cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Budi Hermawan
Contact Email
-
Phone
+62081703408296
Journal Mail Official
info@kdi.or.id
Editorial Address
Jl. Flamboyan 2 Blok B3 No. 26 Griya Sangiang Mas - Tangerang 15132
Location
Kab. tangerang,
Banten
INDONESIA
bit-Tech
Published by Komunitas Dosen Indonesia
ISSN : 2622271X     EISSN : 26222728     DOI : https://doi.org/10.32877/bt
Core Subject : Science,
Computer Science & IT
The bit-Tech journal was developed with the aim of accommodating the scientific work of Lecturers and Students, both the results of scientific papers and research in the form of literature study results. It is hoped that this journal will increase the knowledge and exchange of scientific information, especially scientific papers and research that will be useful as a reference for the progress of the State together.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 370 Documents
 23   24   25   26   27 
The Role of Computers in Collaborative E-Learning: Implications for the Future of Digital Education Kurnaedi, Didi
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2277

Abstract

The development of digital technology has driven significant changes in the world of education, especially through the implementation of collaborative e-learning. Computers play a crucial role in supporting interactive online learning processes, enabling more effective collaboration between students, educators, and learning resources. This study aims to analyze the role of computers in collaborative e-learning and its implications for the future of digital education. This study uses a descriptive qualitative method, with data collection techniques through literature studies and interviews with educators and e-learning practitioners. The results of the study show that computers function as facilitators in various aspects of collaborative e-learning, such as online-based communication, accessibility of educational resources, and integration of artificial intelligence and big data in learning personalization. The advantages of computers in increasing interaction and effectiveness of learning in the digital environment are the main factors in optimizing collaborative e-learning. However, this study also found several challenges, such as the gap in access to technological devices, the readiness of educators and students to adopt technology, and data security issues in e-learning systems. To overcome these obstacles, continuous innovation is needed in the development of digital infrastructure and increasing technological competence for e-learning users. With the rapid development of technology, it is predicted that computer-based collaborative e-learning will continue to develop into the main learning model in the future. Therefore, this study is expected to be a reference for policymakers and education practitioners in designing more inclusive and effective digital learning strategies.
Deteksi Hama Penyakit Daun Padi Dengan Menggunakan Teknik Optimasi Deep Learning Convolutional Neural Network Novantara, Panji; Risteruw Leonardo Firmansyah; Marrilyn Arismawati
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2284

Abstract

Budidaya padi memegang peranan penting dalam ketahanan pangan nasional, namun sering terhambat oleh serangan penyakit daun yang berdampak signifikan terhadap penurunan produksi. Untuk menjawab tantangan tersebut, penelitian ini merancang sebuah aplikasi berbasis algoritma Convolutional Neural Network (CNN) guna mengklasifikasi penyakit daun padi secara otomatis dan akurat. Pengumpulan data dilakukan melalui observasi langsung di Gapoktan (Gabungan Kelompok Tani) Kabupaten Kuningan, wawancara dengan petani, studi literatur, serta pengembangan sistem menggunakan pendekatan Rapid Application Development (RAD) yang memungkinkan pembangunan aplikasi secara cepat dan terstruktur. Model Convolutional Neural Network (CNN) yang dibangun diuji menggunakan 480 gambar sampel dan menghasilkan akurasi tinggi sebesar 97,75%. Nilai F1-Score yang diperoleh yaitu 0,97 untuk Brown Spot, 0,921 untuk Blast, 0,871 untuk Hispa, dan 0,952 untuk daun sehat. Hasil ini menunjukkan bahwa aplikasi mampu mendeteksi penyakit secara dini, sehingga petani dapat segera mengambil tindakan preventif untuk meminimalkan kerugian hasil panen. Untuk meningkatkan performa, disarankan penerapan Model teknik optimasi yang diterapkan dalam proses model CNN (Convolutional Neural Network ) seperti perluasan dataset, variasi teknik augmentasi data set, serta evaluasi terhadap gambar dengan kompleksitas tinggi. Pengembangan ke klasifikasi penyakit lainnya juga sangat potensial. Secara keseluruhan, aplikasi ini berpeluang besar mendukung pertanian digital dan mewujudkan sistem pertanian padi yang lebih berkelanjutan dan modern.
Analisis Clustering Menggunakan Metode Enhanced Fuzzy C-Means Clustering Dengan Algoritma Rock Pada Student Performance Dataset Telaumbanua, Sirmawan Agustinus Balsnimandra; Setiadi, Farisya; Nurjanah, Sofiana
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2287

