cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Arvi Pramudyantoro
Contact Email
jits@unmuhbabel.ac.id
Phone
+6282377565569
Journal Mail Official
jits@unmuhbabel.ac.id
Editorial Address
Kompleks Perguruan Muhammadiyah Jalan K.H. Ahmad Dahlan KM 4 Rt.03 No.51 Ds. Mangkol, Kecamatan Pangkalanbaru Kabupaten Bangka Tengah Provinsi Kepulauan Bangka Belitung
Location
Kab. bangka tengah,
Kepulauan bangka belitung
INDONESIA
Jurnal of Information Technology and Society (JITS)
Published by Universitas Muhammadiyah Bangka Belitung
ISSN : -     EISSN : 29886104     DOI : https://doi.org/10.35438/jits.v1i1
Core Subject : Science,
Computer Science & IT
The Journal of Information Technology and Society (JITS) is an Indonesian national journal published by the Computer Science Study Program at Universitas Muhammadiyah Bangka Belitung in 2022, with the first volume published in June 2023. This journal is issued twice a year, in June and December, and is available online (e-ISSN: 2988-6104). It publishes scientific articles related to computer and information technology fields, including Artificial Intelligence, Data Science, Internet of Things (IoT), Software Engineering, Computer Networks, Electronics and Control Systems, Multimedia and Digital Image Processing, and other relevant areas. Each published article is first reviewed using a peer review method, and only articles that meet the criteria are published. Articles published by JITS are indexed by several indexing institutions such as Google Scholar, Garuda, and others.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 30 Documents
 1   2   3 
PENGENALAN POLA KASUS POTENSI BANJIR DI PANGKALPINANG DENGAN ALGORITMA RANDOM FOREST DAN XGBOOST MENGGUNAKAN GOOGLE EARTH ENGINE Randi Atul Aufa; Eka Altiarika; Arvi Pramudyantoro; Yudistira Bagus Pratama; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1415

Abstract

Banjir merupakan bencana yang sering terjadi di Kota Pangkalpinang dan menimbulkan dampak sosial serta ekonomi yang signifikan. Setiap tahun, curah hujan tinggi dan elevasi wilayah yang rendah menyebabkan genangan air di berbagai titik, mengganggu aktivitas masyarakat dan infrastruktur kota. Oleh karena itu, diperlukan sistem peringatan dini yang efektif berbasis teknologi untuk mengenali pola potensi banjir secara akurat dan cepat. Penelitian ini bertujuan untuk mengenali pola kasus banjir dengan menggabungkan data historis lingkungan dan iklim menggunakan algoritma pembelajaran mesin melalui platform Google Earth Engine (GEE). Metode yang digunakan dalam penelitian ini meliputi pengumpulan data spasial dan klimatologis dari GEE, seperti curah hujan, kelembapan tanah, suhu permukaan, tutupan lahan, dan elevasi. Data selanjutnya diproses menggunakan Google Colab, termasuk tahapan preprocessing dan feature engineering. Algoritma Random Forest dan XGBoost digunakan dalam pendekatan ensemble learning dengan metode soft voting. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, dan F1 Score. Hasil penelitian menunjukkan bahwa model memiliki performa tinggi dengan Accuracy 0.98, Precision 0.97, Recall 0.99 dan F1 Score 0.98. Prediksi potensi banjir tahun 2025–2030 menunjukkan tren perubahan jumlah titik banjir dengan probabilitas tinggi setiap tahunnya. Visualisasi pengenalan pola potensi banjir dalam bentuk peta interaktif di GEE mempermudah analisis spasial dan mendukung pengambilan keputusan mitigasi. Penelitian ini diharapkan dapat menjadi solusi praktis dalam peringatan dini dan strategi adaptasi terhadap bencana banjir.
Perbandingan Sentimen Komentar Youtube pada Video Promosi Bisnis Kuliner di Bangka Belitung Menggunakan Algoritma Machine Learning Al Ahfaz Reza Ramdani; Yudistira Bagus Pratama; Arvi Pramudyantoro; Eka Altiarika; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1416

