cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Khoiruddin Harahap
Contact Email
publikasi@itscience.org
Phone
+6282251583783
Journal Mail Official
publikasi@itscience.org
Editorial Address
Jl. Pancasila Gg. M. Nur Desa Paya Gambar, Deli Serdang Sumatera Utara
Location
Unknown,
Unknown
INDONESIA
Digital Transformation Technology (Digitech)
Published by Information Technology and Science
ISSN : -     EISSN : 28079000     DOI : https://doi.org/10.47709
Core Subject : Science,
Computer Science & IT Library & Information Science
Digital Transformation Technology (Digitech) merupakan Jurnal ilmiah Sains dan transformasi Teknologi Digital, terbitan ini berisi artikel bidang Rekayasa Perangkat Lunak, Technology 5.0 Society, Teknologi Industri dan lainnya dengan diterbitkan secara berkala 6 bulanan yaitu Maret dan September.
Arjuna Subject : Teknik (semua kategori) - Komputasi Mekanik
Articles 18 Documents
 1   2 
Search results for , issue "Vol. 6 No. 1 (2026): Periode Maret 2026" : 18 Documents clear
Implementasi Indobert dan Large Language Model pada Aplikasi Chatbot Adaptif berdasarkan Emosi Pengguna Saraswati, Destira Lestari; Wahyudin, Asep; Hambali, Yudi Ahmad
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7113

Abstract

Kesehatan mental menjadi isu krusial di Indonesia seiring meningkatnya prevalensi gangguan psikologis dan terbatasnya akses layanan profesional. Kolaborasi antara Kementerian Pemberdayaan Perempuan dan Perlindungan Anak (KemenPPPA) dengan UNICEF menegaskan pentingnya sinergi dukungan kesehatan mental di berbagai sektor, termasuk melalui media digital. Penelitian ini mengembangkan aplikasi kesehatan emosional berbasis chatbot adaptif yang memanfaatkan IndoBERT untuk klasifikasi emosi cinta, marah, sedih, bahagia, dan takut serta Large Language Model (LLM) untuk menghasilkan respons empatik dan kontekstual dalam Bahasa Indonesia. Pengembangan dilakukan menggunakan model ADDIE (Analysis, Design, Development, Implementation, Evaluation) dengan teknologi Flutter, FastAPI, dan Firebase. Evaluasi dilakukan melalui Blackbox Testing, System Usability Scale (SUS), dan User Experience Questionnaire (UEQ). Hasil menunjukkan seluruh fitur utama berfungsi sesuai spesifikasi tanpa kesalahan logika. Nilai SUS rata-rata mencapai 83,66, termasuk kategori Excellent, sedangkan hasil UEQ menunjukkan skor positif pada seluruh dimensi dengan rata-rata +2,045, terutama pada Perspicuity dan Stimulation. Temuan ini menunjukkan bahwa sistem mampu memberikan pengalaman interaksi yang nyaman, aman, dan adaptif terhadap kondisi emosional pengguna. Penelitian ini masih terbatas pada penerapan ilmu komputer, sehingga penelitian selanjutnya perlu ditinjau lebih lanjut dari perspektif keilmuan psikologi. Secara keseluruhan, penelitian ini membuktikan bahwa integrasi IndoBERT dan LLM efektif dalam membangun chatbot empatik yang relevan secara linguistik dan kultural, serta berpotensi menjadi dukungan awal dalam peningkatan kesadaran kesehatan emosional masyarakat Indonesia.
Rancang Bangun Aplikasi Real-Time Information Angkutan Kota dengan Location-based Service Menggunakan Metode Prototyping Maulana, Rachman Faiz; Wibisono, Yudi; Nugroho, Eddy Prasetyo
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7362

