Journal of Informatics and Interactive Technology (JIITE)
The Journal of Informatics and Interactive Technology aims to provide a platform for the exchange of knowledge and innovation in the field of computer science, human-computer interaction, data analysis, artificial intelligence, information systems, computer engineering, and emerging technologies. The journal welcomes original research articles, reviews, and case studies that address advancements, challenges, and applications in these areas. Computer Science: The journal focuses on research that contributes to the theoretical foundations, algorithms, and software engineering practices within computer science. Topics of interest include, but are not limited to, programming languages, computational theory, algorithm design and analysis, computer graphics, computer architecture, and software development methodologies. Human-Computer Interaction: This section covers research on the design, evaluation, and impact of interactive systems that facilitate effective and intuitive human-computer interaction. Areas of interest encompass user interface design, user experience, usability testing and evaluation, user-centered design approaches, interactive technologies for people with disabilities, and human factors in interactive systems. Data Analysis: This section explores research related to the extraction, transformation, and analysis of large and complex datasets. Topics include data mining, machine learning, statistical analysis, information retrieval, pattern recognition, data visualization, and big data analytics. Artificial Intelligence: The journal features research that focuses on advancements in artificial intelligence, including machine learning, knowledge representation, natural language processing, reasoning and problem-solving techniques, expert systems, robotics, and autonomous agents. Information Systems: This section covers research on the development, management, and application of information systems within organizations. Topics of interest include database management, information retrieval, data modeling, information security and privacy, enterprise systems, decision support systems, and business intelligence. Computer Engineering: This section highlights research in computer hardware engineering, including the design and development of computer systems and components. Topics of interest include computer architecture, embedded systems, VLSI design, robotics, computer networks, wireless communication, and system-on-chip design. Emerging Technologies: This section explores research on emerging technologies that have the potential to impact the field of informatics and interactive technology. Areas of interest include blockchain, internet of things (IoT), virtual and augmented reality, cloud computing, cybersecurity, edge computing, and quantum computing. The Journal of Informatics and Interactive Technology encourages interdisciplinary research and welcomes contributions from both academia and industry. The ultimate goal is to foster the exchange of ideas and promote the advancement of knowledge in the rapidly evolving fields of informatics and interactive technology.
Articles
9 Documents
Search results for
, issue
"Vol. 3 No. 1 (2026): April"
:
9 Documents
clear
<![CDATA[Penerapan Metode Vector Space Model TF-IDF dan Cosine Similarity pada Sistem Temu Balik Informasi Berita ]]>
<![CDATA[Pangestu, Adinda]]>;
<![CDATA[Estriana, Rias]]>;
<![CDATA[Wati, Rahma]]>;
<![CDATA[Firmansyah, Aldrian]]>;
<![CDATA[Fahat, Muhammad]]>;
<![CDATA[Safira, Aulia]]>;
<![CDATA[Zakiyudin, Toik]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.109
