Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Tematik : Jurnal Teknologi Informasi Komunikasi

tematik
Website

Published by POLITEKNIK LP3I BANDUNG

ISSN : 23559055 EISSN : 24433640 DOI : 10.38204

Core Subject : Science,

Computer Science & IT

TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi merupakan jurnal ilmiah sebagai bentuk pengabdian dalam hal pengembangan bidang Teknologi Informasi Dan Komunikasi serta bidang terkait lainnya. TEMATIK - Jurnal Teknologi Informasi Dan Komunikasi diterbitkan oleh LPPM dan Program Studi Manajemen Informatika di Politeknik LP3I Bandung. Redaksi mengundang para dosen, peneliti dan professional dari dunia industri dan kerja untuk menulis karya ilmiah dan pengalaman praktis di lapangan terkait implementasi Informatika dan Komputer.

Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi

Articles 277 Documents

24 25 26 27 28

Arsitektur Hybrid Berbasis Aturan dengan Fuzzy Matching dan Klasifikasi Intent SVM untuk Chatbot Pengaduan pada Layanan Nadya Safitri; Imam Farisi; Putro Dwi Mulyo
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2669

Abstract This study proposes a hybrid architecture for complaint-handling chatbots in the public-service domain by integrating rule-based response generation, fuzzy string matching, and Support Vector Machine (SVM)-based intent classification. Rule-based approaches ensure fast and consistent responses but fail to handle linguistic variations, while fuzzy matching provides tolerance to misspellings and synonyms but lacks measurable evaluation. Meanwhile, NLP-based classifiers such as SVM enable quantitative performance assessment but do not guarantee deterministic control over chatbot outputs in sensitive domains. To address these limitations, a fallback mechanism is designed in which deterministic rules and fuzzy similarity are prioritized, and the SVM classifier is invoked only when no match is detected. The model was trained on 500 annotated conversational entries and evaluated using standard metrics. The results indicate perfect performance with precision, recall, F1-score, and accuracy reaching 1.00 for both intent classes (FAQ/Request and Report), and all dialogue flows passed black-box functional testing. Nevertheless, this performance may be influenced by dataset homogeneity and limited size. Future work will focus on dataset expansion, cross-validation, and out-of-domain evaluation to mitigate overfitting risks. The proposed hybrid architecture demonstrates strong potential for reliable deployment of complaint chatbots in public-service contexts where deterministic control and measurable accuracy are both required. Keywords: hybrid chatbot, rule-based, fuzzy matching, SVM, public-service complaints. Abstrak Penelitian ini mengusulkan sebuah arsitektur hybrid untuk chatbot pengaduan pada layanan publik dengan mengombinasikan pendekatan rule-based, fuzzy matching, dan klasifikasi intent berbasis Support Vector Machine (SVM). Pendekatan rule-based mampu memberikan respons yang cepat dan konsisten, namun gagal menghadapi variasi input bahasa, sedangkan fuzzy matching toleran terhadap kesalahan ketik dan sinonim tetapi tidak memungkinkan pengukuran akurasi. Sementara itu, model NLP seperti SVM dapat memberikan evaluasi kinerja secara kuantitatif, namun tidak menjamin kendali deterministik atas keluaran chatbot pada domain sensitif. Untuk menjembatani keterbatasan tersebut, dirancang sebuah mekanisme fallback yang memprioritaskan aturan deterministik dan fuzzy similarity, kemudian mengaktifkan SVM saat input tidak teridentifikasi. Model dilatih menggunakan 500 entri percakapan teranotasi dan dievaluasi menggunakan metrik standar. Hasil menunjukkan nilai precision, recall, f1-score, dan akurasi sebesar 1.00 untuk dua kelas intent (FAQ/Permintaan dan Lapor), serta seluruh alur percakapan lulus uji fungsional black-box. Meskipun demikian, capaian ini berpotensi dipengaruhi oleh homogenitas korpus dan ukuran dataset yang terbatas. Penelitian lanjutan diarahkan pada perluasan dataset, penerapan validasi silang, serta pengujian pada data di luar domain untuk mengurangi risiko overfitting. Arsitektur hybrid yang diusulkan berpotensi menjadi pendekatan yang andal untuk chatbot pengaduan pada konteks layanan publik yang membutuhkan respons deterministik sekaligus akurasi terukur. Kata kunci: : chatbot hybrid, rule-based, fuzzy matching, SVM, pengaduan layanan publik

