cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Elisabeth Marsella
Contact Email
konstelasi@uajy.ac.id
Phone
+6285228453373
Journal Mail Official
konstelasi@uajy.ac.id
Editorial Address
Kampus 3, Gedung Bonaventura Jln. Babarsari No. 43, Caturtunggal, Kec. Depok, Kabupaten Sleman, DIY 55281
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Published by Universitas Atma Jaya Yogyakarta
ISSN : 27763102     EISSN : 27763374     DOI : https://doi.org/10.24002
Core Subject : Science,
Computer Science & IT
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi invites local and international researchers to publish their papers in Bahasa Indonesia with the following scopes, yet the topics are not limited to: Sistem Informasi Teknik Informatika Industri Teknik Sosial dan Humaniora Pendidikan Ilmu Komunikasi Ekonomi dan Akuntansi Pemasaran dan Kewirausahaan Bisnis Digital
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 225 Documents
 19   20   21   22   23 
Revamp of Grade and Attendance Management Features in the Academic Information System Yohanes Kevin Wahyu Utama; Generosa Lukhayu Pritalia; Hendro Gunawan; Rangga Perwiratama
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13204

Abstract

This study presents the redesign of grade and attendance management features in the Academic Information System (SIAKAD) at Universitas Atma Jaya Yogyakarta (UAJY) using Domain-Driven Design (DDD) supported by the prototyping method. The primary objective is to migrate attendance and grading functionalities from the Employee Performance Assessment System (SPKP) to SIAKAD to enhance academic service quality and operational efficiency. Data collection was conducted through observations and interviews with domain experts, followed by domain modeling to identify specific system requirements. The system architecture was structured into three main bounded contexts: Grade Management, Course Meetings, and Substitute Meetings, each designed following DDD principles to align functionalities with user needs. The design phase incorporated wireframe and prototype mockups to ensure proper system visualization and interaction that meet academic requirements. Implementation was followed by comprehensive Black-Box Testing, including third-party validation, to verify that the new features function according to specifications. The results demonstrate that the revamped system successfully fulfills operational requirements and is ready for deployment, providing improved integration and efficiency in academic administration processes.
Implementasi Model Deep Learning IndoBERT dengan Antarmuka Aplikasi Mobile untuk Deteksi Berita Hoaks Berbahasa Indonesia Wenang, Asta; Akbar Widianto, Krisna; Nugraha, Muhammad Egi; Rizki, Muhamad; Dewi, Kumala
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13250

Abstract

Penyebaran berita hoaks di internet semakin meningkat dan berpotensi menimbulkan kesalahpahaman serta keresahan dalam masyarakat. Salah satu tantangan yang dihadapi adalah sulitnya membedakan informasi yang valid dan yang menyesatkan, karena banyak hoaks dibuat dengan tampilan yang menyerupai berita resmi. Penelitian ini bertujuan menerapkan model deep learning IndoBERT untuk mendeteksi berita hoaks berbahasa Indonesia sekaligus mengintegrasikannya ke dalam prototipe aplikasi mobile agar dapat diuji secara praktis. Pendekatan yang digunakan meliputi eksperimen melalui tahapan pengumpulan data, pra-pemrosesan teks, pelatihan model, serta evaluasi kinerja menggunakan metrik akurasi, presisi, recall, dan F1-score. Dataset penelitian berasal dari kumpulan berita daring yang telah diberikan label hoaks dan nonhoaks. Hasil evaluasi menunjukkan bahwa model IndoBERT mampu mencapai akurasi 99% dengan nilai Area Under The Curve (AUC) sebesar 0,999, sehingga terbukti efektif untuk tugas klasifikasi teks. Model terlatih kemudian dihubungkan dengan backend Flask dan diuji melalui antarmuka Flutter, yang memungkinkan pengguna memasukkan teks berita dan memperoleh hasil klasifikasi secara langsung. Berdasarkan hasil tersebut, sistem ini berpotensi menjadi alat bantu verifikasi informasi yang cepat dan akurat dalam upaya menekan penyebaran hoaks di masyarakat.
Implementasi Sistem Pendukung Keputusan dalam Seleksi Penerima Beasiswa di Kabupaten Rote Ndao dengan Metode SAW dan TOPSIS Malelak, Ina Jesica; Amos Pah, Clarissa Elfira; Letelay, Kornelis; Ledoh, Juan Rizky Mannuel
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13268

