cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Indrastanti R. Widiasari
Contact Email
editor.aiti@adm.uksw.edu
Phone
-
Journal Mail Official
editor.aiti@adm.uksw.edu
Editorial Address
Kantor Fakultas Teknologi Informasi Jl. O. Notohamidjojo 1-10 Salatiga, Jawa Tengah 50711
Location
Kota salatiga,
Jawa tengah
INDONESIA
Aiti: Jurnal Teknologi Informasi
Published by Universitas Kristen Satya Wacana
ISSN : 16938348     EISSN : 26157128     DOI : https://doi.org/10.24246/aiti
Core Subject : Science,
Computer Science & IT
AITI: Jurnal Teknologi Informasi is a peer-review journal focusing on information system and technology issues. AITI invites academics and researchers who do original research in information system and technology, including but not limited to: Cryptography Networking Internet of Things Big Data Data Science Software Engineering Information System Web Programming Mobile Application Service System Artificial Intelligence Digital Image Processing Machine Learning Deep Learning Geographic Information System Context Aware System Management Information System Software-defined Network
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 176 Documents
 14   15   16   17   18 
Evaluasi pendekatan sliding window terhadap static split dalam prediksi harga Bitcoin menggunakan algoritma Random Forest Findra Kartika Sari Dewi; Herlina Herlina; Vito Carlen Giovanni
AITI Vol 23 No 1 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i1.152-162

Abstract

Prediksi harga Bitcoin menjadi topik yang menarik dan menantang seiring meningkatnya volatilitas dan penggunaan aset kripto dalam berbagai sektor. Salah satu aspek yang memengaruhi kualitas prediksi adalah pendekatan yang digunakan untuk membagi data latih dan data uji. Penelitian ini membandingkan dua pendekatan validasi yang umum digunakan, yaitu sliding window dan static split, dalam konteks prediksi harga Bitcoin menggunakan algoritma Random Forest. Data historis diambil dari Yahoo Finance selama tahun 2015–2022. Fitur input berupa harga penutupan dengan tujuh lag harian. Pendekatan sliding window melibatkan pelatihan model dengan data yang terus bergeser dengan jendela waktu 365 hari dan pengujian satu hari ke depan, sedangkan static split membagi data berdasarkan tanggal tetap. Evaluasi menggunakan metrik Root Mean Square Error (RMSE), Mean Absolute Error (MAE), R-squared (R²), Mean Absolute Percentage Error (MAPE), dan direction accuracy. Hasil menunjukkan bahwa sliding window menghasilkan prediksi yang lebih akurat dan konsisten, serta lebih baik dalam mengikuti arah pergerakan harga dibandingkan static split.
Analisis sentimen kebijakan Tabungan Perumahan Rakyat menggunakan model Support Vector Machine dan Multinomial Naive Bayes Rani Angellica; Teguh Indra Bayu
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.202-215

Abstract

TAPERA (Tabungan Perumahan Rakyat) adalah program pemerintah yang diimplementasikan pada 20 Mei 2024, berdasarkan Undang-Undang No. 24 Tahun 2020 dan Peraturan Pemerintah No. 21 Tahun 2024. Sejak diluncurkan, program ini memicu perdebatan terkait manfaat, implikasi keuangan, serta kerugiannya bagi masyarakat. Penelitian ini menganalisis sentimen masyarakat terhadap TAPERA menggunakan dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Naïve Bayes. Dataset sebanyak 3.168 komentar dikumpulkan dari platform YouTube dan diberi label secara otomatis menggunakan kamus pendekatan berbasis Inset Lexicon untuk mengklasifikasi sentimen positif, netral, dan negatif. Data dibagi menjadi 80% data latih (training) dan 20% data uji (testing). Kinerja model dievaluasi menggunakan confusion matrix. Hasil menunjukkan bahwa SVM mencapai akurasi yang lebih tinggi, sebesar 88,93%, dibandingkan dengan Naïve Bayes yang memperoleh 65,39%. Dari hasil analisis sentimen didapatkan bahwa sentimen negatif mendominasi opini publik, diikuti oleh sentimen netral yang cukup signifikan. Hasil penelitian ini menyoroti kekhawatiran masyarakat terhadap TAPERA serta menunjukkan efektivitas SVM dalam analisis sentimen.
Analisis penerapan pembelajaran TPACK menggunakan metode Random Forest pada SMK Negeri 5 Sarmi di Bonggo Aprilia Aprilia; Suprihadi Suprihadi
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.176-189