Abstract

Penelitian ini dilatarbelakangi oleh menurunnya minat masyarakat dalam menggunakan angkutan kota di Kota Bandung, salah satunya disebabkan oleh tidak tersedianya informasi posisi angkot secara real-time yang membuat penumpang sulit memperkirakan waktu tunggu. Ketidakpastian ini berdampak pada rendahnya kenyamanan dan kepercayaan pengguna terhadap layanan angkutan kota. Untuk menjawab permasalahan tersebut, penelitian ini bertujuan merancang dan membangun aplikasi real-time information untuk angkutan kota berbasis Android dengan memanfaatkan teknologi Location-Based Service (LBS). Tujuan utama pengembangan adalah menyediakan informasi posisi angkot secara langsung, memudahkan navigasi penumpang, dan meningkatkan transparansi serta kualitas layanan. Metode Prototyping digunakan agar proses pengembangan dapat dilakukan secara iteratif melalui umpan balik pengguna hingga menghasilkan desain yang sesuai kebutuhan. Pengujian sistem menggunakan metode Black Box menunjukkan seluruh fitur berjalan sesuai dengan spesifikasi. Evaluasi usability dengan System Usability Scale (SUS) melibatkan 15 responden dan menghasilkan skor rata-rata 73,67 yang berada pada kategori Acceptable dan Grade C. Hasil ini menunjukkan bahwa aplikasi dapat diterima dengan baik, cukup mudah dipahami, dan layak digunakan oleh pengguna. Secara keseluruhan, penelitian ini berhasil menghasilkan prototipe aplikasi yang berfungsi sesuai tujuan serta berpotensi mendukung peningkatan kualitas layanan angkutan kota, meskipun masih terbuka peluang pengembangan lebih lanjut untuk penyempurnaan fitur dan pengalaman pengguna.
Analisa Ulasan Pengguna Aplikasi Mobile Legends Bang-Bang dengan Menggunakan Metode Algoritma K-Means Pura, Arya; Suardika, Deni; Keane, Teuku Nizam; Hutauruk, Stanley Ravelino; Marpaung, Hendrick Jonathan; Rizal, Khairul; Susliansyah, Susliansyah
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7469

Abstract

Industri game yang berkembang pesat tidak hanya terjadi di Indonesia saja, namun di berbagai negara sudah mulai menunjukkan antusias terhadap industri game. Salah satunya seperti game Mobile Legends: Bang Bang yang dimana memiliki jutaan pengguna aktif. Popularitas Mobile Legends menyebabkan banyaknya pengguna Mobile Legends ini memberikan ulasan dan review. Penelitian ini kami tujukan untuk menganalisis ulasan para pengguna Mobile Legend dengan memanfaatkan metode algoritma K-Means Clustering. Data ulasan pengguna dikumpulkan dari Google Play Store dan memanfaatkan website Kaggle, Kemudian kami akan melakukan tahap preprocessing teks. Setelah itu data akan diubah menjadi representasi numerik menggunakan metode TF-IDF (Term Frequency-Inverse Document Frequency) sebelum diproses dengan algorima K-Means. Hasil ulasan pengguna menunjukkan bahwa ulasan dapat dikelompokkan ke dalam bebeerapa cluster, seperti ulasan positif (terkait kualitas, grafis, fitur, dan pengalaman bermain), ulasan negative (seperti bug, lag, dan server yang tidak stabil), serta ulasan netral yang berisi saran dan masukan. Evaluasi kualitas cluster dilakukan menggunakan metode DBI (Davies-Bouldin Index) yaitu untuk menentukan jumlah cluster secara optimal agar mendapat gambaran yang jelas mengenai berbagai persepsi dari pengguna, sehingga dapat menjadi dasar bagi pengembang dalam meningkatkan kualitas, memperbaki bug, dan juga mengoptimalkan pengalaman bermain. Dengan demikian, penggunaan algorima K-Means terbukti efektif dalam mengelompokkan ulasan pengguna. Serta dapat dijadikan alat bantu dan masukkan bagi pengembang dalam pengembangan aplikasi dan menyesuaikan ulasan para pengguna.
Penerapan Metode Analytical Hierarchy Process (AHP) dalam Sistem Pendukung Keputusan Rekomendasi Dosen Teladan Syafrial, Syafrial; Harbani, Arif; Warmansyah, Julio; Mi’raj, Agil
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7506