<![CDATA[Perkembangan pesat media berita daring menyebabkan peningkatan volume dokumen teks yang signifikan, sehingga menimbulkan permasalahan information overload dalam proses pencarian informasi. Pengguna sering mengalami kesulitan menemukan berita yang relevan karena banyaknya dokumen yang memiliki kemiripan kata, namun tidak selalu sesuai dengan konteks kebutuhan informasi. Oleh karena itu, diperlukan suatu sistem temu balik informasi yang mampu melakukan pencarian dan pemeringkatan dokumen berita secara akurat berdasarkan tingkat relevansi konten. Penelitian ini bertujuan untuk menerapkan metode Vector Space Model (VSM) dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) serta pengukuran kemiripan menggunakan Cosine Similarity pada sistem temu balik informasi berita berbahasa Indonesia. Pendekatan penelitian yang digunakan adalah pendekatan kuantitatif dengan metode content-based information retrieval. Data penelitian berupa kumpulan dokumen berita daring yang diproses melalui tahapan preprocessing teks, meliputi case folding, tokenisasi, stopword removal, dan stemming, untuk menghasilkan data teks yang bersih dan seragam. Setiap dokumen kemudian direpresentasikan dalam bentuk vektor numerik menggunakan VSM dan diberi bobot TF-IDF untuk menonjolkan istilah yang bersifat spesifik terhadap topik dokumen. Tingkat kemiripan antara kueri pengguna dan dokumen berita dihitung menggunakan Cosine Similarity, yang selanjutnya digunakan sebagai dasar pemeringkatan dokumen. Hasil penelitian menunjukkan bahwa integrasi VSM, TF-IDF, dan Cosine Similarity mampu meningkatkan relevansi hasil pencarian dan menyajikan dokumen berita secara terstruktur sesuai dengan kebutuhan pengguna. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi efektif dalam pencarian informasi berita berbasis teks serta berpotensi diterapkan pada koleksi dokumen berskala besar.]]>
<![CDATA[Systematic Literature Review: Analisis Teknik Optimasi terhadap Kinerja Game ]]>
<![CDATA[Erlangga, Aditya Dwi]]>;
<![CDATA[Prasetyoadi, Jusuf Viandra]]>;
<![CDATA[Maulana, Deva Afandi]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.110
<![CDATA[Perkembangan industri game dalam lima tahun terakhir mendorong peningkatan kualitas grafis dan kompleksitas lingkungan permainan, namun hal ini juga menimbulkan tantangan dalam menjaga performa agar tetap stabil pada berbagai perangkat, termasuk yang memiliki keterbatasan sumber daya. Masalah seperti penurunan frame rate, meningkatnya waktu rendering, serta tingginya beban kerja CPU dan GPU menjadi hambatan utama dalam proses pengembangan game. Berbagai teknik optimasi seperti Level of Detail (LOD), Occlusion Culling, pengurangan draw-call, pemrosesan berbasis GPU, dan multithreading telah diterapkan untuk mengurangi beban render tanpa menurunkan kualitas visual. Namun, penelitian sebelumnya masih bersifat terpisah dan berfokus pada studi kasus tertentu, sehingga belum tersedia gambaran menyeluruh mengenai efektivitas setiap teknik optimasi. Penelitian ini menggunakan metode Systematic Literature Review (SLR) untuk mengumpulkan, menilai, dan merangkum hasil penelitian terkait teknik optimasi game yang diterbitkan pada periode 2020 hingga 2025. Melalui pendekatan ini, diperoleh pemahaman yang lebih terstruktur mengenai dampak berbagai teknik optimasi terhadap kinerja game.]]>
<![CDATA[Literature Review: The Application of Gamification in Learning Management Systems (LMS) to Improve Student Learning Motivation ]]>
<![CDATA[Arif, Yussac Ibna]]>;
<![CDATA[Fajar, Viqki Nur]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.111
<![CDATA[Perkembangan pembelajaran digital di perguruan tinggi mendorong pemanfaatan Learning Management System (LMS) sebagai media utama dalam proses pembelajaran daring dan hybrid. Namun, penggunaan LMS sering menghadapi permasalahan rendahnya motivasi dan keterlibatan belajar mahasiswa akibat pembelajaran yang kurang interaktif. Salah satu pendekatan yang banyak dikembangkan untuk mengatasi permasalahan tersebut adalah gamifikasi. Penelitian ini bertujuan untuk mengkaji secara sistematis penerapan gamifikasi dalam LMS serta dampaknya terhadap motivasi belajar mahasiswa di perguruan tinggi. Metode penelitian yang digunakan adalah kajian literatur dengan pendekatan deskriptif-naratif. Pengumpulan data dilakukan melalui penelusuran artikel ilmiah pada basis data Google Scholar dan Publish or Perish dengan kriteria artikel berbahasa Indonesia, diterbitkan pada rentang