Abstract

Evaluasi kinerja siswa merupakan elemen penting dalam sistem pendidikan, khususnya dalam mendukung proses pembelajaran yang berbasis data dan pengambilan keputusan akademik. Salah satu metode yang umum digunakan dalam analisis performa siswa adalah algoritma Fuzzy C-Means Clustering (FCM), yang memungkinkan klasifikasi data berdasarkan derajat keanggotaan dalam lebih dari satu cluster. Meskipun demikian, FCM memiliki keterbatasan signifikan, khususnya pada aspek sensitivitas terhadap inisialisasi pusat cluster yang bersifat acak, konvergensi lambat, serta ketidakpastian terhadap solusi optimal global. Penelitian ini mengusulkan pendekatan hybrid dengan mengintegrasikan algoritma ROCK (Robust Clustering using Links) sebagai metode inisialisasi pusat cluster dalam FCM. Algoritma ROCK, yang dirancang untuk data kategorikal, menggunakan pendekatan link-based similarity dalam menentukan kemiripan antar data dan membentuk struktur awal cluster secara hierarkis dan lebih stabil. Dataset yang digunakan dalam penelitian ini adalah Student Performance Dataset dari UCI Machine Learning Repository, yang mencerminkan berbagai atribut sosial, akademik, dan demografis siswa. Hasil pengujian menunjukkan bahwa model hybrid ROCK-FCM menghasilkan peningkatan kinerja clustering yang signifikan dibandingkan FCM konvensional, dengan akurasi meningkat sebesar 9,54%, Rand Index sebesar 10,84%, dan F-measure sebesar 8,61%. Temuan ini mengindikasikan bahwa integrasi ROCK dalam proses inisialisasi FCM memberikan kontribusi nyata dalam meningkatkan akurasi pengelompokan dan stabilitas model pada data pendidikan. Penelitian ini berkontribusi pada pengembangan pendekatan educational data mining yang lebih adaptif dan presisi dalam memetakan performa siswa.
Analisis Sentimen Calon Kepala Daerah Maluku Utara dengan Metode CRISP-DM Jamil, Mohamad; Rosihan, Rosihan; S Hanafi, Masdar
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2285

Abstract

Pemilihan kepala daerah merupakan salah satu wujud nyata dari demokrasi lokal yang memungkinkan masyarakat mengekspresikan aspirasi politiknya secara langsung. Namun, untuk memahami dinamika persepsi publik terhadap calon kepala daerah, dibutuhkan pendekatan analitis yang mampu menafsirkan opini masyarakat dalam skala luas dan waktu nyata. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap calon kepala daerah di Provinsi Maluku Utara dengan memanfaatkan data komentar dari media sosial YouTube dan TikTok. Subjek penelitian berupa komentar publik yang dikumpulkan melalui teknik crawling dengan kata kunci tertentu terkait nama calon dan isu politik lokal. Penelitian ini menggunakan pendekatan CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment. Proses analisis mencakup preprocessing teks seperti tokenizing, case folding, stop word removal, dan stemming. Komentar diklasifikasikan secara manual ke dalam tiga kategori sentimen: positif, negatif, dan netral. Model klasifikasi dibangun menggunakan algoritma Neural Network melalui platform Orange Data Mining. Hasil penelitian menunjukkan bahwa kandidat 3 memperoleh sentimen positif tertinggi, kandidat 1 mendapat sentimen negatif terbanyak, dan kandidat 5 mendominasi pada sentimen netral. Model menunjukkan kinerja tinggi dengan akurasi mencapai 97,2%, presisi 98,5%, dan recall 88,8%. Temuan ini menunjukkan bahwa kombinasi metode CRISP-DM dan pembelajaran mesin dapat memberikan wawasan strategis yang bermanfaat bagi pengambil kebijakan dan tim kampanye dalam memahami persepsi publik secara lebih komprehensif dan real-time. Penelitian ini dapat menjadi referensi bagi pemangku kepentingan dalam merancang strategi komunikasi politik yang lebih tepat sasaran.
Enhancing Leave Management Systems with Design Thinking-Based UI/UX Development Ramadhanti, Nur Fairus; Sidik , Achmad; Ryando, M. Bucci
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2291