Algoritma Value Based Untuk Pembangunan Bot Trading Yahoo Finance Acep Hendra; Handoko Supeno
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2679

The advancement of artificial intelligence, particularly reinforcement learning (RL), has driven innovation in automated decision-making for financial markets. While Deep Reinforcement Learning (DRL) is widely applied, it often requires significant computational resources and lacks transparency. This study proposes a lightweight, replicable, value-based RL (Q-Learning) trading bot utilizing open data from Yahoo Finance. The system is developed end-to-end, covering data acquisition, preprocessing, RL agent design, and strategy evaluation. The Q-Learning agent is trained to execute daily actions (buy, sell, hold) to maximize cumulative returns and minimize risk. Experimental results show that the Q-Learning Bot achieved a cumulative return of 145.7%, outperforming Buy-and-Hold (120.5%) and Moving Average Crossover (85.3%), with lower maximum drawdown (-18.7% vs -35.0%). A Sharpe Ratio of 1.35 and a win rate of 58.9% indicate superior risk-adjusted performance. These findings demonstrate that Tabular Q-Learning has strong potential as an adaptive and effective trading approach with low computational cost.

Model Prediktif Penyakit Tanaman Tomat Menggunakan Arsitektur EfficientNetB0 Tri Ferga Prasetyo; Sunardi; Abdul Fadlil
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2722

Tomato (Solanum lycopersicum) is highly vulnerable to a range of foliar diseases that can reduce yield and hinder crop quality, particularly when early symptoms are difficult to distinguish in field conditions. To address this challenge, this study develops a predictive model for automatic tomato leaf disease classification using a lightweight EfficientNetB0 architecture. The dataset consists of 5,967 images from nine categories, combining 70% publicly available Kaggle PlantVillage data and 30% real-field images captured under natural outdoor illumination. The methodological pipeline includes preprocessing, data augmentation, and transfer learning, followed by fine-tuning of the upper layers of EfficientNetB0 to improve its ability to generalize toward field-specific variations such as uneven lighting and complex backgrounds. Evaluation results show that the model achieves an accuracy of 89%, with macro-average and weighted-average scores of 90%. These findings demonstrate that EfficientNetB0 provides an effective balance between predictive accuracy and computational efficiency, supporting its potential deployment in early detection systems and edge-based agricultural applications for real-time tomato disease monitoring.

Solusi AI Untuk Melindungi Privasi dan Keamanan Data Pengguna Zen Munawar; Sri Sutjiningtyas; Novianti Indah Putri; Milla Marlina; Rita Komalasari; Herru Soerjono
TEMATIK Vol. 12 No. 2 (2025): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2025
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v12i2.2794

Integrasi AI pada data masif memicu risiko privasi serius. Penelitian ini menganalisis solusi teknis seperti privasi diferensial untuk menyeimbangkan perlindungan data dengan kinerja sistem AI. Penelitian ini bertujuan untuk menganalisis isu-isu krusial terkait privasi dan keamanan data yang muncul akibat integrasi masif Kecerdasan Buatan (AI) di berbagai industri, serta mengevaluasi pendekatan teknis yang dapat menjaga kerahasiaan informasi pengguna tanpa mengorbankan kinerja sistem. Fokus utama penelitian ini adalah mengkaji efektivitas mekanisme perlindungan data seperti privasi diferensial, pembelajaran federasi, enkripsi homomorfik, dan komputasi multi-pihak yang aman dalam memitigasi risiko pelanggaran privasi dan akses ilegal. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi literatur sistematis untuk mengevaluasi solusi privasi pada sistem kecerdasan buatan.Hasil penelitian menunjukkan bahwa teknik seperti federated learning dan enkripsi homomorfik efektif melindungi data pribadi dalam sistem AI. Namun, implementasinya menghadapi tantangan trade-off berupa penurunan kecepatan komputasi dan akurasi model. Rekomendasi desain berfokus pada keseimbangan antara keamanan dan performa guna mendukung regulasi AI yang aman serta terukur.Teknik perlindungan data seperti federated learning efektif menjaga privasi, namun berisiko menurunkan performa komputasi AI. Kesimpulannya, diperlukan keseimbangan antara keamanan dan efisiensi. Rekomendasinya, pengembang harus mengadopsi desain privacy-by-design dan pemerintah perlu menyusun regulasi teknis yang mendukung inovasi AI yang aman serta terukur bagi masyarakat.