tahun 2016–2026, membahas LMS dan gamifikasi, serta melibatkan subjek mahasiswa. Artikel yang terpilih dianalisis secara tematik untuk mengidentifikasi bentuk implementasi gamifikasi, elemen yang digunakan, serta hasil penerapannya. Hasil kajian menunjukkan bahwa penerapan elemen gamifikasi seperti poin, badge, leaderboard, level/level-up, tantangan, kuis, dan progress bar terbukti mampu meningkatkan motivasi intrinsik dan ekstrinsik, keterlibatan aktif, serta efektivitas pembelajaran mahasiswa. Namun, efektivitas gamifikasi sangat dipengaruhi oleh desain pedagogis, keterlibatan dosen, dan kesiapan infrastruktur LMS. Penelitian ini diharapkan dapat menjadi rujukan bagi pendidik dan pengembang LMS dalam merancang pembelajaran digital yang inovatif dan berpusat pada mahasiswa.]]>
<![CDATA[Penerapan Metode LSI dan Cosine Similarity pada Sistem Temu Balik Informasi Resep Masakan Berdasarkan Bahan ]]>
<![CDATA[Sifa, Intan Nur]]>;
<![CDATA[Tyas, Aulia Suryaning]]>;
<![CDATA[Setiawati, Purnia]]>;
<![CDATA[Putri, Rizki Cahya]]>;
<![CDATA[Nisa, Mayza Nurul Khasanatun]]>;
<![CDATA[Putri, Refida Septiana]]>;
<![CDATA[Siyam, Abdee Alamsyah Noer]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.112
<![CDATA[Perkembangan teknologi informasi mendorong kebutuhan akan sistem pencarian informasi yang mampu menyajikan hasil secara cepat dan raelevan. Dalam konteks pencarian resep masakan, pengguna seringkali memiliki keterbatasan bahan sehingga diperlukan sistem yang dapat menemukan resep berdasarkan bahan yang tersedia dengan mempertimbangkan keterkaitan makna antar kata. Penelitian ini bertujuan untuk mengembangkan sistem temu balik informasi resep masakan berbasis pencarian semantik dengan mengkombinasikan metode TF-IDF, Latent Semantic Indexing (LSI) dan Cosine Similarity, serta didukung oleh teknik query expansion berbasis WordNet. Data yang digunakan berasal dari dataset resep masakan Indonesia yang diperoleh melalui platform Kaggle dan dimanfaatkan sebagai data pendukung dalam pengujian metode yang diusulkan. Sistem menerima masukan berupa bahan masakan dari pengguna dan menghasilkan daftar resep berdasarkan tingkat kemiripan semantik. Hasil pengujian menunjukan bahwa sistem mampu menampilkan resep yang relevan berdasarkan bahan yang dimasukan oleh pengguna dengan urutan nilai kemiripan tinggi.]]>
<![CDATA[Iterative Query Reformulation Berbasis LLM Untuk Temu Balik Artikel Hukum Indonesia ]]>
<![CDATA[Al Hafiz, Muhammad Abdiel]]>;
<![CDATA[Wardana, Bayu Kusuma]]>;
<![CDATA[Wibawa, Surya Harwindu Putra]]>;
<![CDATA[Ulhaq, Muhammad Zhiya]]>;
<![CDATA[Ramadhan, Muhami Jauza Alma]]>;
<![CDATA[Ramdani, Noval Esa]]>;
<![CDATA[Leksana, Evan Prima Mangku]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.113
<![CDATA[Akses terhadap informasi hukum yang akurat sering kali terkendala oleh kesenjangan semantik antara bahasa awam yang digunakan masyarakat dan terminologi hukum formal. Penelitian terdahulu yang menerapkan Retrieval Augmented Generation (RAG) pada Kitab Undang-Undang Hukum Pidana (KUHP) menghasilkan tingkat keberhasilan (Hit Rate) sebesar 80%, namun masih memiliki keterbatasan dalam menangani variasi gaya bahasa pengguna yang implisit serta konteks hukum yang kompleks. Penelitian ini mengusulkan metode Iterative Query Reformulation berbasis Large Language Model (LLM) untuk mengatasi permasalahan tersebut. Sistem ini menggunakan mekanisme Double Hop Retrieval yang melibatkan pencarian awal (initial retrieval) untuk mendapatkan konteks, diikuti oleh reformulasi pertanyaan menggunakan model Qwen 3 32B menjadi kueri hukum baku, sebelum dilakukan pencarian final ( final retrieval). Menggunakan dataset yang dikumpulkan dari HukumOnline sebanyak 750 artikel, evaluasi dilakukan menggunakan metrik Faithfulness, Answer Relevancy, Hit Rate, dan Mean Reciprocal Rank (MRR). Hasil pengujian menunjukkan peningkatan performa yang signifikan, dengan skor Faithfulness mencapai 98.6%, Answer Relevancy 100%, Hit Rate 100%, dan peningkatan MRR dari 90% (tanpa reformulasi) menjadi 93% (dengan reformulasi). Pendekatan ini terbukti efektif menjembatani kesenjangan bahasa dan meningkatkan presisi temu balik informasi hukum di Indonesia.]]>