Abstract

This study addresses the inefficiencies in the employee leave management process of a company operating in both the service and manufacturing sectors, which currently relies on a manual, document-based system devoid of centralized data integration. Such a system has led to administrative bottlenecks, documentation inaccuracies, and reduced operational transparency, thereby hampering employee satisfaction and organizational productivity. To overcome these limitations, the Design Thinking methodology was adopted as a user-centered approach for the development of an intuitive and functional web-based leave management application. The research employed the five phases of Design Thinking—empathize, define, ideate, prototype, and test—to ensure that the system's design aligns with user expectations and organizational goals. Primary data were gathered through interviews and questionnaires administered to employees and human resource personnel, enabling the identification of key pain points in the existing workflow. A prototype was developed and subsequently evaluated using the System Usability Scale (SUS), a widely accepted instrument for measuring perceived usability. The system achieved a usability score of 87.45% based on responses from 10 users, indicating a high level of user satisfaction and system acceptance. These findings demonstrate the effectiveness of the Design Thinking approach in producing a leave management system that not only enhances administrative efficiency but also fosters a positive user experience. The study contributes to the growing body of literature on user-centered system design and provides a replicable framework for organizations seeking to digitally transform HR administrative functions through iterative, human-centered design methodologies.
Analisis Kinerja ESP32-CAM Dalam Mendeteksi Objek Herwandi, Aditya; Ramadhan, Alfian Aditya; Sunggono, Nova Teguh; Ferawati, Ferawati
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2296

Abstract

Deteksi objek merupakan salah satu komponen kunci dalam sistem visi komputer yang banyak digunakan pada berbagai aplikasi seperti pengawasan, otomasi, dan sistem berbasis Internet of Things (IoT). Namun, penerapan algoritma deteksi berbasis deep learning umumnya memerlukan sumber daya komputasi tinggi yang tidak sesuai untuk perangkat berbiaya rendah seperti ESP32-CAM. Penelitian ini bertujuan untuk menganalisis kinerja ESP32-CAM dalam mendeteksi objek menggunakan algoritma YOLOv3, serta mengkaji pengaruh berbagai kondisi lingkungan terhadap hasil deteksi. Studi ini menggunakan pendekatan eksperimental dengan lima skenario pengujian yang mencakup variabel pencahayaan (siang dan malam), gerakan kamera (bergerak dan tidak bergerak), resolusi gambar (800×600 dan 1280×1024 piksel), serta ukuran objek (kecil, sedang, dan besar). Evaluasi dilakukan dengan mengukur tingkat akurasi deteksi, waktu pemrosesan per frame, serta kejernihan citra pada masing-masing skenario. Hasil pengujian menunjukkan bahwa ESP32-CAM mampu mendeteksi objek dengan akurasi tertinggi sebesar 73% pada kondisi siang hari dengan pencahayaan optimal dan kamera statis. Akurasi menurun secara signifikan dalam kondisi gelap, saat kamera bergerak, serta ketika objek berukuran kecil. Penelitian ini menegaskan bahwa keberhasilan deteksi sangat dipengaruhi oleh pengaturan lingkungan dan karakteristik objek. Meskipun ESP32-CAM memiliki keterbatasan dalam daya komputasi dan memori, hasil penelitian ini membuktikan bahwa perangkat ini tetap layak digunakan untuk sistem deteksi objek sederhana dalam lingkungan terkendali. Penelitian ini memberikan kontribusi praktis dalam pengembangan sistem deteksi visual berbasis perangkat ringan, dan menawarkan rekomendasi teknis untuk meningkatkan performa melalui pengaturan lingkungan dan pemilihan parameter yang tepat.
Analisis Faktor dan Prediksi Atrisi untuk Optimalisasi Retensi Karyawan Menggunakan Machine Learning Jamroni, A. Reza Baehaqa Jamroni; Wahyu Hadikristanto; Muhamad Fatchan
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2301