Abstract

Modern education emphasizes the integration of knowledge, skills, attitudes, and mastery of Information and Communication Technology (ICT). One popular technology-based learning model is Technological Pedagogical Content Knowledge (TPACK), which synergizes technological, pedagogical, and content knowledge. This study analyzes TPACK implementation at SMK Negeri 5 Agribusiness and Agrotechnology Sarmi using random forest classification. Data collection involved questionnaires distributed to students and teachers, with responses categorized into five comprehension levels: “Very Good”, “Good”, “Fair”, “Poor”, and “Very Poor”. The dataset was split into 80:20 training-test ratios. After training the random forest model, performance was evaluated using standard metrics and a confusion matrix. Additionally, a feature importance analysis was conducted to identify the most influential components in the model. Results showed 96% classification accuracy, with Technological Content Knowledge (TCK) emerging as the most significant factor. Pedagogical Content Knowledge (PCK), Content Knowledge (CK), and Technological Pedagogical Content Knowledge (TPACK) themselves had the lowest importance scores, indicating that these components require prioritization for optimal technology-enhanced learning development at SMK Negeri 5 Agribusiness and Agrotechnology Sarmi.
Perancangan LMS berbasis web menggunakan Bootstrap dan PHP Native: Studi kasus PT. Koding Next Indonesia Kireina Kameloeh Natalia Oryza Sativa Garang; Teguh Wahyono
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.190-201

Abstract

Penelitian ini membahas perancangan dan pengembangan Learning Management System (LMS) berbasis web di PT. Koding Next Indonesia menggunakan framework Bootstrap dan PHP Native. LMS ini dirancang untuk mengatasi permasalahan koordinasi dan manajemen informasi yang tersebar serta proses penjadwalan yang kurang efisien di dalam perusahaan. Sistem ini mencakup fitur utama seperti penjadwalan, organisasi data, serta alat komunikasi yang memfasilitasi interaksi antara manajemen dan pengajar. Dengan diterapkannya LMS ini, pengelolaan jadwal dan data dapat dilakukan secara lebih terstruktur, mudah diakses, dan lebih efisien. Metode prototyping diterapkan agar pengembangan sistem dapat dilakukan secara bertahap, dengan evaluasi dan perbaikan berkelanjutan sesuai kebutuhan perusahaan. Selain itu, PHP digunakan terutama untuk membangun antarmuka yang responsif dan ramah pengguna guna meningkatkan pengalaman pengguna. Hasil penelitian menunjukkan bahwa integrasi LMS berbasis web dapat meningkatkan koordinasi, menyederhanakan manajemen data, serta meningkatkan efisiensi operasional pembelajaran digital di PT. Koding Next Indonesia. LMS ini juga memberikan fleksibilitas dalam pengelolaan akademik dan administrasi, sehingga dapat meningkatkan efektivitas pengajaran serta produktivitas tenaga pengajar di perusahaan.
Prediksi kebangkrutan perusahaan menggunakan metode klasifikasi: Studi kasus pada industri Ibrahim Ibrahim; Hendry Hendry
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.305-318