<![CDATA[Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film ]]>
<![CDATA[Januarta, Andre]]>;
<![CDATA[Putra, Bagus Darmajati Perdana]]>;
<![CDATA[Nugraha, Deka Dwi]]>;
<![CDATA[Hidayat, Sofyan]]>;
<![CDATA[Abiyasa, Mahendra Akmal]]>;
<![CDATA[Saputra, Ade]]>;
<![CDATA[Umar, Zaidan]]>;
<![CDATA[Herlambang, Faradi Deo]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.115
<![CDATA[Perkembangan platform digital dan layanan streaming film menyebabkan peningkatan jumlah konten yang tersedia bagi pengguna. Kondisi ini menimbulkan permasalahan information overload, di mana pengguna mengalami kesulitan dalam menentukan film yang sesuai dengan preferensi mereka. Sistem rekomendasi hadir sebagai solusi untuk membantu pengguna menemukan film yang relevan secara cepat dan personal. Penelitian ini bertujuan untuk menganalisis kinerja sistem rekomendasi film menggunakan metode hybrid yang mengombinasikan Content-Based Filtering (CBF) dan Matrix Factorization (MF). Pendekatan CBF memanfaatkan representasi genre film menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) dan Cosine Similarity untuk mengukur kemiripan antar film, sedangkan MF diterapkan menggunakan teknik Singular Value Decomposition (SVD) untuk mempelajari pola laten interaksi pengguna dan film berdasarkan data rating. Dataset yang digunakan berasal dari The Movie Database (TMDB) dan MovieLens dengan jumlah data yang besar dan beragam. Hasil penelitian menunjukkan bahwa metode hybrid mampu meningkatkan kualitas rekomendasi dengan menggabungkan keunggulan kedua pendekatan, di mana CBF berperan sebagai penyaring awal berdasarkan kemiripan konten dan MF berfungsi untuk memprediksi serta mengurutkan film berdasarkan preferensi pengguna. Evaluasi kinerja sistem menggunakan confusion matrix dan metrik precision, recall, serta F1-score menunjukkan tingkat akurasi sebesar 73%, dengan performa yang baik pada kelas like. Hasil ini membuktikan bahwa pendekatan hybrid efektif dalam menghasilkan rekomendasi film yang lebih relevan dan personal.]]>
<![CDATA[Feature Fusion TF-IDF dan Analisis URL untuk Deteksi Phishing Lintas Domain dengan LinearSVC ]]>
<![CDATA[Aurelya, Gemara]]>;
<![CDATA[Sahputra, Ridho Rian]]>;
<![CDATA[Pratama, Hanrifki]]>;
<![CDATA[Nur Rahma Keysha Maharani]]>;
<![CDATA[Setiaputri, Indah Adi]]>;
<![CDATA[Saputra, Mohammad Rizki Dwi]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.118
<![CDATA[Meningkatnya serangan phishing melalui email menuntut sistem deteksi otomatis yang tidak hanya akurat, tetapi juga mampu beradaptasi terhadap perbedaan karakteristik data antar domain. Meskipun berbagai pendekatan berbasis machine learning telah menunjukkan performa tinggi, sebagian besar penelitian masih berfokus pada penggunaan satu jenis fitur dan evaluasi dalam satu domain, sehingga kemampuan generalisasi model pada data nyata yang heterogen belum teruji secara komprehensif. Penelitian ini bertujuan untuk mengatasi keterbatasan tersebut dengan mengusulkan pendekatan deteksi email phishing yang lebih menyeluruh melalui integrasi fitur tekstual dan struktural serta evaluasi lintas domain. Metode yang diusulkan mengombinasikan fitur tekstual dari badan email yang diekstraksi menggunakan Term Frequency–Inverse Document Frequency (TF-IDF) dan fitur struktural URL dalam skema feature fusion, dengan proses klasifikasi menggunakan algoritma Linear Support Vector Classifier (LinearSVC) yang efisien untuk data berdimensi tinggi dan bersifat sparse. Dataset SpamAssassin digunakan sebagai data pelatihan dan evaluasi internal, sedangkan dataset Enron digunakan untuk evaluasi lintas domain guna mengukur ketahanan model terhadap domain bias. Hasil evaluasi internal menunjukkan bahwa model mencapai akurasi sebesar 98,84% dengan nilai F1-score makro 97,75%, sementara pada evaluasi lintas domain model mempertahankan kemampuan deteksi email legitimate dengan nilai recall sebesar 93,62% meskipun terjadi penurunan kinerja akibat perbedaan distribusi data. Temuan ini menunjukkan bahwa pendekatan feature fusion lebih tangguh dibandingkan penggunaan fitur tunggal dan efektif sebagai baseline deteksi phishing lintas domain, serta berpotensi dikembangkan lebih lanjut melalui strategi adaptasi domain untuk meningkatkan ketahanan model pada lingkungan nyata.]]>