Essay Score Prediction Based on Combined Question and Answer Data Using FastText and LSTM Algorithm Sefti Agustini; M. Ainul Yaqin; Suhartono Suhartono
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.2974

Automated Essay Scoring is one of the challenges in the field of educational technology, particularly in subjects requiring language assessment, such as the English language. Manual assessment performed by teachers is time-consuming, subjective, and has the potential for inconsistency between assessors, which can give rise to unfairness in scoring. In order to overcome this issue, this study proposes an Automated Essay Scoring (AES) approach by combining FastText word embeddings and the Long Short-Term Memory (LSTM) algorithm to predict the scores of student essays. The innovation of this research lies in combining question and answer data into a single input variable, where the student's answer is positioned between the special tokens <startanswer> (prefix) and <endanswer> (suffix), allowing the model to learn the context of the question and answer simultaneously. The data 500 data points (100 students x 5 essay questions). The LSTM model was then trained with a combination of hyperparameters, namely the number of units in the hidden layer, learning rate, batch size, and dropout rate. Model performance was measured using Mean Absolute Percentage Error. Based on the experimental results, the Bi-LSTM model with the best hyperparameter settings achieved a MAPE value of 7.84%, which is better than the unidirectional LSTM model at 9.12%. This study has proven that the combination of FastText and Bi-LSTM is an effective approach for essay score prediction in the context of language learning for junior high school students

Perbandingan Metode Weighted Product dan Borda Pada Decision Support System Penentuan Siswa Berprestasi Lailatul Ilmi Silviana; Ashri Shabrina Afrah; Syahiduz Zaman
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.2975

Penentuan siswa berprestasi merupakan proses dalam mendukung apresiasi potensi siswa di lingkungan sekolah. Sistem ini dirancang sebagai sistem pendukung keputusan untuk menentukan siswa berprestasi dengan menggunakan Metode Rank Order Centroid (ROC) untuk pembobotan kriteria, serta Metode Weighted Product (WP) dan Metode Borda yang dibandingkan dalam proses perhitungan dan perangkingan. Hasil implementasi menunjukkan bahwa sistem menghasilkan peringkat siswa berdasarkan kategori akademik, nonakademik, dan keseluruhan secara terstruktur dan sistematis, baik pada seluruh data alternatif maupun tiga peringkat teratas. Pengujian akurasi dengan membandingkan hasil metode dan data riil (data lapangan) menunjukkan bahwa Metode Borda memiliki tingkat kesesuaian yang lebih tinggi dibandingkan Metode Weighted Product, dengan akurasi mencapai 77.82% pada keseluruhan data dan 100% pada tiga peringkat teratas. Sementara itu, pada kategori nonakademik, kedua metode menunjukkan tingkat kesesuaian yang sama terhadap data riil (data lapangan). Selain itu, pengujian waktu respon menunjukkan Metode Weighted Product memiliki rata-rata waktu 0.43 ms, lebih cepat dibandingkan Metode Borda sebesar 2.11 ms. Pengujian usabilitas menggunakan instrumen PSSUQ menunjukkan skor rata-rata kegunaan sistem (SysUse) sebesar 1.44, kualitas informasi (InfoQual) sebesar 1.38, kualitas antarmuka (InterQual) sebesar 1.35, dan keseluruhan (Overall) sebesar 1.40. Secara keseluruhan, sistem dapat digunakan sebagai alat bantu dalam penentuan siswa berprestasi, serta memberikan kemudahan dalam pengolahan dan penyajian informasi, sehingga meningkatkan kepuasan pengguna.