Abstract

Prediksi kebangkrutan perusahaan merupakan aspek penting dalam bidang keuangan karena dapat memberikan dampak signifikan terhadap investor, kreditur, manajemen perusahaan, serta pemangku kepentingan lainnya dalam pengambilan keputusan strategis. Penelitian ini bertujuan untuk mengembangkan model prediksi kebangkrutan perusahaan yang akurat menggunakan algoritma XGBoost yang dioptimalkan melalui proses penyesuaian hiperparameter (hyperparameter tuning). Selain itu, penelitian ini juga menerapkan metode Synthetic Minority Over-sampling Technique (SMOTE) untuk mengatasi tantangan ketidakseimbangan data dengan meningkatkan representasi kelas minoritas. Model yang dikembangkan diuji pada dua dataset berskala besar (Taiwan dan US) untuk mengevaluasi konsistensi kinerja serta kemampuan generalisasi model. Hasil penelitian menunjukkan bahwa model XGBoost dengan hyperparameter tuning mampu menghasilkan performa terbaik dengan tingkat akurasi sebesar 98,94%, precision sebesar 0,98, dan recall sebesar 1,0. Selain itu, hasil pengujian menunjukkan bahwa model tersebut memiliki kinerja yang konsisten tanpa indikasi overfitting. Hasil pendekatan ini membuktikan bahwa XGBoost dengan penyesuaian hiperparameter mampu memberikan prediksi kebangkrutan yang akurat, konsisten, dan dapat diandalkan untuk diterapkan dalam berbagai konteks industri serta pada skala penggunaan yang lebih luas.
Pemetaan sebaran fasilitas umum di Desa Haruru menggunakan teknologi drone Dion Dollan Awayal; Alexander Yosep Elake; Pieldrie Nanlohy
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.261-273

Abstract

Mapping the distribution of public facilities is an important step in sustainable village development planning. Currently, Haruru Village lacks a spatial database or digital maps of its public facilities. This study aims to map the distribution of public facilities in Haruru Village using drone technology to produce accurate, up-to-date spatial data and maps. The research method consists of three stages: pre-field, field, and post-field. Data acquisition was conducted using a DJI Mavic 2 Pro drone, which provided primary data, while secondary data was sourced from RBI maps. Data processing involved image stitching using Agisoft Metashape Professional to create high-resolution orthomosaics, which were then analyzed and mapped using ArcGIS. The research results show that the spatial resolution of the drone imagery is 3.6 cm/pix, supporting mapping at a scale of 1:1000. Several general facilities were identified, including government facilities, two religious facilities, one health facility, three sports facilities, four educational facilities, residential areas, and mangrove forest areas. Additionally, there are irrigation networks and village roads. The availability of this data positions Haruru Village as a pioneer in village infrastructure development through drone mapping technology.
Analisis tingkat kematangan website SIMPELIN Disdukcapil Kabupaten Sukabumi menggunakan framework COBIT 2019 Helwa Aulia Wahyudi; Arny Lattu; Hendri Ekasatria
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.216-230

Abstract

The SIMPELIN website is an online service system developed by the Department of Population and Civil Registration of Sukabumi Regency to facilitate the public in managing civil administration documents digitally. Based on interviews with internal personnel responsible for managing SIMPELIN, the system still faces several challenges, including system disruptions, delays in document updates, and a lack of a comprehensive evaluation of data management. This study aims to analyze the maturity level of data management on the SIMPELIN website using the COBIT 2019 framework. The methods used include observation, interviews, the development of a RACI Chart, and capability level assessment. Data were obtained through interviews with two respondents identified based on the responsibility mapping in the RACI Chart. The results show that the data management capability level is at level 3, indicating that processes are documented but not yet consistently implemented. Based on these findings, a set of recommendations was formulated to improve the effectiveness of SIMPELIN’s service management, making it more structured, efficient, and aligned with the principles of information technology governance.
Penerapan metode HOT-Fit untuk mengevaluasi tingkat keberhasilan sistem informasi Healthical di Kota Palembang Anggitta Ratu; Sri Andayani
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

