cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anastasya Latubessy
Contact Email
anastasya.latubessy@umk.ac.id
Phone
+6281343031115
Journal Mail Official
detika@umk.ac.id
Editorial Address
Gedung J-Fakultas Teknik Lt.2 PO.BOX. 53, Gondangmanis, Bae, Kudus Indonesia – 59382
Location
Kab. kudus,
Jawa tengah
INDONESIA
Jurnal Dialektika Informatika (Detika)
Published by Universitas Muria Kudus
ISSN : 27462811     EISSN : 27742148     DOI : https://doi.org/10.24176
Core Subject : Science,
Computer Science & IT
• Software Engineering • Mobile Technology and Application • Robotics • Database system • Information Engineering • Artificial Intelligent • Interactive Multimedia • Computer Networking • Information System Audit • Accounting Information System • Information System Development Methodology • Strategic Information System (Business Intelligence, decision support system, executive information system, enterprise system, knowledge management) • E-learning and e-business
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 85 Documents
 5   6   7   8   9 
INTEGRASI MICROSERVICE DAN PROGRESSIVE WEB APP DALAM PENGEMBANGAN SISTEM ONLINE COURSE Aji, Bintang Satrio; Fiati, Rina; Jazuli, Ahmad
Jurnal Dialektika Informatika (Detika) Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026
Publisher : Universitas Muria Kudus

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

Abstract

Sistem pembelajaran daring memerlukan fasilitas yang fleksibel, andal, dan mudah dikembangkan agar mampu beradaptasi dengan kebutuhan pengguna yang beragam. Namun, penggunaan arsitektur monolitik sering kali menjadi hambatan utama dalam pengembangan sistem berskala besar karena keterbatasannya dalam hal skalabilitas dan pemeliharaan. Penelitian ini bertujuan memberikan solusi melalui penerapan arsitektur microservice yang dikombinasikan dengan Progressive Web App sebagai antarmuka utama. Sistem dirancang modular ke dalam empat layanan inti: User Service untuk autentikasi pengguna, Course Service untuk manajemen kursus, Media Service untuk penyajian konten pembelajaran, dan Order and Payment Service untuk transaksi. Seluruh layanan berkomunikasi melalui Application Programming Interface Gateway dan bertukar data dalam format JavaScript Object Notation. Dengan pendekatan ini, setiap layanan dapat dikembangkan dan dipelihara secara independen, mempercepat iterasi dan meminimalkan dampak kerusakan sistem secara keseluruhan. Progressive Web App memungkinkan pengguna mengakses sistem secara mulus baik melalui desktop maupun perangkat mobile dengan pengalaman yang menyerupai aplikasi native. Proses pengujian dilakukan menggunakan Postman untuk mengukur respons melalui Application Programming Interface, serta Lighthouse untuk mengevaluasi performa Progressive Web App. Hasilnya menunjukkan bahwa sistem mampu menangani proses pembelajaran secara efisien, responsif, dan skalabel. Arsitektur ini tidak hanya menjawab tantangan teknis dari sistem tradisional, tetapi juga membuka peluang baru dalam pengembangan platform e-learning masa depan yang lebih dinamis.
MODEL KLASIFIKASI TIPE PERUMAHAN DENGAN PENDEKATAN LOGISTIC REGRESSION UNTUK MENDUKUNG KEPUTUSAN INVESTASI PROPERTI Fithri, Diana Laily; Nugraha, Fajar; Romadhon, Zainur
Jurnal Dialektika Informatika (Detika) Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/detika.v6i2.16293