Abstract

Proses seleksi dosen teladan sering menghadapi kendala dalam penilaian yang subjektif dan tidak terstruktur. Seleksi yang masih dilakukan secara manual dan bergantung pada penilaian langsung atasan menimbulkan ketidakakuratan dalam rekomendasi dosen teladan. Ketidakjelasan dalam pembobotan kriteria dan bias personal menyebabkan rendahnya transparansi dan keadilan dalam seleksi, yang dapat mengurangi motivasi dosen dalam meningkatkan kinerja mereka. Penelitian ini bertujuan mengaplikasikan metode Analytical Hierarchy Process (AHP) dalam sistem pendukung keputusan untuk meningkatkan objektivitas dan efektivitas dalam proses seleksi dosen teladan. Metode ini digunakan untuk membandingkan kinerja dosen berdasarkan kriteria yang objektif, menghasilkan rekomendasi yang lebih transparan dan akurat. Selain itu, penelitian ini juga berfokus pada pengembangan prototipe sistem informasi pendukung keputusan untuk seleksi dosen teladan yang lebih efektif. Hasil penelitian menunjukkan metode AHP berhasil merekomendasikan Budi Hartono sebagai dosen teladan teratas dengan nilai 0,093. Sistem ini terbukti efektif dan dinilai "Sangat Layak", didukung oleh hasil uji ahli dengan kelayakan 100%, kepuasan pengguna sebesar 88%, serta uji korelasi Spearman Rank yang menunjukkan hubungan "Kuat" senilai 0,72. Hal ini membuktikan sistem mampu memberikan rekomendasi yang lebih akurat, objektif, dan transparan
Perancangan dan Penerapan Sistem Pendukung Keputusan Penentuan Penerima Beasiswa Menggunakan Metode Simple Additive Weighting Setiawan, Hendra; Gazali, Muhammad Munawir; Syafi’i , Ahmad Ryadussholihin
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7715

Abstract

Proses seleksi penerima beasiswa di Universitas BIMA Internasional MFH selama ini masih dilakukan secara manual dengan membandingkan berkas-berkas calon. Metode ini berpotensi menimbulkan subjektivitas, memakan waktu yang lama, dan kurang transparan. Penelitian ini bertujuan merancang sekaligus mengimplementasikan sebuah Sistem Pendukung Keputusan (SPK) berbasis komputer untuk membantu panitia seleksi. Sistem ini dirancang guna memberikan rekomendasi peringkat kelayakan calon dengan lebih objektif dan konsisten. Metode perhitungan yang diterapkan adalah Simple Additive Weighting (SAW). Metode ini dipilih karena kemampuannya menyelesaikan masalah multi-kriteria dengan perhitungan yang relatif sederhana dan hasil yang mudah dipahami. Tahapan penelitian diawali dengan identifikasi kriteria seleksi berdasarkan dokumen panduan beasiswa universitas, seperti: IPK, penghasilan orang tua, jumlah tanggungan, serta prestasi non-akademik. Setiap kriteria diberi bobot sesuai tingkat kepentingannya. Sistem kemudian dibangun menggunakan bahasa pemrograman PHP dan database MySQL, dengan antarmuka yang dirancang user-friendly bagi operator panitia. Hasil pengujian sistem menunjukkan bahwa SPK yang dibangun berhasil mengolah data calon penerima beasiswa dan menghasilkan peringkat akhir secara otomatis. Sistem ini mampu menghilangkan inkonsistensi perhitungan manual dan mempercepat proses seleksi dari yang sebelumnya memakan hari menjadi hanya hitungan menit. Simulasi dengan data sampel juga membuktikan bahwa peringkat yang dihasilkan sistem memiliki konsistensi tinggi dengan logika penilaian ideal berdasarkan bobot kriteria. Implementasi sistem ini diharapkan dapat meningkatkan akuntabilitas dan keadilan dalam proses pemberian beasiswa di lingkungan kampus.
Estimasi Produksi Kelapa Sawit PT. Arta Prigel Lahat Menggunakan Algoritma Deep Learning Susanti, Tri; Masdalipa, Risnaini
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7807