<![CDATA[Sistem Pencarian Resep Makanan Berbasis Semantic Embedding Dan Sentence-Bert ]]>
<![CDATA[Aprilian, Imanda Salsabila]]>;
<![CDATA[Sindura, Izshauma Pahawana]]>;
<![CDATA[Syafiq, Firdaus]]>;
<![CDATA[Pangestu, Yosi Sofyan]]>;
<![CDATA[Rohmah, Nailu Nur]]>;
<![CDATA[Nugroho, Arya Fahmi]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.123
<![CDATA[Tujuan dari proyek ini adalah untuk membuat sistem pencarian resep makanan berbasis pencarian semantik menggunakan model Sentence-BERT (SBERT) dan embedding semantik. Masalah utama dengan pencarian resep adalah bahwa sistem pencarian tradisional tidak dapat memahami makna kata yang digunakan dalam pencarian, yang sering mengakibatkan hasil pencarian yang tidak berguna. Untuk memungkinkan pencocokan berbasis makna daripada hanya pencocokan kata kunci, studi ini menyarankan penggunaan SBERT untuk membuat representasi semantik dari teks resep. Metodologi eksperimental studi ini terdiri dari dua fase utama: pencarian internet dan pengindeksan offline. SBERT digunakan untuk memproses dan mengubah data resep makanan Indonesia menjadi vektor, yang kemudian disimpan dalam indeks FAISS untuk pencarian yang efisien. Dengan menggunakan 390 data uji, statistik Mean Average Precision (MAP) digunakan untuk menilai kinerja sistem. Menurut hasil pengujian, peningkatan relevansi hasil pencarian paling baik dicapai dengan nilai ambang 0,50. Berdasarkan makna dari kueri pengguna, sistem yang dikembangkan dapat menghasilkan pencarian yang lebih relevan, menurut temuan penelitian. Selain menawarkan peluang untuk pertumbuhan di masa depan dengan fitur personalisasi dan integrasi data multimodal, penelitian ini mendorong pengembangan sistem pencarian berbasis semantik.]]>
<![CDATA[Sebuah Sistem Pencarian Literatur Lintas Bahasa Berbasis API Crossref dan Algoritma String Similarity ]]>
<![CDATA[Syahrudin, Ahmad]]>;
<![CDATA[Regiana, Devan]]>;
<![CDATA[Nuriawan, Fachri Yanuar]]>;
<![CDATA[Adel, Firdaus]]>;
<![CDATA[Ramadhani, Muhammad Zaky]]>
<![CDATA[ Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April ]]>
Publisher : <![CDATA[ACSIT ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.124
<![CDATA[Perbedaan bahasa antara kueri pengguna dan dokumen ilmiah sering menjadi kendala dalam pencarian literatur internasional, sehingga menurunkan efektivitas dan efisiensi penelusuran referensi. Penelitian ini bertujuan untuk mengembangkan sistem temu balik informasi lintas bahasa (Cross-Language Information Retrieval/CLIR) yang mengintegrasikan Automatic Query Translation, API Crossref sebagai sumber metadata, dan algoritma string similarity untuk pemeringkatan hasil pencarian. Metode penelitian yang digunakan adalah kuantitatif dengan pendekatan eksperimental. Data diperoleh melalui pengambilan metadata artikel ilmiah dari Crossref, meliputi judul, penulis, tahun publikasi, dan DOI. Kueri uji dirancang dalam Bahasa Indonesia dan Bahasa Inggris untuk mengevaluasi efektivitas penerjemahan otomatis dan relevansi hasil pencarian. Sistem melakukan praproses teks, penerjemahan kueri, perhitungan tingkat kemiripan antara kueri dan judul artikel menggunakan algoritma Sequence Matcher, serta pemeringkatan hasil pencarian. Hasil penelitian menunjukkan bahwa integrasi API Crossref dengan algoritma string similarity mampu menyajikan daftar jurnal nasional dan internasional secara terstruktur berdasarkan tingkat relevansi, serta meningkatkan efisiensi pencarian literatur dibandingkan pencarian manual. Meskipun demikian, pendekatan berbasis string similarity masih memiliki keterbatasan dalam menangkap makna semantik yang kompleks, sehingga diperlukan pengembangan lanjutan untuk meningkatkan akurasi relevansi hasil pencarian.]]>
