cover
Contact Name
Rujianto Eko Saputro
Contact Email
jiite@acsit.org
Phone
+6282220176117
Journal Mail Official
jiite@acsit.org
Editorial Address
Perumahan Puri Intan, Kel. Pabuaran, RT 005/001, Kec. Purwokerto Utara, Kab. Banyumas, Kab. Banyumas, Provinsi Jawa Tengah
Location
Kab. banyumas,
Jawa tengah
INDONESIA
Journal of Informatics and Interactive Technology (JIITE)
ISSN : -     EISSN : 30481023     DOI : -
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 75 Documents
Optimasi Sistem Rekomendasi Pencarian Artikel Ilmiah TIK Menggunakan Model BERT Irfan Yasirrizky
Journal of Informatics and Interactive Technology Vol. 3 No. 2 (2026): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i2.131

Abstract

Sistem rekomendasi artikel ilmiah tradisional menghadapi kendala dalam memahami konteks semantik dari query pencarian pengguna. Penelitian ini bertujuan mengembangkan sistem rekomendasi pencarian artikel ilmiah bidang Teknologi Informasi dan Komunikasi menggunakan model BERT untuk meningkatkan akurasi pencarian berbasis pemahaman semantik. Metode yang digunakan meliputi web scraping Portal Garuda untuk mengumpulkan 2345 artikel unik, preprocessing menggunakan BERT multilingual, pembentukan Vector Space Model, dan perhitungan similarity menggunakan Cosine Similarity. Sistem dievaluasi menggunakan metrik Precision, Recall, dan F-Measure. Hasil pengujian menunjukkan sistem mampu mencapai Precision 100% dengan F-Measure 76.92% untuk query "aplikasi kesehatan" dan F-Measure 90.91% untuk query "AI". Sistem berhasil memahami konteks semantik tanpa bergantung pada pencocokan kata kunci literal, mampu mengidentifikasi artikel relevan dari berbagai subdomain, dan menampilkan hasil yang beragam namun tetap relevan. Penelitian ini membuktikan efektivitas BERT dalam meningkatkan kualitas sistem rekomendasi artikel ilmiah berbasis pemahaman semantik kontekstual.
Rancang Bangun Website Pemasaran Hidroponik Dhawuh Bumi dengan Fitur Prediksi Stok Berbasis Regresi Linear Vina Sindia Sari; Muhamad Awiet Wiedanto Prasetyo; Mahazam Afrad
Journal of Informatics and Interactive Technology Vol. 3 No. 2 (2026): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i2.145

Abstract

Perkembangan teknologi informasi memberikan peluang bagi sektor pertanian untuk meningkatkan efektivitas pemasaran dan pengelolaan usaha melalui sistem digital. Dhawuh Bumi sebagai usaha hidroponik masih menghadapi kendala dalam pemasaran produk dan pengelolaan stok yang dilakukan secara manual, sehingga jangkauan pemasaran terbatas dan kebutuhan stok sulit diprediksi. Penelitian ini bertujuan merancang dan membangun Website E-Commerce Dhawuh Bumi sebagai media pemasaran produk hidroponik serta mengimplementasikan fitur prediksi stok menggunakan metode Regresi Linear. Pengembangan sistem menggunakan metode Waterfall yang meliputi tahapan requirement, design, development, testing, dan maintenance. Sistem dibangun dengan framework Laravel dan database MySQL. Fitur yang tersedia meliputi pengelolaan produk, katalog digital, keranjang belanja, checkout, pembayaran online melalui Midtrans, pengelolaan pesanan, ulasan produk, dan prediksi stok. Prediksi stok diterapkan menggunakan metode Regresi Linear Sederhana dengan periode waktu sebagai variabel independen (X) dan jumlah penjualan sebagai variabel dependen (Y). Pengujian sistem dilakukan menggunakan Black Box Testing dan User Acceptance Testing (UAT). Hasil Black Box Testing pada 62 skenario dari 12 modul menunjukkan tingkat keberhasilan 100%, sedangkan UAT yang melibatkan 35 responden memperoleh tingkat kelayakan sebesar 90,8% dengan kategori sangat layak.
Penerapan Algoritma Naive Bayes Untuk Klasifikasi Sentimen Ulasan Pengguna Game Mobile Legends Di Google Play Store Indah Lestari; Ramlia Ramadani Sudin; Rayhan Permana Putra; Adha Mashur Sajiah
Journal of Informatics and Interactive Technology Vol. 3 No. 2 (2026): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i2.157