Abstract

Permasalahan utama dalam produksi kelapa sawit di PT Arta Prigel Lahat adalah ketidakseimbangan antara hasil panen, luas lahan, dan jumlah tanaman, yang menyulitkan proses prediksi secara akurat. Penelitian ini bertujuan untuk mengestimasi produksi kelapa sawit di perusahaan tersebut dengan memanfaatkan algoritma deep learning, yaitu Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM). Metode yang digunakan mengacu pada pendekatan CRISP-DM, yang meliputi tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penyebaran. Data historis tahun 2022–2024 digunakan sebagai dasar analisis, dengan mempertimbangkan variabel seperti curah hujan, hari hujan, pemupukan rotasi 1 dan 2, luas lahan, jumlah tanaman, dan serangan hama. Evaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) menunjukkan bahwa model RNN memiliki nilai kesalahan sebesar 28,29% dengan estimasi produksi 11.293,25 kg, sedangkan model LSTM memiliki MAPE sebesar 16,27% dengan estimasi 17.503,60 kg. Hasil ini menegaskan bahwa model LSTM lebih unggul dalam mengenali pola jangka panjang dan menghasilkan prediksi yang lebih akurat, sehingga berpotensi menjadi alat bantu strategis dalam perencanaan produksi kelapa sawit yang adaptif, presisi, dan berbasis data.
Klasifikasi Sentimen Publik di Instagram Menggunakan Indobert Terhadap Respons DPR Pasca-Aksi ‘17+8 Tuntutan Rakyat Alwi, Haddad; Julkarnain, M; Oktavia, Siska Atmawan; Dinola, Dinola
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7909

Abstract

Penelitian ini bertujuan untuk mengevaluasi kinerja model IndoBERT dalam klasifikasi sentimen tiga kelas (positif, negatif, dan netral) serta memetakan persepsi publik terhadap respons DPR RI pasca aksi “17+8 Tuntutan Rakyat” berdasarkan komentar berbahasa Indonesia di platform Instagram. Pendekatan Knowledge Discovery in Databases (KDD) digunakan yang meliputi tahapan seleksi data (4.737 komentar Instagram), praproses teks (cleansing, case folding, dan normalisasi bahasa gaul), pelabelan data secara semi-otomatis dengan metode Lexicon-Based, pemodelan, dan evaluasi. Untuk mengatasi ketidakseimbangan data (class imbalance), penelitian ini menerapkan teknik class weighting. Model IndoBERT (indobert-base-p1) diterapkan melalui proses fine-tuning dengan rasio pembagian dataset 70:15:15, menggunakan optimizer AdamW, learning rate 2e-5, dan 4 epochs. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score melalui confusion matrix. Hasil penelitian menunjukkan bahwa IndoBERT mencapai akurasi sebesar 97,47% dengan nilai presisi, recall, dan F1-score yang seimbang pada setiap kelas sentimen. Pemetaan sentimen mengindikasikan bahwa sentimen netral mendominasi respons publik, diikuti oleh sentimen negatif dan positif. Selain itu, analisis word cloud menunjukkan perbedaan karakteristik linguistik pada masing-masing kategori sentimen. Temuan ini menegaskan bahwa IndoBERT memiliki kinerja yang sangat baik dalam mengklasifikasikan dan memetakan sentimen publik terhadap isu sosial-politik pada media sosial berbahasa Indonesia.
Penerapan Convolutional Neural Network untuk Klasifikasi Jenis Suara Vokal Paduan Suara Berdasarkan Fitur Akustik Harbani, Arif; Febriantoro, F.R. Dwi; Sarjanoko, Joko; Rahmi, Syafira Amatur
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7922

Abstract

Paduan suara merupakan entitas seni vokal kompleks yang mengandalkan keselarasan antara kategori vokal (Sopran, Alto, Tenor, Bass) untuk mencapai harmoni optimal. Namun, klasifikasi suara yang dilakukan secara manual oleh pelatih seringkali terhambat oleh subjektivitas perseptual dan inefisiensi waktu. Penelitian ini bertujuan untuk mengimplementasikan pendekatan  Machine Learning  berbasis  Convolutional Neural Network  (CNN) dengan arsitektur MobileNetV2 guna mengotomatisasi klasifikasi vokal secara objektif. Metodologi yang digunakan adalah Research and Development (R&D) dengan ekstraksi fitur akustik Mel-Frequency Cepstral Coefficients (MFCC). Sinyal audio diproses dengan  sampling rate  22.050 Hz dan dikonversi menjadi citra spektrogram 224x224 piksel untuk memenuhi standar input MobileNetV2. Hasil eksperimen pada dataset vokal wanita (51 Sopran, 44 Alto) menunjukkan tingkat akurasi sebesar 78,1%, dengan nilai  Precision  85%,  Recall  64,2%, dan  F1-Score  73,2%. Efisiensi komputasi MobileNetV2 melalui  Inverted Residual Blocks  dan  Linear Bottlenecks (Sandler et al., 2018) memungkinkan inferensi cepat pada  backend  Flask. Evaluasi kebergunaan melalui kuesioner PSSUQ (Lewis, 1995) menghasilkan skor kepuasan keseluruhan sebesar 83,56%, yang menempatkan sistem dalam kategori "Sangat Efektif". Meskipun terdapat tantangan pada nilai  Recall  akibat kemiripan fitur spektral pada zona transisi vokal, sistem ini terbukti mampu mentransformasi paradigma klasifikasi dari berbasis intuisi ( intuition-driven ) menjadi berbasis data (data-driven), yang secara signifikan mereduksi waktu persiapan komposisi paduan suara.
Optimalisasi Antarmuka dan Pengalaman Pengguna Website Q-Rent dan Evaluasi dengan User Experience Questionnaire Felix, Felix; Kesuma, Dorie Pandora
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7973

