cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Mohammad Syafrullah
Contact Email
mohammad.syafrullah@budiluhur.ac.id
Phone
+6221-5853753
Journal Mail Official
jurnalticom@budiluhur.ac.id
Editorial Address
DRPM Universitas Budi Luhur Jalan Raya Ciledug, Petukangan Utara, Jakarta Selatan, Provinsi DKI Jakarta
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal Ticom: Technology of Information and Communication
Published by Asosiasi Pendidikan Tinggi Informatika dan Komputer Daerah Khusus Ibukota Jakarta
ISSN : 23023252     EISSN : 29627982     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal TICOM adalah jurnal ilmiah dalam bidang teknologi informasi dan komunikasi (TIK) yang diterbitkan oleh Asosiasi Pendidikan Tinggi Informatika dan Komputer (APTIKOM) Provinsi DKI Jakarta.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 117 Documents
 8   9   10   11   12 
Implementasi Sistem Pakar Berbasis Web dengan Metode Certainty Factor untuk Diagnosis Gejala Kecanduan Game Online Nazdan Rosidin; Dimas Abisono Punkastyo
Jurnal Ticom: Technology of Information and Communication Vol 14 No 1 (2025): Jurnal Ticom-September 2025
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i1.169

Abstract

Penelitian ini mengkaji perancangan dan implementasi sistem pakar berbasis web yang difokuskan pada diagnosis kecanduan game online pada kalangan remaja. Sistem dikembangkan dengan memanfaatkan metode Certainty Factor (CF) Latar belakang penelitian adalah meningkatnya kasus kecanduan yang berdampak pada prestasi akademik dan interaksi sosial siswa, khususnya di SMK Sirajul Falah Parung. Sistem dirancang dengan pendekatan Rapid Application Development (RAD) melalui tahapan analisis kebutuhan, desain, pembangunan, dan implementasi. Data diperoleh dari observasi, wawancara dengan guru Bimbingan Konseling, dan studi literatur. Hasil pengujian terhadap 25 siswa menunjukkan tingkat kesesuaian diagnosis sistem dengan asesmen guru sebesar 88%. Sistem dinilai mudah digunakan, efisien, dan stabil sehingga dapat dimanfaatkan sebagai alat identifikasi dini untuk mendukung layanan konseling di sekolah.
Analisis Sentimen Ulasan Pengguna Aplikasi Atma Menggunakan Algoritma Naïve Bayes Ramadani, Risna Kurnia Permata; Wicaksana, Arya Soma; Nunung Hidayatun
Jurnal Ticom: Technology of Information and Communication Vol 14 No 1 (2025): Jurnal Ticom-September 2025
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i1.171

Abstract

Pada masa ini kemajuan teknologi digital telah mendorong munculnya berbagai aplikasi pencari kerja berbasis mobile, salah satunya adalah Atma. Aplikasi ini dirancang untuk memudahkan pengguna dalam mencari lowongan pekerjaan, khususnya di sektor food and beverage (F&B). Namun, beragamnya ulasan pengguna dan volume yang terus meningkat di Google Play Store membuat analisis manual menjadi lambat dan rawan subjektivitas, sehingga menyulitkan pengembang memahami kebutuhan pengguna secara akurat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Atma dengan menggunakan algoritma Naïve Bayes serta mengevaluasi performanya dalam mengklasifikasikan ulasan ke dalam kategori positif dan negatif. Pendekatan yang digunakan mengacu pada metode SEMMA (Sample, Explore, Modify, Model, Assess) dengan tahapan preprocessing teks, pembobotan menggunakan TF-IDF, dan penyeimbangan data menggunakan teknik SMOTE. Data yang dianalisis berjumlah 2000 ulasan, dan dilakukan tiga skenario pengujian berdasarkan rasio pembagian data latih dan data uji. Hasil pengujian menunjukkan bahwa akurasi algoritma meningkat secara signifikan setelah penerapan SMOTE. Akurasi tertinggi yang dicapai adalah sebesar 85,56% dengan proporsi 90% data latih dan 10% data uji. Temuan ini menunjukkan bahwa kombinasi Naïve Bayes, TF-IDF, dan SMOTE cukup efektif dalam melakukan analisis sentimen terhadap ulasan pengguna aplikasi. Penelitian ini diharapkan dapat memberikan masukan konstruktif bagi pengembang aplikasi dalam meningkatkan kualitas layanan sesuai kebutuhan pengguna.
Perencanaan Strategis Sistem Informasi Menggunakan Kerangka Ward and Peppard: Studi Kasus PT Mayasari Bakti Widyansyah, Muhammad Farhan; Waspodo, Bayu
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.176