Abstract

Penelitian ini membandingkan sentimen komentar youtube pada video promosi bisnis kuliner di Bangka Belitung menggunakan algoritma machine learning. Penelitian ini bertujuan untuk memahami persepsi masyarakat terhadap bisnis kuliner lokal yang tersebar di platform youtube, serta mengetahui algoritma mana yang lebih efektif dalam mengklasifikasikan sentimen komentar. Metode yang digunakan adalah analisis sentimen dengan pendekatan kualitatif. Algoritma machine learning yang digunakan adalah Support Vector Machine (SVM) dan Naïve Bayes. Data diperoleh melalui proses web scraping terhadap 27 video kuliner khas Bangka Belitung, seperti lempah kuning, mie Koba, otak-otak, dan martabak Bangka, yang kemudian dikumpulkan menjadi 13.692 komentar. Komentar-komentar tersebut diproses melalui tahapan preprocessing, seperti case folding, penghapusan simbol dan angka, tokenisasi, stopword removal, serta stemming. Setelah itu, dilakukan pelabelan sentimen secara manual dan otomatis untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Model klasifikasi kemudian dibangun menggunakan algoritma SVM dan Naïve Bayes, dan dilakukan evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa SVM memiliki akurasi lebih tinggi (86.55%) dibandingkan Naïve Bayes (84.63%). Hasil penelitian menunjukkan bahwa mayoritas komentar memiliki sentimen netral, dengan sedikit komentar positif dan negatif. Penelitian ini memberikan wawasan tentang sentimen masyarakat terhadap bisnis kuliner di Bangka Belitung, yang dapat bermanfaat bagi pelaku bisnis kuliner dalam meningkatkan strategi pemasaran dan pelayanan mereka.
Forecasting and Predicting Indonesia’s Digital Loan Trends via Google Search and Machine Learning Koswara, Asep
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1417

Abstract

Public interest in financial technology, especially in digital loans, has grown rapidly in Indonesia over the past five years. This study analyzes weekly Google Trends data from June 2020 to June 2025, focusing on the keywords “pinjaman online” and “pinjol.” The research aims to understand usage patterns, identify interest spikes, and build predictive models for public attention using ARIMA and various machine learning methods. The ARIMA model, used as a baseline, produced a Mean Absolute Error (MAE) of 2.88 and Root Mean Square Error (RMSE) of 3.61. In contrast, the XGBoost model yielded superior accuracy, with an MAE of 1.39 and RMSE of 2.03. Among all models tested, XGBoost most accurately captured the volatility of online interest, especially during peak periods like October 2021 and January 2023. Findings confirm that “pinjol” outperforms “pinjaman online” in search frequency, driven by informal usage and media coverage. These insights have implications for financial regulators, fintech marketers, and social scientists studying digital behavior, suggesting machine learning models provide a more reliable approach to forecasting online public interest.
Analisis Prediksi Harga Emas Selama Sepuluh Tahun Terakhir Dengan SVM: Tinjauan Mendalam Pola Pergerakan Pasar Logam Mulia Diansyah, Ahmad Febri; Andi Sunyoto
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1418

Abstract

Pasar emas telah menjadi fokus perhatian analis keuangan dan investor selama bertahun-tahun, dipengaruhi oleh perubahan geopolitik, kebijakan moneter, dan ketidakpastian ekonomi global. Transformasi signifikan dalam sepuluh tahun terakhir menciptakan fluktuasi harga emas yang memunculkan peluang dan risiko bagi para pelaku pasar. Dalam era teknologi modern, metode analisis prediktif, seperti algoritma Support Vector Regression (SVR), semakin penting untuk memahami dan meramalkan pergerakan pasar. Penelitian ini menggunakan SVR untuk menganalisis harga emas selama sepuluh tahun terakhir, menyoroti keunggulan algoritma tersebut dalam mengidentifikasi relasi non-linear dalam data kompleks. Diharapkan hasil analisis ini memberikan wawasan mendalam tentang faktor-faktor yang memengaruhi harga emas, dengan tujuan meningkatkan pemahaman tentang tren pasar keuangan dan memberikan dasar untuk prediksi yang lebih akurat. Penelitian juga membandingkan SVR dengan dua metode lain, LSTM dan Multiple Linear Regression, untuk memperoleh gambaran komprehensif tentang kinerja masing-masing. Evaluasi metrik, seperti akurasi, MAPE, dan MSE, menunjukkan bahwa SVR memiliki tingkat prediksi yang sangat baik dibandingkan dengan metode lainnya, memperkuat potensinya dalam memberikan manfaat praktis bagi para pelaku pasar dan investor emas.
Clustering Aktivitas Olahraga Siswa untuk Evaluasi Kesehatan Fisik Tamriesfatno, Sigrid; Muh. Ikhwan Mardin; La Ode Muh. Armadi AM; Husna Saleh; Sarni Alex Sandra
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1419

