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
 24   25   26   27   28 
Perancangan Sistem Informasi Portal Futsal Berbasis Web untuk Meningkatkan Efisiensi Manajemen Data Rosdiyanto, Roynaldy; Tjahjanto, Tjahjanto
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.v7i3.2327

Abstract

Kemajuan ilmu pengetahuan dan teknologi pada era modern mendorong lembaga pendidikan untuk menerapkan sistem komputerisasi guna meningkatkan efektivitas operasional. Namun, masih banyak lembaga yang mengalami kendala dalam pengolahan sistem informasi, seperti kesalahan dalam pembuatan laporan, kehilangan dokumen, penyimpanan data yang tidak rapi, serta lambatnya proses pelaporan akibat pencatatan manual. Permasalahan penelitian ini berfokus pada inefisiensi sistem pengolahan informasi pada salah satu akademi futsal. Tujuan penelitian ini adalah untuk merancang dan membangun sistem informasi futsal berbasis web yang dapat meningkatkan akurasi, efisiensi, dan kerapihan dalam pengelolaan data serta pelaporan kegiatan. Subjek penelitian adalah sebuah akademi futsal yang sedang mengalami kendala dalam pengelolaan data secara manual. Metode yang digunakan dalam penelitian ini meliputi observasi langsung terhadap sistem lama, wawancara dengan pihak pengelola, serta dokumentasi kebutuhan sistem. Analisis data dilakukan menggunakan pendekatan sistem berbasis objek, dan pengembangan sistem dilakukan dengan bahasa pemrograman PHP serta database MySQL. Hasil penelitian menunjukkan bahwa sistem informasi futsal berbasis web mampu meminimalkan kesalahan input data, mempercepat proses pembuatan laporan, serta memperbaiki sistem penyimpanan dokumen secara digital. Simpulan dari penelitian ini adalah bahwa penerapan sistem informasi berbasis web memberikan dampak positif terhadap efisiensi manajemen data di lingkungan akademi futsal, serta dapat menjadi solusi atas berbagai kendala yang timbul dalam pengelolaan informasi secara manual.
Analisis Integratif Design Thinking dan Artificial Intelligence dalam Mendorong Inovasi UMKM di Indonesia Suharto, Tri Setio Utomo
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.v7i3.2333

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh integratif antara pendekatan Design Thinking dan Artificial Intelligence dalam mendorong inovasi pada sektor Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia. Pendekatan kuantitatif digunakan melalui survei terhadap 372 pelaku UMKM di empat kota besar—Jakarta, Surabaya, Yogyakarta, dan Medan—dengan instrumen kuesioner berbasis skala Likert. Model regresi linear berganda diterapkan untuk menguji pengaruh parsial dan simultan dari kedua variabel independent (Design Thinking dan Artificial Intelligence) terhadap inovasi. Hasil analisis menunjukkan bahwa Design Thinking 0,364 dan Artificial Intelligence 0,413 berpengaruh positif dan signifikan terhadap inovasi UMKM. Nilai koefisien determinasi 0,534 mengindikasikan bahwa 53,4% variasi inovasi dapat dijelaskan oleh kontribusi simultan dari kedua pendekatan tersebut. Temuan tersebut  memperkuat argumentasi bahwa integrasi kerangka kerja kreatif berbasis empati (Design Thinking) dengan teknologi berbasis data (Artificial Intelligence) mampu meningkatkan kapasitas inovatif UMKM secara berkelanjutan. Penelitian memberikan kontribusi konseptual terhadap literatur inovasi digital, serta menawarkan implikasi praktis bagi penguatan strategi transformasi digital UMKM. Disarankan agar pelaku UMKM mulai menerapkan pendekatan inovatif yang terstruktur dan mengadopsi teknologi AI secara bertahap dalam aspek bisnis seperti pemasaran, pelayanan pelanggan, dan manajemen operasional. Bagi pemerintah dan pemangku kebijakan, mendukung urgensi penyusunan program pelatihan terpadu yang menggabungkan pendekatan desain inovatif dan literasi digital secara sistematis.
Forecasting the Inflation Rate in Lampung Province Using the ARIMA Method Safitri, Ira; Iwari, A Rafi Paringgom
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.v7i3.2335