Abstract

Atrisi karyawan merupakan fenomena penurunan jumlah tenaga kerja dalam sebuah organisasi yang disebabkan oleh faktor-faktor seperti pengunduran diri, pensiun, atau alasan lainnya. Fenomena ini dapat berdampak negatif pada perusahaan, termasuk penurunan produktivitas, gangguan operasional, dan meningkatnya biaya rekrutmen serta pelatihan. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi atrisi karyawan dan mengembangkan model prediksi menggunakan algoritma machine learning, yaitu Random Forest dan K-Nearest Neighbors (KNN). Adapun penelitian ini menggunakan dataset IBM HR Analytics Employee Attrition & Performance. Metode penelitian melibatkan tahap pengumpulan data, pemrosesan data, pelatihan model menggunakan algoritma Random Forest dan KNN, serta evaluasi kinerja model berdasarkan akurasi, precision, recall, F1-score, AUC, dan ROC curve. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki akurasi 93% dan nilai AUC sebesar 0.98, lebih tinggi dibandingkan dengan KNN yang hanya mencapai akurasi 88% dan AUC 0.96. Selain itu, Random Forest menunjukkan kinerja yang lebih seimbang pada precision, recall, dan F1-score, serta lebih rendah dalam kesalahan prediksi pada kelas "Atrisi" dan "Tidak Atrisi". Pada analisis feature importance mengidentifikasi faktor utama yang mempengaruhi atrisi karyawan, seperti RelationshipSatisfaction, Work-Life Balance, Age, StockOptionLevel, dan NumberofCompaniesWorked. Temuan ini memberikan kontribusi penting bagi perusahaan dalam merancang strategi retensi yang lebih efektif dengan memanfaatkan data yang ada. Penelitian ini juga merekomendasikan penggunaan dataset yang lebih besar, serta penerapan algoritma dan teknik lain seperti SMOTE untuk meningkatkan akurasi model dalam prediksi atrisi di masa depan.
Perbandingan Akurasi Jarak Potret Untuk Pengenalan Jenis Bibit Mangga Metode JST-PB Dan Fitur GLCM Ramadhani, Farhan; Gasim; Nazori, Nazori
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2303

Abstract

Penelitian ini bertujuan untuk membandingkan tingkat akurasi dalam mengenali jenis bibit mangga berdasarkan tekstur urat daun menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur Gray Level Co-occurrence Matrix (GLCM). Identifikasi jenis bibit mangga menjadi tantangan karena variabilitas genetik yang tinggi, yang mempengaruhi kemampuan dalam mengenali bibit mangga secara otomatis. Dalam penelitian ini, citra daun mangga diambil dengan tiga variasi jarak potret (5 cm, 10 cm, dan 15 cm) untuk menilai pengaruh jarak terhadap akurasi pengenalan. Proses pertama dilakukan dengan ekstraksi tekstur urat daun menggunakan GLCM, yang mengubah citra RGB menjadi citra grayscale dan mengambil empat fitur utama (kontras, homogenitas, korelasi, dan energi). Setelah itu, model JST-PB diterapkan untuk melatih jaringan saraf dengan menggunakan data citra yang telah diproses. Hasil penelitian menunjukkan bahwa jarak potret 15 cm menghasilkan akurasi tertinggi, yaitu 34%, dengan 22 dari 64 citra uji berhasil dikenali dengan benar. Jarak potret 5 cm dan 10 cm menunjukkan akurasi yang lebih rendah, masing-masing 23% dan 17%. Penggunaan satu hidden layer dengan 10 neuron dalam JST-PB terbukti memberikan performa terbaik pada jarak potret 15 cm. Penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan akurasi pengenalan bibit mangga secara otomatis, serta memberikan wawasan mengenai pengaruh jarak potret dalam aplikasi pengolahan citra pertanian.
Pengembangan Chatbot Berbasis Web untuk Layanan Informasi di Horizon University Deden Moh Alfiansyah; Wiilys; Lila Setiyani; Devi Fajar Wati; Dedih
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2318