Abstract

Perkembangan sektor perumahan di Indonesia mengalami peningkatan signifikan seiring dengan pertumbuhan jumlah penduduk dan urbanisasi yang pesat. Klasifikasi tipe perumahan berdasarkan aspek seperti harga, luas bangunan, jumlah kamar, dan lokasi menjadi penting untuk membantu pengembang, konsumen, serta pemerintah dalam pengambilan keputusan. Namun, permasalahan muncul karena proses klasifikasi tipe perumahan sering dilakukan secara manual dan subjektif, sehingga berpotensi menimbulkan ketidaktepatan dalam pengelompokan dan penentuan kategori hunian. Selain itu, belum banyak penelitian yang memanfaatkan pendekatan machine learning untuk menghasilkan model klasifikasi yang objektif dan efisien dalam konteks pasar properti di Indonesia. Penelitian ini bertujuan untuk mengklasifikasikan tipe perumahan di Kota Bandung menggunakan algoritma Logistic Regression sebagai metode machine learning yang mampu memprediksi kategori berdasarkan variabel input yang tersedia. Dataset yang digunakan berasal dari Kaggle dengan jumlah sekitar 7.000 entri dan delapan atribut utama, yaitu house_name, location, bedroom_count, bathroom_count, carport_count, price, land_area, dan building_area. Proses pengolahan data dilakukan menggunakan Google Colab, dibantu dengan Microsoft Excel (fungsi IF) untuk klasifikasi awal, serta pembuatan model di RapidMiner. Tahapan penelitian mencakup pengumpulan data, praproses data, pemodelan, dan evaluasi performa model. Hasil penelitian menunjukkan bahwa Logistic Regression mampu mengelompokkan tipe perumahan dengan tingkat akurasi yang memadai. Model ini dinilai efektif karena mudah diinterpretasikan dan efisien untuk data terstruktur. Implementasi model ini diharapkan dapat menjadi dasar dalam analisis pasar properti, membantu konsumen dalam menentukan pilihan hunian, serta mendukung kebijakan pengembangan sektor perumahan di Indonesia
MODEL PENGUKURAN KEPUASAN PADA USABILITY SISTEM E-LEARNING MENGGUNAKAN END USING COMPUTING Fiati, Rina; Rahmatika, Luthfia; Liahmada, Barik
Jurnal Dialektika Informatika (Detika) Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/detika.v6i2.16577

Abstract

Tujuan penelitian untuk mengetahui kepuasan pengguna dalam penerimaan sistem informasi dan teknologi pada e-learning. Penyelesaian permasalahn mengunakan model kepuasan pemakai tingkat akhir komputer (End Using Computing Satisfication). Fokus penelitian pada analisis kepuasan pengguna sistem e-learning. Keutamaan urgensi dari penelitian memperoleh pengujian kegunaan webiste e-learning. Pengujian usability untuk mengukur aspek usability yang terdiri dari delapan faktor yaitu kualitas layanan, pembelajaraan mandiri, sistem yang menyenangkan, Ketepatan sistem, sikap perilaku pengguna, penggunaan keberlanjutan, dan prestasi akademik sebagai variabel independen dan kepuasan sebagai variabel dependen. Pengambilan data melalui survei dengan penyebaran kuesioner dengan sasaran pengguna adalah mahasiswa dan instruktur yang telah memanfaatkan E-learning sebagai mediator informasi. Diperoleh seratus sampel responden. Penilaian menggunakan skala likert 1-5. Analisa data meliputi validasi data menggunakan uji statistik dengan tools Structural Equation Modeling menggunakan teknik Partial Least Square. Hasil penelitian adalah model pengukuran keberhasilan penerapan website e-learning. Pengujian konstruk diperoleh sikap terhadap perilaku pada nilai R Square sebesar 0,434 dinyatakan kuat dan penggunaan berkelanjutan bernilai 0.776 menunjukkan tinggi. Kegunaan sistem pada konten, materi akan berdampak pada kepuasan yang memberikan kontribusi pada terbentuknya sikap positif terhadap sistem e-learning.
SISTEM REKOMENDASI KULINER DI YOGYAKARTA MENGGUNAKAN HYBRID SVD DAN SKIP-GRAM Hartatik; Syafrianto, Andri; Harliana
Jurnal Dialektika Informatika (Detika) Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/detika.v6i2.17000