Abstract

Inflation is one of the key indicators that reflects the economic stability of a region. Inflation instability can directly impact the purchasing power of the population, increase poverty rates, and create imbalances in macroeconomic policies. In Lampung Province, inflation fluctuations have become a significant issue requiring attention, particularly in the context of regional economic planning and policy-making. This study forecasts the inflation rate using the Autoregressive Integrated Moving Average (ARIMA) method, which is known to be effective in analyzing time series data and providing accurate short-term estimates. The data used comprises monthly inflation rates from 2006 to 2023, obtained from the Central Bureau of Statistics (BPS) of Lampung Province. Five ARIMA model configurations were tested: ARIMA(3,1,2), ARIMA(3,1,1), ARIMA(2,1,1), ARIMA(1,1,1), and ARIMA(5,1,1). Based on the evaluation of the Akaike Information Criterion (AIC) and Mean Absolute Percentage Error (MAPE), the ARIMA(1,1,1) model was identified as the best-performing model, with the lowest AIC value and a MAPE of 0.57. The model also passed diagnostic tests, including residual normality and white noise assessment using the Ljung-Box test. The forecasting results indicate a gradual upward trend in inflation, with predicted rates of 0.23% in January 2024, 0.29% in February 2024, and 0.30% in March 2024. These findings provide early indications that inflation in Lampung Province tends to increase in the short term, and can serve as a basis for formulating more targeted regional inflation control policies.
Enhancing Digital Video Streaming Through Blockchain and Smart Contracts Ajie Pratama, Yogie
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.v7i3.2348

Abstract

The rapid advancement of digital technologies has catalyzed significant growth in video-on-demand (VOD) services, which now dominate the content distribution landscape. However, conventional digital streaming platforms still rely heavily on third-party intermediaries for copyright registration and payment processing, often leading to elevated transaction costs, data privacy concerns, and revenue fragmentation for content creators. This paper proposes a blockchain-based digital video streaming architecture that leverages Smart Contracts and Decentralized Applications (DApps) to streamline the content distribution process, enhance transparency, and eliminate the need for centralized control. Utilizing the immutable, decentralized, and cryptographically secure nature of blockchain technology, Smart Contracts facilitate automated, direct transactions between content providers and consumers. The proposed system adopts a peer-to-peer model incorporating blockchain platforms such as Ethereum and Vexanium to implement contract enforcement, ownership verification, and micropayment mechanisms. Moreover, it introduces a crypto-based incentive model wherein users contribute bandwidth and computational resources in exchange for digital tokens, thereby promoting a self-sustaining and decentralized content delivery ecosystem. By shifting content ownership validation and access control to the blockchain layer, the model reduces operational overhead, enhances data integrity, and mitigates the risks associated with content piracy and unauthorized access. This study demonstrates how blockchain integration in streaming infrastructure fosters greater equity, security, and scalability, offering a transformative framework for the future of digital media distribution. The research contributes to the evolving discourse on decentralized systems by illustrating the technical feasibility and socio-economic benefits of blockchain-enabled video streaming services
Analisis Sentimen Real-Time Media Sosial Menggunakan Edge Computing dan Apache Kafka Zulkifli, Ridwan
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.v7i3.2372