Pengembangan Sistem Informasi Learning Analytics untuk Monitoring dan Evaluasi Kompetensi Digital Pelaku UMKM pada Platform SkillUP Denni Pratama; Dian Ade Kurnia; Saeful Anwar
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.2994

Transformasi digital telah mendorong kebutuhan peningkatan kompetensi digital bagi pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia. Platform microlearning SkillUP telah berhasil dikembangkan dan diterima pengguna berdasarkan Technology Acceptance Model (TAM), namun masih belum dilengkapi mekanisme monitoring dan evaluasi kompetensi digital secara komprehensif. Penelitian ini bertujuan mengembangkan Sistem Informasi Learning Analytics (SILA) untuk monitoring dan evaluasi kompetensi digital pelaku UMKM pada platform SkillUP menggunakan metode Design Science Research (DSR). Sistem yang dikembangkan mengintegrasikan data aktivitas pembelajaran ke dalam tiga lapisan pengumpulan data, mesin analitik, dan dashboard. Novelty penelitian mencakup Digital Competency Monitoring Framework dan Digital Competency Progress Index (DCPI) yang dihitung dari Learning Engagement Score (LES), Learning Completion Rate (LCR), Quiz Achievement Score (QAS), dan Competency Achievement Score (CAS). Evaluasi sistem menggunakan standar ISO/IEC 25010 dengan fokus pada Functional Suitability, Usability, dan Performance Efficiency. Hasil evaluasi menunjukkan nilai Functional Suitability sebesar 1,00 (sangat baik), Usability sebesar 87,5 (excellent berdasarkan SUS), dan rata-rata response time 1,87 detik. Sistem ini berkontribusi dalam menyediakan data berbasis bukti untuk pengambilan keputusan strategis terkait pengembangan kompetensi digital UMKM di Indonesia.

Penerapan Model LSTM Univariat dengan Walk-Forward Validation untuk Estimasi Harga Saham Nokia Ahmad Rifai; Roni Saputra; Dian Ade Kurnia; Fatihanursari Dikananda
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.3000

Prediksi harga saham merupakan permasalahan yang kompleks karena karakteristik data deret waktu finansial yang bersifat non-linear, volatil, dan dinamis. Meskipun algoritma Long Short-Term Memory (LSTM) terbukti efektif dalam menangkap pola temporal, banyak penelitian sebelumnya menggunakan pendekatan multivariat yang melibatkan variabel dengan korelasi sangat tinggi sehingga berpotensi menimbulkan redundansi informasi dan meningkatkan kompleksitas model. Penelitian ini mengusulkan model LSTM univariat untuk memprediksi harga saham Nokia Corporation (NOK) dengan menggunakan harga penutupan sebagai variabel masukan tunggal. Data historis harian periode 1 Oktober 2015 hingga 24 Oktober 2025 sebanyak 2.532 observasi diperoleh dari Yahoo Finance. Sebelum proses pemodelan, dilakukan analisis korelasi terhadap variabel Open, High, Low, Close, dan Volume. Hasil analisis menunjukkan bahwa variabel harga memiliki korelasi yang sangat tinggi (r > 0,99), sedangkan variabel Volume memiliki korelasi yang sangat rendah terhadap variabel harga (−0,052 ≤ r ≤ −0,043). Berdasarkan hasil tersebut, harga penutupan dipilih sebagai fitur utama dalam pemodelan. Untuk mengevaluasi performa model pada kondisi prediksi yang realistis, diterapkan metode Walk-Forward Validation (WFV) sebanyak 30 iterasi. Hasil pengujian menunjukkan bahwa model memperoleh nilai MSE sebesar 0,0260, RMSE sebesar 0,1613, MAE sebesar 0,1086, MAPE sebesar 2,75%, dan koefisien determinasi (R²) sebesar 0,9446. Hasil tersebut menunjukkan bahwa model mampu menjelaskan 94,46% variasi harga saham dengan tingkat kesalahan prediksi yang rendah. Penelitian ini menyimpulkan bahwa model LSTM univariat yang didukung oleh proses seleksi fitur yang sistematis dan validasi temporal yang robust mampu menghasilkan prediksi harga saham yang andal dengan kompleksitas yang lebih rendah dibandingkan pendekatan multivariat konvensional.