Abstract

Sufficient and regular physical activity plays an important role in supporting students' physical, mental, and social health. However, variations in exercise habits necessitate a more objective evaluation of students' physical activity levels. This study aims to categorize students' sports activities based on duration and distance using the K-Means algorithm, in order to evaluate exercise patterns and provide relevant information for the development of physical fitness coaching programs. Data were collected from 30 students and analyzed using an unsupervised learning approach. The clustering results formed three main clusters: (1) students with low activity, short duration, and high BMI values; (2) students with moderate activity, ideal duration, and normal BMI values; and (3) students with very high activity, long duration, and consistently healthy BMI values. These findings indicate that clustering methods are effective in identifying groups of students based on their exercise habits and can serve as a foundation for fitness improvement strategies. Keywords: Physical Activity, K-Means Clustering, Exercise Habits
Analisis Data Penjualan Tokopedia Untuk Prediksi Tren Fashion Menggunakan Metode KNN Asa Ramadhoni, Alfan; Bagus Pratama, Yudistira
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1428

Abstract

Perkembangan industri fashion di Indonesia saat ini mengalami peningkatan yang signifikan seiring dengan pesatnya pertumbuhan e-commerce seperti Tokopedia. Banyaknya variasi produk serta tren yang cepat menuntut adanya metode analisis yang bisa memprediksi tren fashion secara akurat. Penelitian ini bertujuan untuk menganalisis data penjualan produk fashion di Tokopedia dan memprediksi tingkat tren produk menggunakan metode K-Nearest Neighbors (KNN). Data yang digunakan diperoleh melalui proses pengambilan data (scraping) menggunakan web scraper.id dengan tujuan pengambilam data ke Tokopedia menggunakan kata kunci “fashion”, yang mencakup atribut sold, rating, dan price_now sebagai acuan untuk menentukan tren. Variabel-variabel tersebut digunakan sebagai fitur utama dalam proses klasifikasi dengan label keluaran berupa tiga kategori: tren, kurang tren, dan tidak tren. Setelah dilakukan proses normalisasi dan pembagian data latih serta data uji, model KNN diterapkan untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa metode KNN mampu memberikan performa klasifikasi yang cukup baik dalam mengidentifikasi tren produk fashion berdasarkan data penjualan aktual. Penelitian ini diharapkan dapat memberikan pengaruh dalam pengambilan keputusan bisnis, khususnya bagi pelaku industri fashion dalam menentukan strategi pemasaran dan pengelolaan stok produk yang sesuai dengan tren pasar.
PENGENALAN POLA PREDIKSI POTENSI KASUS KEBAKARAN HUTAN DAN LAHAN DI BANGKA SELATAN DENGAN ALGORITMA RANDOM FOREST MENGGUNAKAN GOOGLE EARTH ENGINE resti, A. Resti Supraeni; Yudistira Bagus Pratama; Arvi Pramudyantoro
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1430

Abstract

Kebakaran hutan dan lahan di Kabupaten Bangka Selatan terjadi hampir setiap tahun dan menimbulkan dampak serius terhadap lingkungan, kesehatan, dan aktivitas masyarakat. Penelitian ini bertujuan memprediksi potensi kebakaran serta mengenali pola penyebabnya menggunakan data penginderaan jauh multitemporal dan algoritma Random Forest melalui Google Earth Engine (GEE). Data lingkungan yang digunakan meliputi suhu permukaan (LST), indeks vegetasi (NDVI), curah hujan (CHIRPS), indeks kekeringan (SPI-30), topografi (slope dan aspect), dan tutupan lahan untuk periode 2010–2020. Data diproses melalui tahap pra-pemrosesan, pembuatan citra multiband, pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa sangat baik dengan akurasi 96,31%. Prediksi spasial menunjukkan pola wilayah rawan kebakaran yang konsisten, terutama pada area dengan suhu tinggi, vegetasi rendah, serta curah hujan rendah. Hasil ini dapat menjadi dasar bagi BPBD dan DAMKAR Bangka Selatan dalam peringatan dini dan mitigasi kebakaran yang lebih tepat sasaran.
STUDI LITERATUR PEMANFAATAN PENGGUNAAN HASTAG SEBAGAI MEDIA PROMOSI PADA AKUN INSTAGRAM B&Y STUDIO Abiyoga Ari Nugroho; Dena Assifa Arfah
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1432