Abstract

Penelitian ini mengusulkan sistem analisis sentimen real-time untuk data media sosial dengan mengintegrasikan arsitektur edge computing dan Apache Kafka. Seiring dengan pesatnya perkembangan teknologi informasi dan big data, analisis opini publik dari platform media sosial menuntut pemrosesan data yang cepat, efisien, dan akurat. Sistem yang dikembangkan dalam penelitian ini memanfaatkan perangkat edge untuk melakukan pre-processing data dan ekstraksi fitur secara lokal, yang bertujuan untuk mengurangi latensi dan beban jaringan sebelum data dikirim ke pusat analisis menggunakan Apache Kafka sebagai message broker. Metode ini dibandingkan dengan pendekatan berbasis cloud tradisional, dengan harapan dapat meningkatkan kecepatan dan akurasi analisis sentimen secara signifikan. Implikasi praktis dari penelitian ini adalah penyediaan solusi yang dapat diskalakan dan dioperasikan secara real-time untuk pemantauan opini publik, yang berguna dalam berbagai sektor seperti pemasaran digital, pemantauan isu sosial, deteksi krisis, dan analisis tren sosial. Hasil pengujian sistem menunjukkan bahwa integrasi antara edge computing dan Apache Kafka berhasil mempercepat proses analisis sentimen dengan peningkatan throughput yang signifikan dan penurunan latensi, tanpa mengorbankan akurasi analisis. Model analisis sentimen yang digunakan mencapai tingkat akurasi yang tinggi pada data uji. Penelitian ini juga mengidentifikasi beberapa tantangan terkait sinkronisasi data dan isu keamanan dalam sistem terdistribusi, yang dapat menjadi fokus penelitian lanjutan. Temuan ini memberikan kontribusi terhadap pengembangan sistem analitik berbasis big data untuk aplikasi real-time di dunia nyata, serta membuka peluang untuk penelitian lebih lanjut dalam mengoptimalkan kinerja dan skalabilitas sistem ini.
Implementasi Arsitektur Microservices pada Pengembangan Aplikasi Absensi Web Terdistribusi Irawan, Dede; Fauzi
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.v7i3.2401

Abstract

Absensi merupakan bagian penting dalam manajemen sumber daya manusia (SDM) di berbagai instansi. Namun, sistem absensi manual atau terpusat masih banyak digunakan, sehingga sering menimbulkan masalah seperti keterlambatan pencatatan, kurangnya transparansi, dan keterbatasan akses data secara real-time. Permasalahan tersebut dapat menghambat efektivitas pengelolaan kehadiran pegawai. Untuk mengatasinya, penelitian ini menghadirkan inovasi berupa pengembangan aplikasi absensi web terdistribusi berbasis arsitektur microservices. Tujuan dari penelitian ini adalah menciptakan sistem absensi yang lebih fleksibel, skalabel, serta mudah dipelihara dengan membagi fungsi utama sistem ke dalam layanan independen, seperti autentikasi, manajemen karyawan, dan pencatatan absensi. Pengembangan aplikasi dilakukan dengan menerapkan prinsip microservices, di mana setiap layanan berjalan secara mandiri dan saling terhubung melalui protokol HTTP REST. Metode pengujian yang digunakan meliputi black-box testing untuk memastikan setiap fitur berjalan sesuai fungsinya, serta User Acceptance Testing (UAT) untuk menilai kenyamanan dan penerimaan pengguna terhadap sistem. Pengujian juga dilakukan pada skenario ketahanan layanan jika salah satu service mengalami gangguan. Hasil penelitian menunjukkan bahwa implementasi arsitektur microservices pada aplikasi absensi web mampu meningkatkan fleksibilitas pengelolaan data, kemudahan pengembangan, dan pemeliharaan sistem. Sistem yang dibangun juga terbukti tangguh terhadap kegagalan sebagian layanan dan mendukung kontrol akses berbasis peran, pelacakan absensi real-time, serta pelaporan absensi yang terstruktur. Temuan ini penting karena dapat memberikan solusi efektif bagi instansi yang membutuhkan sistem absensi digital yang efisien, transparan, dan mudah dikembangkan ke skala lebih besar di masa mendatang.
Analysis and Evaluation Web-Based Sales System Using the ISO 9126 Quality Model Ryu Tantanu, Ryu Tantanu; Kuswanto, Verri
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.1654