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

Abstract

Healthical is a healthcare management information system implemented in 2024 across all public health centers in Palembang to improve the effectiveness and efficiency of healthcare services. The system was designed to support the recording, reporting, and integrated management of services and healthcare administration processes. However, several challenges have emerged during its implementation, including server disruptions, limited integration, limited features, and suboptimal security. Therefore, this study aims to evaluate Healthical’s implementation using the Human, Organization, and Technology-Fit (HOT-Fit) model, which comprises eight research variables. This study used a quantitative approach, involving 115 system users selected through saturated sampling. The data were analyzed with PLS-SEM using SmartPLS 4.0. Three of ten hypotheses were rejected: system quality and service quality on user satisfaction, and system use on net benefits. Based on these findings, several recommendations are proposed, including improving system features and data security, strengthening system integration, providing user training, improving technological infrastructure, and conducting regular evaluations to optimize the implementation of Healthical.
Analisis dan implementasi Content-Based Filtering dengan Cosine Similarity untuk sistem rekomendasi tugas akhir mahasiswa Ero Wahyu Pratomo; Erna Utami
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.319-333

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengimplementasikan sistem rekomendasi tugas akhir mahasiswa berbasis Content-Based Filtering dengan memanfaatkan metode Cosine Similarity. Sistem yang dikembangkan dirancang untuk membantu mahasiswa menemukan topik tugas akhir yang relevan berdasarkan minat dan referensi penelitian sebelumnya. Metode yang digunakan dalam penelitian ini meliputi pengumpulan data dari repository melalui Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH), preprocessing teks dengan menghapus stop words dalam bahasa Indonesia, pembentukan matriks TF-IDF, serta perhitungan kemiripan antardokumen menggunakan cosine similarity. Hasil eksperimen menunjukkan bahwa sistem ini berhasil memberikan rekomendasi yang relevan dengan nilai precision dan recall yang memadai, serta waktu respons yang cepat, sehingga layak diterapkan dalam aplikasi nyata. Temuan ini menunjukkan bahwa pendekatan Content-Based Filtering dengan cosine similarity efektif dalam menangkap kemiripan konten tugas akhir mahasiswa serta memberikan rekomendasi yang sesuai dengan kebutuhan pengguna. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi yang efisien dan akurat untuk membantu mahasiswa menentukan topik tugas akhir yang tepat, sekaligus mempermudah akses terhadap referensi akademik yang relevan.
Pengembangan model prediksi saham perbankan Indonesia dengan optimasi algoritma Long Short-Term Memory (LSTM) Didik Nugroho; Eka Ardhianto
AITI Vol 23 No 2 (2026)
Publisher : Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24246/aiti.v23i2.231-244

Abstract

Banking stocks have attracted public attention because they are often perceived as relatively stable and capable of reflecting the current economic conditions. However, in reality, banking stocks are quite volatile for various reasons. Investors need an accurate stock prediction model to make investment decisions and reduce risk. This study proposes a stock prediction model based on the Long Short-Term Memory (LSTM) deep learning algorithm. The dataset consists of ten years of historical stock market data from banking companies listed on the Indonesia Stock Exchange (IDX), covering the period from 2014 to 2023. LSTM was chosen because it is known to be effective at predicting time-series data and can capture long-term dependencies and patterns. The results of this model were optimized using the Adam optimizer and hyperparameter tuning. These findings suggest that the proposed approach can serve as a reliable tool for stock price forecasting and support more informed investment strategies in the banking sector.

Page 17 of 18 | Total Record : 176

 14   15   16   17   18 

Filter by Year

2016 2026


Reset
Filter By Issues
All Issue Vol 23 No 3 (2026) Vol 23 No 2 (2026) Vol 23 No 1 (2026) Vol 22 No 2 (2025) Vol 22 No 1 (2025) Vol 21 No 2 (2024) Vol 21 No 1 (2024) Vol 20 No 2 (2023) Vol 20 No 1 (2023) Vol 19 No 2 (2022) Vol 19 No 1 (2022) Vol 18 No 2 (2021) Vol 18 No 1 (2021) Vol 17 No 2 (2020) Vol 17 No 1 (2020) Vol 16 No 2 (2019) Vol 16 No 1 (2019) Vol 15 No 2 (2018) Vol 15 No 1 (2018) Vol 14 No 2 (2017) Vol 14 No 1 (2017) Vol 13 No 2 (2016) Vol 13 No 1 (2016) More Issue