Abstract

Guna memastikan keselarasan antara tujuan bisnis dengan implementasi teknologi, perencanaan strategis sistem informasi (PSSI) memegang peranan krusial. Studi kasus pada PT Mayasari Bakti ini dirancang untuk mengevaluasi faktor-faktor internal dan eksternal perusahaan, menganalisis rantai nilai (value chain), serta memformulasikan strategi SI/TI menggunakan kerangka Ward & Peppard yang didukung oleh analisis SWOT (IFAS & EFAS) dan McFarlan Strategic Grid. Berdasarkan analisis, diperoleh skor IFAS sebesar 2,40 dan EFAS sebesar 2,60, yang memosisikan perusahaan dalam kuadran strategi agresif. Analisis Value Chain berhasil memetakan aktivitas bisnis utama yang memerlukan dukungan sistem informasi, sementara McFarlan Grid menghasilkan portofolio aplikasi yang terkategorisasi dalam empat kuadran strategis. Studi ini menyajikan sebuah roadmap implementasi SI/TI untuk jangka pendek, menengah, dan panjang sebagai panduan transformasi digital bagi PT Mayasari Bakti.
Klasifikasi Spesies Burung Dengan Ciri Morfologi Serupa Akibat Evolusi Konvergen Menggunakan CNN Nino Andera; Ghofar Taufik; Giatika Chrisnawati
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.178

Abstract

Kemiripan morfologi pada spesies burung akibat evolusi konvergen menjadi tantangan dalam klasifikasi otomatis berbasis citra. Penelitian ini bertujuan untuk mengembangkan dan menganalisis kinerja model Convolutional Neural Network (CNN) dalam membedakan spesies burung yang memiliki ciri visual serupa. CNN digunakan karena kemampuannya dalam mengekstraksi fitur citra secara efisien, bahkan pada spesies dengan perbedaan morfologi yang tipis. Evaluasi dilakukan terhadap empat spesies burung melalui pengujian utama, serta dua kelompok pasangan burung dengan kemiripan morfologi tinggi, yaitu Icterus graduacauda & Oriolus larvatus, serta Sturnella magna & Macronyx croceus. Pengujian utama menunjukkan akurasi sebesar 78%, sedangkan pada dua pasangan spesies serupa, akurasi meningkat masing-masing menjadi 80,42% dan 85%, dengan F1-score yang stabil di kisaran 80–85%. Hasil ini menunjukkan bahwa model CNN mampu membedakan spesies burung yang serupa secara visual meskipun terdapat variasi latar belakang dan posisi objek dalam dataset. Kesimpulan dari penelitian ini mengindikasikan bahwa pendekatan CNN efektif digunakan dalam klasifikasi spesies burung dengan morfologi serupa akibat evolusi konvergen, serta memiliki potensi untuk diterapkan dalam bidang konservasi, pemantauan keanekaragaman hayati, dan sistem identifikasi spesies otomatis berbasis citra.
Penerapan Metode Naive Bayes Classifier pada Klasifikasi Berita Google Alert RSS FEEDS Nofiyani, Nofiyani
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.193

Abstract

Di masa modern ini jumlah publikasi berita setiap hari semakin meningkat yang menyulitkan pengguna dalam menemukan berita yang relevan sesuai kebutuhan atau minat pengguna. Oleh karena itu, diperlukan sistem yang mampu mengelompokkan berita secara otomatis. Klasifikasi berita merupakan salah satu penerapan text mining. Proses klasifikasi ini memerlukan metode yang efektif. Salah satu metode yang sering digunakan adalah Naive Bayes Classifier, karena dapat bekerja sangat baik dan memiliki tingkat akurasi yg lebih baik dibanding model classifier lainnya. Dengan memanfaatkan data yang diperoleh dari Google Alerts RSS Feeds yang terdiri dari 80 data yang terbagi menjadi 64 data latih dan 16 data uji. Hasil evaluasi model Confusion matrix menunjukkan bahwa metode Naive Bayes Classifier (NBC) mengklasifikasikan secara benar 11 sampel dari total 16 sampel data uji dengan nilai akurasi sebesar 68,75%, nilai presisi 66,25% dan nilai recall 66,67%.
Perancangan Sistem Informasi Jejaring Alumni untuk Mendukung Tracer Study dan Informasi Karier Lubis, Baginda Oloan; Sumandito, Aji; Fakhriza, Muhammad Hilman; Yunandar, Rahmat Tri; Santoso, Budi
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.197