Abstract

The development of digital technology has driven a paradigm shift in marketing strategies, where social media serves as a primary channel for reaching consumers broadly and in real time. Instagram, as one of the dominant social media platforms, provides business analytics features that enable entrepreneurs to access comprehensive user behavior data. This study aims to analyze the utilization of hashtags as a strategic instrument in optimizing product marketing through Instagram. Using a descriptive-qualitative approach, this research explores how user interaction data can be processed into information that supports marketing decision-making. The findings indicate that an appropriate hashtag strategy can enhance content visibility, expand audience reach, and strengthen consumer engagement with the promoted products.
Analisis Penyebab Terjadinya Golput Pada Pemilu dan Pilpres Tahun 2024 Hidayatullah, Maliq; Ronaldo, Muhammad Farhan; Syarifuddin
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1433

Abstract

Fenomena meningkatnya angka golput pada Pemilu dan Pilkada 2024 menjadi salah satu isu krusial dalam dinamika demokrasi Indonesia. Sejumlah laporan resmi dan hasil survei, termasuk temuan LSI Denny JA yang mencatat rata-rata golput mencapai 37,63 persen di tujuh provinsi besar, menunjukkan adanya penurunan signifikan dalam partisipasi politik masyarakat. Penelitian ini bertujuan menganalisis faktor-faktor utama yang menyebabkan peningkatan golput pada tahun 2024 dengan menggunakan data sekunder dari lembaga survei, artikel ilmiah, dan laporan media kredibel. Hasil analisis menunjukkan bahwa golput dipengaruhi oleh beberapa faktor kunci, antara lain kelelahan politik setelah rangkaian pemilu nasional, rendahnya daya tarik kandidat yang dianggap tidak representatif, skeptisisme terhadap efektivitas pemilu dan institusi politik, serta minimnya literasi politik di berbagai lapisan masyarakat. Fenomena ini memiliki implikasi serius terhadap legitimasi pemimpin terpilih dan kualitas demokrasi secara keseluruhan. Kajian ini menegaskan pentingnya peningkatan edukasi politik, reformasi penyelenggaraan pemilu, serta penguatan kepercayaan publik terhadap institusi politik guna menekan angka golput pada kontestasi politik di masa mendatang.
Interactive Quizzes and Games: Enhancing Speaking Skills in English Language Learning Hairul, Hairul; Rahma Aini; Yeyen Febrilia
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1435

Abstract

Developing EFL speaking remains challenging in many classroom contexts. This study examined the effect of interactive quizzes and games on eleventh-grade students’ speaking skills in an Indonesian Islamic boarding school. Using a pretest–posttest control group design, 30 students in two intact classes (n = 15 each) received four weeks (16 sessions) of either interactive quiz/game activities or traditional speaking instruction. Speaking performance (pronunciation, vocabulary, grammar, fluency, and accuracy) was assessed using equivalent pre- and post-speaking tests. Shapiro–Wilk tests confirmed normality of difference scores (p > .05). Both groups improved, but gains were larger in the experimental group (pre: M = 36.00, SD = 17.55; post: M = 86.33, SD = 11.10) than in the control group (pre: M = 36.67, SD = 14.96; post: M = 46.67, SD = 24.18). Groups were equivalent at baseline, t(28) = 0.112, p = .912. Posttest scores differed significantly, t(28) = −5.775, p < .001, d = 2.109, indicating a very large practical effect. These findings suggest that interactive quizzes and games can substantially enhance EFL speaking performance compared with conventional instruction.

Page 3 of 3 | Total Record : 30

 1   2   3 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS) Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS) Vol 2 No 2 (2024): Journal of Information Technology and Society (JITS) Vol 2 No 1 (2024): Journal of Information Technology and Society (JITS) Vol 1 No 2 (2023): Journal of Information Technology and Society (JITS) Vol 1 No 1 (2023): Journal of Information Technology and Society (JITS)