Integrasi Keamanan Basis Data berbantuan AI Untuk Mendukung Keamanan Siber Zen Munawar; Sri Sutjiningtyas; Novianti Indah Putri; Angling Sugiatna; Rita Komalasari; Herru Soerjono
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.3064

Perkembangan teknologi digital telah meningkatkan kompleksitas ancaman siber, menjadikan keamanan basis data sebagai prioritas utama bagi organisasi. Metode tradisional sering kali tidak mampu menghadapi serangan canggih, sehingga diperlukan pendekatan baru berbasis kecerdasan buatan (AI). Penelitian ini bertujuan mengeksplorasi bagaimana integrasi AI dapat merevolusi strategi keamanan basis data melalui deteksi ancaman, respons insiden otomatis, enkripsi adaptif, dan pengendalian akses cerdas. Metode yang digunakan berupa kajian literatur dan analisis konseptual terhadap penerapan algoritma machine learning, predictive analytics, deteksi anomali, serta integrasi dengan intelijen ancaman global. Hasil kajian menunjukkan bahwa AI mampu mendeteksi pola serangan baru, termasuk zero-day vulnerabilities, secara real-time, mempercepat respons insiden melalui otomatisasi playbook dan orkestrasi sistem, serta mengurangi kesalahan manusia. Dalam perlindungan data, AI memungkinkan enkripsi dinamis sesuai sensitivitas informasi dan autentikasi adaptif berbasis konteks. Integrasi dengan intelijen ancaman global memperkuat kemampuan AI memperbarui algoritma sesuai tren serangan terbaru. Kesimpulannya, penerapan AI tidak hanya meningkatkan ketahanan organisasi terhadap ancaman siber, tetapi juga mendorong transformasi dari pendekatan reaktif menuju proaktif, membentuk kerangka kerja keamanan yang efisien, adaptif, dan berkelanjutan.

Pengembangan Platform Diseminasi Keilmuan Berbasis Web Menggunakan Agile Scrum dengan Evaluasi Usability dan TAM Cecep Kurnia Sastradipraja; Sigit Hudawiguna; Fachmi Ramdani; Euis Novianti
TEMATIK Vol. 13 No. 1 (2026): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Juni 2026
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v13i1.3069

Penelitian ini bertujuan untuk mengembangkan platform diseminasi keilmuan berbasis web yang mengintegrasikan event akademik, repositori penelitian, etalase buku dosen, serta course pembelajaran multidisiplin. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan Agile Scrum untuk memastikan pengembangan sistem yang adaptif dan iteratif. Evaluasi sistem dilakukan menggunakan black box testing untuk menguji fungsionalitas, System Usability Scale (SUS) untuk mengukur usability, serta Technology Acceptance Model (TAM) untuk mengukur penerimaan pengguna. Hasil penelitian menunjukkan bahwa sistem memperoleh skor SUS sebesar 81,61 yang termasuk kategori sangat baik. Evaluasi TAM menunjukkan nilai perceived usefulness sebesar 4,34 dan perceived ease of use sebesar 4,28 yang mengindikasikan tingkat penerimaan pengguna yang tinggi. Hasil uji validitas menunjukkan seluruh item kuesioner valid, sedangkan uji reliabilitas menunjukkan nilai Cronbach Alpha di atas 0,90 yang berarti sangat reliabel. Penelitian ini memberikan kontribusi dalam pengembangan ekosistem digital terintegrasi untuk diseminasi keilmuan yang lebih inklusif dan mudah diakses oleh masyarakat luas.

Page 27 of 28 | Total Record : 277

24 25 26 27 28

Filter by Year

2014 2026

Filter By Issues

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Hadiansyah

Contact Email
kanghadiansyah@plb.ac.id

Phone
+6285220199772

Journal Mail Official
tematik@plb.ac.id

Editorial Address
Program Studi Manajemen Informatika Politeknik LP3I Bandung Jl. Pahlawan No. 59 Bandung 40123 Telp. (022) 2506500, Fax. (022) 2512564 Email : tematik@plb.ac.id

Location
Kota bandung,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Hadiansyah

Contact Email kanghadiansyah@plb.ac.id

Phone +6285220199772

Journal Mail Official tematik@plb.ac.id

Editorial Address Program Studi Manajemen Informatika Politeknik LP3I Bandung Jl. Pahlawan No. 59 Bandung 40123 Telp. (022) 2506500, Fax. (022) 2512564 Email : tematik@plb.ac.id

Location Kota bandung, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Hadiansyah

Contact Email
kanghadiansyah@plb.ac.id

Phone
+6285220199772

Journal Mail Official
tematik@plb.ac.id

Editorial Address
Program Studi Manajemen Informatika Politeknik LP3I Bandung Jl. Pahlawan No. 59 Bandung 40123 Telp. (022) 2506500, Fax. (022) 2512564 Email : tematik@plb.ac.id

Location
Kota bandung,

Jawa barat

INDONESIA