Abstract

Pertumbuhan pesat pilihan kuliner di Yogyakarta meningkatkan kompleksitas bagi pengguna dalam menentukan tempat makan yang sesuai. Kondisi ini menuntut adanya sistem rekomendasi yang mampu memberikan saran yang relevan dan terpersonalisasi. Penelitian ini mengusulkan pendekatan hybrid yang mengintegrasikan Collaborative Filtering (CF) berbasis Singular Value Decomposition (SVD) dan Content-Based Filtering (CBF) berbasis Skip-Gram. Pendekatan ini menggabungkan pola interaksi pengguna dengan representasi semantik dari deskripsi kuliner untuk meningkatkan kualitas rekomendasi. Eksperimen dilakukan pada dataset yang terdiri dari 138 pengguna, 130 item, dan 1161 interaksi, yang menghasilkan matriks interaksi dengan tingkat sparsity tinggi. Evaluasi dilakukan menggunakan metrik Precision@K, Recall@K, dan NDCG@K. Hasil menunjukkan bahwa model hybrid secara konsisten mengungguli metode tunggal. Performa terbaik diperoleh pada α = 0.85 dengan Precision@10 sebesar 0.0339, Recall@10 sebesar 0.3388, dan NDCG@10 sebesar 0.1459. Temuan ini menunjukkan bahwa integrasi informasi berbasis interaksi dan konten mampu mengatasi keterbatasan data yang jarang serta meningkatkan relevansi rekomendasi. Model hybrid tidak hanya meningkatkan kemampuan dalam menemukan item yang relevan, tetapi juga memperbaiki kualitas ranking dengan menempatkan item relevan pada posisi yang lebih tinggi. Pendekatan ini efektif untuk sistem rekomendasi kuliner, khususnya pada kondisi data yang terbatas dan heterogen.
ANALISIS DAMPAK KETIDAKSEIMBANGAN DATA TERHADAP KINERJA RANDOM FOREST DALAM KLASIFIKASI GENERALIZED ANXIETY DISORDER Latubessy, Anastasya; Khotimah, Tutik; Fiati, Rina
Jurnal Dialektika Informatika (Detika) Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/detika.v6i2.17138

Abstract

Penelitian ini bertujuan untuk menganalisis dampak ketidakseimbangan data terhadap kinerja algoritma Random Forest dalam klasifikasi Generalized Anxiety Disorder (GAD). Dataset yang digunakan terdiri dari empat kelas yang merepresentasikan tingkat kecemasan, yaitu minimal, mild, moderate, dan severe, dengan distribusi data yang tidak seimbang. Sebaran jumlah instances pada masing-masing kelas adalah 5.957 untuk kelas minimal, 2.933 untuk mild, 1.290 untuk moderate, dan 591 untuk severe. Ketidakseimbangan ini berpotensi memengaruhi kemampuan model dalam melakukan klasifikasi kelas minoritas secara akurat. Metode Random Forest diterapkan untuk melakukan klasifikasi, dan evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Random Forest menghasilkan tingkat akurasi sebesar 55,29%. Nilai akurasi yang relatif rendah ini mengindikasikan bahwa ketidakseimbangan data memiliki pengaruh signifikan terhadap performa model, khususnya dalam mengenali kelas dengan jumlah data yang lebih sedikit. Penelitian ini menegaskan pentingnya penanganan ketidakseimbangan data dalam proses klasifikasi, terutama pada kasus kesehatan mental seperti GAD, guna meningkatkan kinerja model dan menghasilkan prediksi yang lebih adil serta representatif pada seluruh kelas.

Page 9 of 9 | Total Record : 85

 5   6   7   8   9 

Filter by Year

2020 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 2 (2026): Jurnal Dialektika Informatika(Detika) Vol.6 No.2 Mei 2026 Vol. 6 No. 1 (2025): Jurnal Dialektika Informatika(Detika) Vol.6 No.1 Desember 2025 Vol 6, No 1 (2025): Jurnal Dialektika Informatika(Detika) Vol.6 No.1 Desember 2025 Vol 5, No 2 (2025): Jurnal Dialektika Informatika(Detika) Vol.5 No.2 Mei 2025 Vol 5, No 1 (2024): Jurnal Dialektika Informatika(Detika) Vol.5 No.1 Desember 2024 Vol 4, No 2 (2024): Jurnal Dialektika Informatika(Detika) Vol.4 No.2 Mei 2024 Vol 4, No 1 (2023): Jurnal Dialektika Informatika(Detika) Vol.4 No.1 Desember 2023 Vol 3, No 2 (2023): Jurnal Dialektika Informatika(Detika) Vol.3 No.2 Mei 2023 Vol 3, No 1 (2022): Jurnal Dialektika Informatika(Detika) Vol.3 No.1 Desember 2022 Vol 2, No 2 (2022): Jurnal Dialektika Informatika(Detika) Vol.2 No.2 Mei 2022 Vol 2, No 1 (2021): Jurnal Dialektika Informatika (Detika) Vol.2 No.1 Desember 2021 Vol 1, No 2 (2021): Jurnal Dialektika Informatika (Detika) Vol.1 No.2 Mei 2021 Vol 1, No 1 (2020): Jurnal Dialektika Informatika (Detika) Vol.1 No.1 Desember 2020 More Issue