning is influenced by several factors, including data quality, algorithm selection, and model evaluation processes. This study aims to analyze the application of machine learning in data processing for intelligent systems through a literature review approach. The research method was conducted by collecting, selecting, reviewing, and synthesizing relevant scientific literature from journals, books, conference proceedings, and academic publications. The analysis employed a qualitative descriptive approach to identify commonly used algorithms, implementation benefits, challenges, and recent development trends in machine learning applications. The results indicate that algorithms such as Decision Tree, Random Forest, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), and Naive Bayes are among the most frequently applied methods in intelligent data processing systems. The findings also show that machine learning contributes significantly to improving prediction accuracy, accelerating data analysis, automating decision-making processes, and enhancing system adaptability across various domains, including healthcare, education, business, finance, and information systems. Nevertheless, several challenges remain, such as low-quality datasets, imbalanced data, high computational requirements, overfitting, underfitting, and limited model interpretability. This study contributes by providing a comprehensive overview of machine learning applications, highlighting the importance of data preprocessing and appropriate algorithm selection, and identifying future research opportunities related to efficient, transparent, and explainable intelligent systems. Keywords : Machine Learning, Data Processing, Intelligent Systems, Artificial Intelligence.

Page 46 of 51 | Total Record : 504

 44   45   46   47   48 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026 Vol. 10 No. 1 (2026): IKRAITH-INFORMATIKA Vol 10 No 1 Maret 2026 Vol. 9 No. 3 (2025): IKRAITH-INFORMATIKA Vol 9 No 3 November 2025 Vol. 9 No. 2 (2025): IKRAITH-INFORMATIKA Vol 9 No 2 Juli 2025 Vol. 9 No. 1 (2025): IKRAITH-INFORMATIKA Vol 9 No 1 Maret 2025 Vol. 8 No. 3 (2024): IKRAITH-INFORMATIKA Vol 8 No 3 November 2024 Vol. 8 No. 2 (2024): IKRAITH-INFORMATIKA Vol 8 No 2 Juli 2024 Vol. 8 No. 1 (2024): IKRAITH-INFORMATIKA Vol 8 No 1 Maret 2024 Vol. 7 No. 3 (2023): IKRAITH-INFORMATIKA Vol 7 No 3 November 2023 Vol 7 No 2 (2023): IKRAITH-INFORMATIKA Vol 7 No 2 Juli 2023 Vol 7 No 1 (2023): IKRAITH-INFORMATIKA Vol 7 No 1 Maret 2023 Vol 6 No 3 (2022): IKRAITH-INFORMATIKA Vol 6 No 3 November 2022 Vol 6 No 2 (2022): IKRAITH-INFORMATIKA Vol 6 No 2 Juli 2022 Vol 6 No 1 (2022): IKRAITH-INFORMATIKA Vol 6 No 1 Maret 2022 Vol 5 No 3 (2021): IKRAITH-INFORMATIKA Vol 5 No 3 November 2021 Vol 4 No 2 (2020): IKRAITH-INFORMATIKA Vol 4 No 2 Bulan Juli 2020 Vol 4 No 1 (2020): IKRAITH-INFORMATIKA Vol 4 No 1 Bulan Maret 2020 Vol 3 No 3 (2019): IKRAITH-INFORMATIKA Vol 3 No 3 Bulan November 2019 Vol 3 No 2 (2019): IKRA-ITH INFORMATIKA Vol 3 No 2 Bulan Juli 2019 Vol 3 No 1 (2019): IKRA-ITH INFORMATIKA Vol 3 No 1 Bulan Maret 2019 Vol 3 No 2 (2019): IKRA-ITH INFORMATIKA Vol 3 No 2 Bulan Juli 2019 Vol 2 No 3 (2018): IKRA-ITH INFORMATIKA Vol 2 No 3 Bulan November 2018 Vol 2 No 3 (2018): IKRA-ITH INFORMATIKA Vol 2 No 3 Bulan November 2018 Vol 2 No 2 (2018): IKRAITH INFORMATIKA VOL 2 NO 2 Juli 2018 Vol 2 No 1 (2018): IKRAITH-INFORMATIKA vol 2 Nomor 1 Bulan Maret 2018 Vol 1 No 2 (2017): IKRAITH-INFORMATIKA vol 1 Nomor 2 Bulan November 2017 Vol 1 No 2 (2017): IKRAITH-INFORMATIKA vol 1 Nomor 2 Bulan November 2017 Vol 1 No 1 (2017): IKRAITH-INFORMATIKA vol 1 Nomor 1 Bulan Juli 2017 More Issue