Abstract

Aksara Lontara merupakan representasi kultural masyarakat Sulawesi Selatan yang memerlukan upaya preservasi digital secara berkelanjutan. Convolutional Neural Network (CNN) telah banyak digunakan untuk pengenalan citra karakter aksara daerah, namun performanya sangat bergantung pada ketersediaan data berlabel (labeled data) yang umumnya terbatas dan mahal secara anotasi. Penelitian ini menerapkan Semi-Supervised  Learning (SSL) dengan teknik Pseudo-labeling pada arsitektur CNN untuk mengklasifikasikan 23 kelas aksara Lontara. Dataset yang digunakan berjumlah 7.452 citra yang diperoleh dari repositori publik Kaggle, kemudian dibagi menjadi 1.491 citra data uji (20%), 2.384 citra data berlabel (40% dari sisa data), dan 3.577 citra data tidak berlabel (60% dari sisa data). Arsitektur CNN yang diusulkan terdiri atas tiga blok konvolusi dengan lapisan Batch Normalization, Max Pooling, satu lapisan Dense 256 neuron, dan Dropout  0.5, dengan total 1.279.959 parameter. Model dasar yang dilatih hanya dengan 2.384 citra berlabel mencapai akurasi pengujian sebesar 99.93%. Selanjutnya, model memprediksi 3.577 citra tidak berlabel, dan prediksi dengan probabilitas di atas ambang batas (confidence threshold) τ = 0.95 dikonversi menjadi pseudo-label, menghasilkan 3.537 citra tambahan (98,88% dari total data tidak berlabel). Penggabungan data berlabel dan pseudo-labeled menjadi 5.921 citra digunakan untuk melatih ulang model secara iteratif, sehingga akurasi pengujian akhir meningkat menjadi 100%. Temuan ini menunjukkan bahwa kombinasi regularisasi (augmentasi, Batch Normalization, Dropout) dan SSL berbasis pseudo-labeling sangat efektif untuk pengenalan citra aksara Lontara meskipun hanya menggunakan sebagian kecil data beranotasi manual.
Peran Etika Profesi Teknologi Informasi dalam Penanggulangan Kejahatan Siber di Indonesia De Karl Azzahra; Evy Nurmiati
Journal of Informatics and Interactive Technology Vol. 3 No. 2 (2026): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i2.158

Abstract

Percepatan digitalisasi di Indonesia menghadirkan beragam kemudahan, tetapi sekaligus memperluas ruang terjadinya kejahatan siber, mulai dari penyanderaan data (ransomware) pada infrastruktur nasional, kebocoran data berskala besar di sektor keuangan dan kesehatan, hingga penipuan yang mengeksploitasi manipulasi psikologis pengguna. Meskipun penguatan aspek teknis terus diupayakan, manusia yang mengelola sistem tetap menjadi titik paling rentan. Bertolak dari persoalan tersebut, penelitian ini mengkaji sejauh mana etika profesi bidang teknologi informasi (TI) dapat berperan sebagai upaya preventif terhadap kejahatan siber di Indonesia. Penelitian menggunakan metode studi kepustakaan (library research) dengan pendekatan kualitatif deskriptif, menelaah sumber primer berupa UU No. 1 Tahun 2024 tentang ITE serta sumber sekunder berupa artikel jurnal, buku, dan publikasi ilmiah lain yang relevan. Hasil analisis menunjukkan bahwa modus kejahatan siber yang menonjol, seperti phishing, kebocoran data, dan ancaman dari orang dalam (insider threat), umumnya berakar pada diabaikannya nilai-nilai etis, yaitu integritas, kerahasiaan, dan akuntabilitas. Oleh karena itu, penerapan etika profesi, khususnya melalui kerangka PAPA (Privacy, Accuracy, Property, Accessibility) dan kepatuhan pada kode etik, menjadi lapis pertahanan preventif yang memperkuat keamanan digital. Penelitian ini menyimpulkan bahwa keselarasan antara regulasi (UU ITE) dan penghayatan etika profesi merupakan kunci untuk menjaga kedaulatan data sekaligus mewujudkan ruang digital yang lebih aman.
Klasifikasi Multi-Kelas Kondisi Lalu Lintas Perkotaan Menggunakan Random Forest Naiya Aulia Ridha; Roberto Kaban
Journal of Informatics and Interactive Technology Vol. 3 No. 2 (2026): Agustus
Publisher : ACSIT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63547/jiite.v3i2.159

Abstract

Kemacetan lalu lintas perkotaan membutuhkan pendekatan klasifikasi yang mampu membedakan kondisi jalan secara lebih rinci agar pengelolaan lalu lintas dapat dilakukan berbasis data. Penelitian ini bertujuan mengklasifikasikan kondisi lalu lintas perkotaan secara multi-kelas menggunakan algoritma Random Forest berbasis volume kendaraan dan fitur temporal. Dataset yang digunakan adalah Traffic Prediction Dataset dari Kaggle yang terdiri atas 2.976 observasi dengan empat kelas target, yaitu low, normal, high, dan heavy. Fitur prediktor meliputi jumlah mobil, sepeda motor, bus, truk, total kendaraan, serta fitur temporal seperti jam, menit, periode waktu, dan status akhir pekan. Penelitian ini menggunakan dua skenario pemodelan, yaitu skenario dengan fitur Total dan skenario tanpa fitur Total. Evaluasi model dilakukan menggunakan accuracy, precision, recall, F1-score, 5-fold cross validation, ROC-AUC One-vs-Rest, serta analisis feature importance. Hasil penelitian menunjukkan bahwa skenario dengan fitur Total menghasilkan accuracy sebesar 0,9916 dan weighted F1-score sebesar 0,9915. Skenario tanpa fitur Total tetap memperoleh performa baik dengan accuracy sebesar 0,9396 dan weighted F1-score sebesar 0,9379. Analisis feature importance menunjukkan bahwa fitur Total menjadi prediktor paling dominan pada skenario pertama, sedangkan CarCount, TruckCount, dan BusCount menjadi fitur utama setelah fitur Total dihapus. Temuan ini menunjukkan bahwa Random Forest efektif untuk klasifikasi kondisi lalu lintas multi-kelas, sementara pemisahan skenario fitur membantu menjelaskan pengaruh fitur agregatif terhadap performa dan interpretasi model.