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
65 Documents
Iterative Query Reformulation Berbasis LLM Untuk Temu Balik Artikel Hukum Indonesia
Al Hafiz, Muhammad Abdiel;
Wardana, Bayu Kusuma;
Wibawa, Surya Harwindu Putra;
Ulhaq, Muhammad Zhiya;
Ramadhan, Muhami Jauza Alma;
Ramdani, Noval Esa;
Leksana, Evan Prima Mangku
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.113
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.
Optimasi Kinerja Metode Hybrid Content-Based Filtering dan Matrix Factorization pada Sistem Rekomendasi Film
Januarta, Andre;
Putra, Bagus Darmajati Perdana;
Nugraha, Deka Dwi;
Hidayat, Sofyan;
Abiyasa, Mahendra Akmal;
Saputra, Ade;
Umar, Zaidan;
Herlambang, Faradi Deo
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.115
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.
Feature Fusion TF-IDF dan Analisis URL untuk Deteksi Phishing Lintas Domain dengan LinearSVC
Aurelya, Gemara;
Sahputra, Ridho Rian;
Pratama, Hanrifki;
Nur Rahma Keysha Maharani;
Setiaputri, Indah Adi;
Saputra, Mohammad Rizki Dwi
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.118
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.
Sistem Pencarian Resep Makanan Berbasis Semantic Embedding Dan Sentence-Bert
Aprilian, Imanda Salsabila;
Sindura, Izshauma Pahawana;
Syafiq, Firdaus;
Pangestu, Yosi Sofyan;
Rohmah, Nailu Nur;
Nugroho, Arya Fahmi
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.123
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.
Sebuah Sistem Pencarian Literatur Lintas Bahasa Berbasis API Crossref dan Algoritma String Similarity
Syahrudin, Ahmad;
Regiana, Devan;
Nuriawan, Fachri Yanuar;
Adel, Firdaus;
Ramadhani, Muhammad Zaky
Journal of Informatics and Interactive Technology Vol. 3 No. 1 (2026): April
Publisher : ACSIT
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.63547/jiite.v3i1.124
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.