Abstract

Layanan customer service di perguruan tinggi sering kali menghadapi berbagai kendala, khususnya dalam hal kecepatan respon dan keterbatasan sumber daya manusia. Permintaan informasi dari mahasiswa yang tinggi, terutama pada masa-masa tertentu seperti awal semester atau saat pendaftaran ulang, tidak selalu dapat direspon secara cepat dan efisien oleh staf administrasi. Untuk menjawab tantangan ini, penelitian ini bertujuan mengembangkan HORIBOT, sebuah chatbot berbasis web yang dirancang untuk mendukung dan meningkatkan kualitas layanan informasi di Horizon University. Penelitian ini menggunakan metode Research and Development (R&D) dengan pendekatan model Waterfall dalam proses pengembangannya. HORIBOT dibangun menggunakan bahasa pemrograman PHP dan database MySQL, dengan logika chatbot berbasis rule-based, yang memungkinkan sistem menjawab berbagai pertanyaan umum secara otomatis berdasarkan pola dan kata kunci tertentu. Beberapa informasi yang dapat diberikan oleh HORIBOT antara lain: jadwal perkuliahan, biaya pendidikan, prosedur pendaftaran, serta informasi akademik lainnya yang sering ditanyakan mahasiswa. Hasil dari pengujian black-box menunjukkan bahwa seluruh fitur utama dari HORIBOT berjalan dengan baik tanpa ditemukan bug yang signifikan. Selanjutnya, dilakukan evaluasi kepada pengguna akhir, dan hasilnya menunjukkan bahwa lebih dari 85% responden merasa puas dengan performa chatbot ini, baik dari segi kecepatan, akurasi jawaban, maupun kemudahan penggunaan. Dari hasil penelitian ini, dapat disimpulkan bahwa HORIBOT mampu memberikan kontribusi nyata dalam meningkatkan efisiensi layanan informasi di lingkungan perguruan tinggi. Untuk pengembangan lebih lanjut, disarankan integrasi teknologi Natural Language Processing (NLP) guna meningkatkan kemampuan memahami bahasa alami pengguna, serta perluasan layanan ke platform populer seperti WhatsApp atau Telegram agar lebih mudah dijangkau oleh seluruh civitas akademika.
Implementasi Sistem Berbasis Mobile untuk Layanan Pelanggan Cafe dan Resto dengan Model Prototype Firmansyah, Yoki; Tarigas, Viny; Maulana, Reza; Purwaningtias, Deasy
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.2323

Abstract

Salah satu permasalahan umum yang dihadapi oleh usaha di bidang hiburan dan rekreasi, khususnya yang menyediakan layanan cafe, resto, dan meja biliar, adalah proses layanan pelanggan yang masih dilakukan secara manual. Proses reservasi meja, pemesanan makanan dan minuman, hingga pencatatan transaksi harian masih bergantung pada komunikasi melalui aplikasi pesan instan dan pencatatan dalam buku tulis. Kondisi ini menimbulkan berbagai kendala seperti kesalahan pencatatan, keterlambatan layanan, dan tidak efisiennya proses pelaporan keuangan. Penelitian ini bertujuan untuk mengembangkan sistem informasi berbasis mobile guna meningkatkan efisiensi dan akurasi dalam layanan pelanggan. Sistem ini dirancang agar pelanggan dapat melakukan reservasi meja, memesan makanan dan minuman, serta memantau tagihan secara langsung melalui perangkat seluler. Sementara itu, pihak pengelola dapat memanfaatkan sistem untuk mencatat dan memantau transaksi secara real-time serta menghasilkan laporan secara otomatis. Adapun objek dari penelitian ini adalah PT borneo Sukses yang merupakan pengelola cafe yang menyediakan fasilitas meja billiat. Metode pengembangan yang digunakan dalam penelitian ini adalah model prototyping. Tahapan model ini meliputi pengumpulan kebutuhan awal dari pengguna, perancangan cepat (quick design), pembangunan prototype, evaluasi oleh pengguna, serta perbaikan berulang hingga sistem sesuai dengan kebutuhan akhir. Hasil dari pendekatan ini menunjukkan bahwa sistem yang dibangun lebih responsif terhadap kebutuhan pengguna serta mampu mengatasi kendala operasional yang sebelumnya dihadapi.

Page 25 of 37 | Total Record : 370

 23   24   25   26   27 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol. 8 No. 1 (2025): bit-Tech Vol. 7 No. 3 (2025): bit-Tech Vol. 7 No. 2 (2024): bit-Tech Vol. 7 No. 1 (2024): bit-Tech Vol. 6 No. 3 (2024): bit-Tech Vol. 6 No. 2 (2023): bit-Tech Vol. 6 No. 1 (2023): bit-Tech Vol. 5 No. 3 (2023): bit-Tech Vol. 5 No. 2 (2022): bit-Tech Vol. 5 No. 1 (2022): bit-Tech Vol. 4 No. 3 (2022): bit-Tech Vol. 4 No. 2 (2021): bit-Tech Vol. 4 No. 1 (2021): bit-Tech Vol. 3 No. 3 (2021): Remote Delivery Vol. 3 No. 2 (2020): Datamining Vol. 3 No. 1 (2020): Distance Learning Vol. 2 No. 3 (2020): Pandemik ICT Vol. 1 No. 3 (2019): Learning Synchronous and Asynchronous in the Industry 4.0 Vol. 2 No. 2 (2019): Support System Vol. 2 No. 1 (2019): Data Mining and Green Technology Vol. 1 No. 2 (2018): Data and Information Quality Vol. 1 No. 1 (2018): First Impression on Computing More Issue