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan Sistem Pendukung Keputusan (SPK) dalam menentukan penerima beasiswa Pemerintah Daerah Kabupaten Rote Ndao secara objektif, efisien, dan transparan. Sistem dikembangkan dengan mengombinasikan metode Simple Additive Weighting (SAW) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Permasalahan utama yang dihadapi dalam proses seleksi beasiswa adalah masih dilakukannya penilaian secara manual, yang menimbulkan potensi subjektivitas, keterlambatan, serta ketidakefisienan dalam pengambilan keputusan. Metode SAW digunakan untuk melakukan normalisasi dan pembobotan terhadap lima kriteria utama, yaitu Indeks Prestasi Kumulatif (IPK), prestasi nonakademik, keaktifan organisasi, biaya SPP, dan semester aktif. Hasil normalisasi kemudian diolah menggunakan metode TOPSIS untuk menentukan jarak setiap alternatif terhadap solusi ideal positif dan negatif. Sistem dapat menghasilkan nilai preferensi secara otomatis untuk menghasilkan peringkat penerima beasiswa dan dapat dipertanggungjawabkan secara transparan karena sistem menampilkan rincian perhitungannya. Sistem yang dikembangkan dalam penelitian ini telah mencapai 100% keberhasilan fungsional melalui pengujian Black Box dan penerimaan pengguna mencapai 89,65% berdasarkan pengujian User Acceptance Testing (UAT). Temuan ini membuktikan bahwa kombinasi metode SAW–TOPSIS mampu meningkatkan efisiensi, akurasi, dan objektivitas dalam proses seleksi penerima beasiswa, sekaligus mendukung transparansi dan akuntabilitas sistem seleksi berbasis data.
Comparative Analysis of Machine Learning Models for LDL Cholesterol Estimation Barthi Dasan
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13305

Abstract

Accurate estimation of low-density lipoprotein cholesterol (LDL-C) is essential for cardiovascular risk assessment and treatment decision-making. Traditional formula-based LDL-C estimations, such as Friedewald, Sampson, and Martin equations, show decreasing accuracy at higher triglyceride (TG) levels. This study compares nine machine learning (ML) models against conventional formulas using a large dataset of 120,174 subjects. After data preprocessing and feature selection, four predictors (TC, TG, HDL-C, and age) were used to train ML models with 5-fold cross-validation. Among all models, Light Gradient Boosting Machine (LightGBM) demonstrated the best performance, achieving R² = 0.8749, MSE = 204.53 mg²/dL², and PCC = 0.935 on the internal test set. Similar superiority was observed in the external validation cohort (n = 10,183), particularly in hypertriglyceridemic ranges (TG ≥ 200 mg/dL), where classical equations showed substantial performance degradation. Machine learning models, especially ensemble-based approaches, maintain robust predictive ability across TG strata and significantly reduce error around clinically relevant LDL-C thresholds (70, 100, and 130 mg/dL). These findings support the integration of ML-assisted LDL-C estimation into routine laboratory workflows and highlight its potential contribution to clinical decision support.
Analisis Tampilan Antarmuka Pengguna Microsoft Copilot dari Perspektif Customer Journey Arini, Florentina Yuni; Amrullah, Reza Zaidan; Winata, Ardin; Bhimawan, Farrel Fatih; Radhiti, Brigita Winona Elvaretta; Athaya, Ikhsan Rakha
KONSTELASI: Konvergensi Teknologi dan Sistem Informasi Vol. 5 No. 2 (2025): Desember 2025
Publisher : Program Studi Sistem Informasi Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/konstelasi.v5i2.13308

Abstract

Perkembangan teknologi kecerdasan buatan menghadirkan transformasi signifikan dalam cara pengguna berinteraksi dengan sebuah sistem digital, terutama melalui peran antarmuka pengguna (User Interface/UI) sebagai elemen kunci pembentuk pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis antarmuka pengguna Microsoft Copilot dari perspektif Customer Journey Map (CJM) guna memahami bagaimana desain dan alur interaksi memengaruhi persepsi, ekspektasi, serta kepuasan pengguna. Metode yang digunakan meliputi analisis deskriptif terhadap struktur UI, pemetaan tahap perjalanan pengguna, serta evaluasi alur tugas saat berinteraksi dengan Copilot. Hasil penelitian menunjukkan bahwa Microsoft Copilot mengimplementasikan desain antarmuka yang sederhana, adaptif, dan responsif dalam mendukung aktivitas pengguna di berbagai konteks kerja. Namun, analisis mendalam mengungkapkan wawasan spesifik bahwa penerapan minimalisme UI berhasil meningkatkan fokus kognitif pada tugas utama, tetapi di sisi lain mengurangi kemampuan penemuan (discoverability) fitur lanjutan. Temuan ini memberikan kontribusi dalam pengembangan desain UI berbasis AI yang menekankan keseimbangan antara otomatisasi cerdas dan kenyamanan pengguna, serta memberikan rekomendasi strategis bagi praktisi dalam merancang interaksi manusia-AI yang lebih efektif.

Page 23 of 23 | Total Record : 225

 19   20   21   22   23 

Filter by Year

2021 2025


Reset
Filter By Issues
All Issue Vol. 5 No. 2 (2025): Desember 2025 Vol. 5 No. 1 (2025): Juni 2025 Vol. 4 No. 2 (2024): Desember 2024 Vol. 4 No. 1 (2024): Juni 2024 Vol. 3 No. 2 (2023): Desember 2023 Vol. 3 No. 1 (2023): Juni 2023 Vol. 2 No. 2 (2022): Desember 2022 Vol. 2 No. 1 (2022): Juni 2022 Vol. 1 No. 2 (2021): Desember 2021 Vol. 1 No. 1 (2021): Juni 2021