Abstract

PT Solusi Multi Media atau lebih dikenal sebagai Q-Rent, adalah sebuah perusahaan penyewaan alat multimedia, saat ini menghadapi kendala pada aspek antarmuka (UI) dan pengalaman pengguna (UX) website mereka. Beberapa masalah utama yang diidentifikasi meliputi keterbatasan informasi, absennya fitur pemesanan, serta tampilan yang tidak responsif. Untuk mengatasinya, penelitian ini menerapkan metode Design Thinking melalui lima tahapan: empathize, define, ideate, prototype, dan test. Hasil evaluasi menggunakan User Experience Questionnaire (UEQ) menunjukkan peningkatan skor yang signifikan, di mana seluruh indikator bergeser dari kategori negatif ke kategori positif dengan predikat Good hingga Excellent. Hal ini membuktikan bahwa rancangan baru berhasil meningkatkan efisiensi, keandalan, dan kepuasan pengguna.
Kompetensi Networking dalam Kurikulum Berbasis Kompetensi (KBK) 2004: Kajian Studi Literatur Nurhayati, Siti; Wahyudin, Wahyudin
Digital Transformation Technology Vol. 6 No. 1 (2026): Periode Maret 2026
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v6i1.7215

Abstract

Kurikulum Berbasis Kompetensi (KBK) 2004 merupakan kurikulum yang menekankan pencapaian learning outcomes berupa pengetahuan, keterampilan, dan sikap. Salah satu aspek penting dalam bidang Teknologi Informasi dan Komunikasi (TIK) pada masa tersebut adalah penguasaan kompetensi dasar jaringan komputer (networking). Artikel ini menggunakan metode studi literatur untuk menelaah peran kompetensi networking dalam kerangka KBK 2004 serta relevansinya dengan perkembangan kurikulum dan kebutuhan kompetensi digital abad ke-21. Hasil kajian menunjukkan bahwa kompetensi networking bukan hanya sekadar keterampilan teknis, melainkan juga sarana untuk melatih kemampuan pemecahan masalah (problem solving) dan berpikir sistematis yang menjadi inti KBK. Penelitian ini juga menemukan adanya kesinambungan kompetensi networking dari KBK 2004 menuju kurikulum selanjutnya hingga Kurikulum Merdeka. Dengan demikian, penguasaan kompetensi dasar networking yang diperkenalkan pada KBK 2004 tetap memiliki relevansi kuat dalam menghadapi tantangan era digital saat ini. Selain itu, penelitian ini berkontribusi dengan menganalisis bagaimana kompetensi networking diintegrasikan dalam pengembangan literasi digital dan kewarganegaraan digital di Kurikulum Merdeka, serta pengaruhnya terhadap pengembangan keterampilan teknis dan etika digital yang semakin penting di dunia digital abad ke-21

Page 1 of 2 | Total Record : 18

 1   2 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2026): Periode Maret 2026 Vol. 5 No. 2 (2025): Periode September 2025 Vol. 5 No. 1 (2025): Periode Maret 2025 Vol. 4 No. 2 (2024): Periode September 2024 Vol. 4 No. 1 (2024): Periode Maret 2024 Vol. 3 No. 2 (2023): Artikel Periode September 2023 Vol. 3 No. 1 (2023): Artikel Periode Maret Tahun 2023 Vol. 2 No. 2 (2022): Artikel periode September 2022 Vol. 2 No. 1 (2022): Research Artikel Periode Maret 2022 Vol. 1 No. 2 (2021): Research Artikel Periode September 2021 Vol. 1 No. 1 (2021): Article Research Paper Periode Maret 2021 More Issue