Abstract

This study aimed to evaluate the quality of the TR Car Dealership web-based sales system by addressing specific challenges in its functionality, reliability, usability, efficiency, maintainability, and portability. The primary objective was to assess whether the system effectively supports user needs and provides a seamless experience for account registration, product browsing, purchase transactions, and administrative tasks. The ISO 9126 model was utilized as the assessment framework, focusing on six quality attributes that are critical to user satisfaction and system performance. Testing was conducted using black-box testing for functionality assessment and survey-based evaluations for usability and user satisfaction. Automated tools, such as JMeter, Google Lighthouse, and SonarQube, were employed to measure reliability, efficiency, and maintainability under various conditions. The results revealed high scores across several attributes: Functionality achieved an average of 90%, affirming the system’s operational capabilities; Usability scored 91.3%, highlighting ease of use; and Efficiency reached 87%, reflecting effective performance under normal load. However, the Reliability attribute scored 86%, indicating room for improvement, particularly in handling high traffic and unexpected inputs. These findings underscore the TR Car Dealership system’s strengths in user-friendliness and feature completeness while suggesting targeted enhancements for reliability and stability. By addressing these aspects, the system can further enhance user trust and deliver a more resilient and consistent performance. This research demonstrates the effectiveness of the ISO 9126 model in identifying actionable improvements for web-based sales systems.
Identifikasi Katarak Mata Pada Kucing Dengan Menggunakan Convolutional Neural Network Mikael; Susilo, Joko; Maulana, Muhammad Akbar
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.1881

Abstract

Katarak merupakan salah satu penyakit yang dapat menyerang hewan, termasuk kucing, ditandai dengan kekeruhan pada lensa mata yang dapat menyebabkan gangguan penglihatan hingga kebutaan apabila tidak ditangani. Penyakit ini sering kali tidak terdeteksi pada tahap awal, sehingga diperlukan metode diagnosis dini yang akurat. Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) sebagai metode pendeteksian katarak pada kucing melalui analisis gambar mata. Subjek penelitian terdiri dari dataset berjumlah 106 gambar mata kucing, yang meliputi 66 gambar mata normal dan 40 gambar mata katarak. Dataset ini dibagi menjadi data training (85 gambar) dan data validasi (21 gambar). Metode penelitian mencakup beberapa tahapan, yaitu studi literatur untuk mendalami teori terkait, preprocessing data untuk memastikan konsistensi dataset, implementasi model CNN, pelatihan model, dan evaluasi performa model menggunakan confusion matrix. Proses pelatihan model dilakukan selama 100 epoch dengan menggunakan optimizer Adam, yang dikenal mampu mempercepat konvergensi model. Arsitektur CNN yang dirancang terdiri dari tiga lapisan konvolusi, lapisan pooling, dan fully connected layer. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi sebesar 71% dalam mengklasifikasikan gambar mata kucing menjadi kategori "Normal" atau "Katarak." Meskipun akurasi ini belum optimal, keterbatasan jumlah dataset menjadi faktor utama yang memengaruhi performa model. Temuan ini memberikan kontribusi awal dalam penerapan kecerdasan buatan untuk deteksi penyakit pada hewan, khususnya katarak pada kucing. Penelitian ini juga menegaskan pentingnya menambah jumlah dan keragaman dataset untuk meningkatkan performa model dan mengurangi risiko overfitting. Potensi pengembangan lebih lanjut dari model ini diharapkan dapat mendukung diagnosis yang lebih cepat dan akurat, sehingga meningkatkan kualitas hidup hewan peliharaan.
Deteksi Suasana Hati Karyawan Berbasis Deep Learning Menggunakan CNN Michelle; Birowo, Sigit; Maulana, Muhammad Akbar
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.1882