Abstract

Tracer studies and career information services are essential components in evaluating graduate quality and enhancing the relevance of education to labor market demands. However, the implementation of tracer studies and the dissemination of career information are often constrained by the lack of integrated media and low alumni participation. This study aims to design and implement a web-based alumni networking information system called ALUMNET to effectively support tracer studies and career information delivery. The ALUMNET system enables alumni to register and log in, complete tracer study questionnaires, access job vacancy information and career-related events, and interact with the institution. Tracer study data collected through ALUMNET are managed by administrators via a management dashboard equipped with graphical data visualization to facilitate analysis and decision-making. The system development employed the prototype method to ensure alignment with user requirements. The results indicate that the ALUMNET alumni networking information system improves the efficiency of alumni data management, expands the reach of tracer study implementation, and provides alumni with centralized and integrated access to career information.
Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme PSO Dan Decision tree Anisah Masyuuroh; Deni Mahdiana; Nidya Kusumawardhany
Jurnal Ticom: Technology of Information and Communication Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v14i2.198

Abstract

Tingginya penggunaan media sosial di kalangan Generasi Z dapat menyebabkan kecanduan yang sering dianggap wajar, namun berdampak negatif terhadap kesehatan mental dan produktivitas. Dampak tersebut meliputi gangguan tidur, penurunan fokus belajar maupun bekerja, serta meningkatnya kecemasan akibat perbandingan sosial di dunia maya. Beberapa individu juga mengalami ketergantungan emosional terhadap validasi digital seperti jumlah like, komentar, atau interaksi lainnya. Oleh karena itu, deteksi dini terhadap tingkat kecanduan media sosial sangat diperlukan untuk mencegah dampak jangka panjang yang merugikan, terutama bagi Generasi Z yang sangat terhubung secara digital. Penelitian ini bertujuan untuk mengestimasi tingkat kecanduan media sosial pada Generasi Z menggunakan metode Decision tree, yang dipilih karena mampu menghasilkan klasifikasi yang akurat serta model yang mudah dipahami. Metode ini bekerja dengan membagi data berdasarkan atribut-atribut relevan untuk mengenali pola perilaku digital secara sistematis. Algoritma Decision tree dioptimalkan menggunakan Particle Swarm Optimization (PSO) untuk memilih fitur paling berpengaruh dan meningkatkan performa model. Hasil penelitian menunjukkan akurasi sebesar 93,75%, recall 94,20%, dan precision 95,16%. Setelah optimasi PSO, akurasi meningkat menjadi 96,42%, recall 97,03%, dan precision 97,00%, yang menunjukkan peningkatan performa prediksi secara signifikan.

Page 12 of 12 | Total Record : 117

 8   9   10   11   12 

Filter by Year

2021 2026


Reset
Filter By Issues
All Issue Vol 14 No 2 (2026): Jurnal Ticom-Januari 2026 Vol 14 No 1 (2025): Jurnal Ticom-September 2025 Vol 13 No 3 (2025): Jurnal Ticom-Mei 2025 Vol 13 No 2 (2025): Jurnal Ticom-Januari 2025 Vol 13 No 1 (2024): Jurnal Ticom-September 2024 Vol 12 No 3 (2024): Jurnal Ticom-Mei 2024 Vol 12 No 2 (2024): Jurnal Ticom-Januari 2024 Vol 12 No 1 (2023): Jurnal Ticom-September 2023 Vol 11 No 3 (2023): Jurnal Ticom-Mei 2023 Vol 11 No 2 (2023): Jurnal Ticom-Januari 2023 Vol 11 No 1 (2022): Jurnal Ticom-September 2022 Vol 10 No 3 (2022): Jurnal Ticom-Mei 2022 Vol 10 No 2 (2022): Jurnal Ticom-Januari 2022 Vol 10 No 1 (2021): Jurnal Ticom-September 2021 More Issue