Abstract

Emosi adalah bagian penting dari kehidupan manusia yang membantu kita memahami diri sendiri dan mengekspresikan perasaan. Emosi mencerminkan respons atau reaksi alami pada berbagai situasi yang dihadapi. Penelitian ini bertujuan untuk mengembangkan Model Convolutional Neural Network (CNN) yang mampu mengenali emosi manusia berdasarkan ekspresi wajah, khususnya pada kategori “Senang”, “Sedih”, “Marah” dan “Netral” dengan fokus pada karyawan setelah bekerja, untuk melihat apakah karyawan menikmati pekerjaannya atau tidak. Dengan menggunakan dataset berisi 2.059 gambar dari platform Kaggle, proses penelitian mencakup tahapan pengumpulan data, pre-processing data, pelatihan data hingga klasifikasi. Model ini dilatih selama 200 epoch dan menghasilkan akurasi sebesar 89,11% dengan performa yang cukup baik untuk kategori emosi “Senang” dan “Marah”. Namun, model masih mengalami kesultan dalam mengenali emosi “Sedih” dan “Netral”, kemungkinan karena kurangnya data pelatihan dan fitur yang belum optimal. Selama pelatihan, akurasi pada training menunjukkan peningkatan yang konsisten, sedangkan validasi sempat fluktuatif sebelum stabil. Analisis hasil pengujian menunjukkan bahwa model mampu memprediksi emosi dengan probabilitas tinggi, meskipun terdapat kendala dalam generalisasi ke kondisi yang lebih kompleks. Grafik dan evaluasi metriks,seperti precision, recall dan f1-score, menunjukkan adanya ruang untuk perbaikan, terutama dalam pengenalan emosi dengan nilai recall yang rendah. Penelitian ini memiliki potensi signifikan dalam pengenalan emosi melalui ekspresi wajah, yang digunakan untuk memahami emosi yang dialami oleh karyawan. Penelitian ini juga diperlukan pengembangan lebih lanjut guna meningkatkan kemampuan model dalam menangani komplesitas data.
Identifikasi Pemilahan Sampah Berbasis Algoritma Transfer Learning CNN Menggunakan MobileNetV2 dan EfficientNetB0 Thio, Sean Edbert; Susilo, Joko
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.1900

Abstract

Masalah pengelolaan sampah menjadi tantangan lingkungan yang tidak ada habisnya di kalangan masyarakat. Pemilahan jenis sampah yang benar dapat mendukung upaya daur ulang dan pengelolaan limbah serta mengatasi masalah sampah tersebut. Karena itu, penelitian ini bertujuan untuk mengembangkan sistem yang memanfaatkan teknologi transfer learning CNN (Convolutional Neural Network) untuk membantu pengidentifikasian jenis sampah. Sistem ini diharapkan dapat membantu masyarakat dalam memilah, mengelola dan mendaur ulang sampah. Ada dua arsitektur model yang digunakan dalam penelitian ini, yaitu MobileNetV2 dan EfficientNetB0. Dengan kedua model pre-trained tersebut, penelitian ini juga bertujuan untuk membandingkan performa masing-masing model dalam mengidentifikasi sampah. Dataset yang digunakan untuk melatih kedua model ini diambil dari platform Kaggle dan data yang diambil secara mandiri, dengan total data berjumlah 2527 gambar. Proses penelitian mencakup pencarian data, pembersihan data (pre-processing), augmentasi, pelathan model, serta evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan MobileNetV2 mencapai akurasi 87,31%, sementara EfficientNetB0 memperoleh akurasi 82,21%. Analisis lebih lanjut menunjukkan bahwa MobileNetV2 unggul dari segi akurasi, presisi, recall, serta efisiensi waktu pelatihan disbanding EfficientNetB0. Meskipun hasil pelatihan menunjukkan performa yang cukup baik, nilai loss pada kedua model masih relatif tinggi. Hal ini kemungkinan disebabkan oleh kurangnya jumlah data yang digunakan untuk melatih model. Penelitian ini diharapkan dapat menjadi langkah awal dalam penerapan teknologi transfer learning untuk mendukung pengelolaan sampah secara efektif, sekaligus menjadi acuan untuk pengembangan sistem dengan dataset yang lebih besar di masa depan.

Page 26 of 37 | Total Record : 370

 24   25   26   27   28 

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